PyTorch 面试题及参考答案（精选100道）
目录
PyTorch 的动态计算图与 TensorFlow 的静态计算图有何区别？动态图的优势是什么？
解释张量（Tensor）与 NumPy 数组的异同，为何 PyTorch 选择张量作为核心数据结构？
什么是 torch.autograd 模块？它在反向传播中的作用是什么？
如何理解 PyTorch 中的 nn.Module 类？列举其关键方法及作用。
解释 PyTorch 的 DataLoader 与 Dataset 类的作用及自定义数据集的方法。
什么是 CUDA 上下文？PyTorch 如何管理 GPU 内存？
如何在 PyTorch 中实现混合精度训练？需注意哪些问题？
PyTorch 的 torch.jit 模块有何用途？如何将模型转换为 TorchScript？
解释 PyTorch 中的 register_buffer 与 register_parameter 的区别。
什么是 PyTorch 的 “设备无关代码”？如何编写兼容 CPU/GPU 的代码？
描述 torch.no_grad () 的作用场景及对内存 / 计算的影响
什么是 Autograd 自动微分系统？反向传播时梯度是如何累积的？
解释 requires_grad、grad_fn、retain_graph 的作用及关联性
PyTorch 中 nn.Module 与 nn.functional 的适用场景差异
模型保存与加载：torch.save 的 state_dict 与完整模型保存区别
如何在 PyTorch 中实现模型的可复现性（固定随机种子、禁用 CUDA 不确定性）
解释 torch.jit.trace 与 torch.jit.script 的编译原理及适用场景
解释 contiguous () 的作用及何时需要显式调用
解释稀疏张量（Sparse Tensor）的应用场景及存储优化原理
张量类型转换：to () 方法与 type () 的性能差异对比
如何自定义一个包含残差连接（Residual Connection）的神经网络层？
解释 nn.Sequential 与 nn.ModuleList 的区别及适用场景。
实现一个带有 Dropout 和 BatchNorm 的卷积神经网络（CNN）。
如何在 PyTorch 中实现双向 LSTM？如何处理变长序列输入？
解释 nn.Transformer 模块的核心参数及实现 Transformer 模型的步骤。
如何实现模型权重的初始化（如 Xavier、He 初始化）？
自定义损失函数时，为何需要继承 nn.Module 而非直接使用函数？
如何实现梯度裁剪（Gradient Clipping）以防止梯度爆炸？
解释学习率调度器（如 StepLR、CosineAnnealingLR）的作用及配置方法。
多任务学习中，如何平衡不同任务的损失权重？
自定义损失函数：如何同时继承 nn.Module 与利用 Autograd 特性？
模型参数初始化：Xavier 与 Kaiming 初始化的数学原理及 PyTorch 实现
梯度消失 / 爆炸的检测方法（如梯度裁剪、权重监控）
混合精度训练：torch.cuda.amp 模块的 autocast 与 GradScaler 协作原理
早停法（Early Stopping）的实现细节及模型恢复策略
如何实现自定义数据并行（如模型分片、流水线并行）？
解释 DataLoader 中 collate_fn 的作用及自定义数据处理案例
学习率调度：OneCycleLR 与 ReduceLROnPlateau 的适用场景对比
模型微调技巧：部分层冻结与分层学习率设置实现
如何实现一个带有注意力机制（Attention Mechanism）的模型？
解释模型训练中过拟合和欠拟合的现象及解决方法
如何在 PyTorch 中使用预训练模型进行迁移学习？
描述模型训练过程中监控指标（如损失、准确率等）的方法及工具
如何设置优化器（如 Adam、SGD 等）的超参数以提高模型性能？
解释在模型训练中 batch size 的选择对训练效果和性能的影响
使用 torch.einsum 实现矩阵乘法、转置和向量点积
解释 torch.Tensor.view () 与 torch.reshape () 的异同及内存共享机制
如何高效实现张量的拼接（cat）、堆叠（stack）和分块（chunk）？
什么是 “原地操作”（In-place Operation）？使用时需注意哪些风险？
解释 torch.no_grad () 上下文管理器的作用及适用场景
如何手动计算张量的梯度？举例说明 backward () 的参数 gradient 的作用
实现一个自定义的二维卷积操作（不使用 nn.Conv2d）
如何利用 torch.autograd.Function 实现自定义的反向传播逻辑？
张量形状重塑：view ()、reshape ()、resize_() 三者的区别与潜在风险
实现张量切片操作时如何避免内存复制（narrow () vs split ()）
张量拼接：cat ()、stack ()、pad_sequence () 的适用场景
内存优化技巧：pin_memory、non_blocking 参数在数据加载中的作用
张量广播机制的规则及可能引发的形状错误调试方法
如何实现张量的原地操作（in-place operation）？使用限制有哪些？
解释 torch.Tensor 的一些常见属性（如 shape、dtype、device 等）及其作用。
解释 DataParallel 与 DistributedDataParallel（DDP）的差异及性能对比
如何配置多机多卡训练？需处理哪些通信问题？
环境准备
初始化分布式环境
数据划分
模型初始化
训练循环
使用 PyTorch Profiler 分析模型训练的性能瓶颈
解释 torch.compile 的作用及如何加速模型推理
如何通过 torch.fx 进行模型图优化与量化？
混合精度训练中为何需要 GradScaler？其工作原理是什么？
使用 torch.utils.checkpoint 实现显存优化，原理及适用场景是什么？
PyTorch 如何实现 GPU 加速？多卡训练时设备同步机制如何设计？
模型量化：动态量化、静态量化、QAT 量化方法的选择标准
使用 torch.profiler 进行性能瓶颈分析的实战步骤
解释 torch.compile（PyTorch 2.0）的图优化技术原理
TensorRT 与 PyTorch 模型转换的性能优化关键点
多线程 / 多进程数据加载中 num_workers 的设置经验法则
解释可微分渲染（Differentiable Rendering）在 PyTorch3D 中的应用
解释 MoE（Mixture of Experts）模型的并行训练技术难点
如何捕获并调试 PyTorch 中的 CUDA 内存溢出错误？
解释 ONNX 格式的作用及导出 PyTorch 模型到 ONNX 的步骤。
使用 TorchServe 部署模型的流程及关键配置参数。
如何将 PyTorch 模型转换为 TensorRT 引擎以加速推理？
解释 PyTorch 模型的量化方法（动态量化、静态量化、QAT）。
使用 torch.utils.benchmark 对比不同操作的执行时间
如何利用 PyTorch 的钩子（Hook）监控中间层输出
ONNX 模型导出：如何处理动态输入尺寸及自定义算子兼容性
TorchScript 的优化原理及在移动端部署中的应用限制
移动端部署：LibTorch Android/iOS 集成中的内存管理技巧
服务端部署：TorchServe 的模型版本控制与 A/B 测试方案
解释 torch.fx 在图模式量化与算子融合中的应用
使用 torch.autograd.detect_anomaly 定位 NaN 梯度问题
多卡训练时如何检测负载不均衡问题（如 GPU 利用率监控）
异常处理：分布式训练中进程挂起的检测与恢复策略
动态神经网络案例：实现条件控制的动态计算图（如 Tree-LSTM）
元学习（Meta - Learning）框架 MAML 的 PyTorch 实现核心逻辑
分布式训练：DataParallel 与 DistributedDataParallel 的通信机制差异
大模型训练：ZeRO - 3 优化策略与 deepspeed 集成方法
图神经网络：PyG 库中消息传递机制的实现原理
强化学习：自定义 Env 与 PyTorch 的 Policy Gradient 集成案例
模型解释性工具：Captum 库的归因分析与对抗样本检测
联邦学习场景下的差分隐私与模型聚合实现
解释 PyTorch 中 torch.backends.cudnn 参数对训练速度的影响
自定义 C++ 扩展：pybind11 与 torch::Tensor 的交互方法
模型版本管理：结合 DVC 与 MLFlow 的持续训练流水线设计
单元测试设计：模型前向 / 反向传播的数值稳定性验证方法
日志记录：将 TensorBoard 与 PyTorch Lightning 深度集成
CI/CD 集成：模型训练流水线的自动化测试框架设计
内存泄漏检测：使用 memory_profiler 定位张量未释放问题
解释模型蒸馏（Model Distillation）的原理及在 PyTorch 中的实现方法
描述对抗训练（Adversarial Training）的过程及对模型鲁棒性的提升作用
如何在 PyTorch 中实现知识图谱嵌入（Knowledge Graph Embedding）？
介绍 PyTorch 在生成对抗网络（GAN）中的应用及关键技术点
解释自监督学习（Self - Supervised Learning）在 PyTorch 中的常见方法及应用场景
相关文章：
PyTorch 面试题及参考答案（精选100道）
目录 PyTorch 的动态计算图与 TensorFlow 的静态计算图有何区别？动态图的优势是什么？ 解释张量（Tensor）与 NumPy 数组的异同，为何 PyTorch 选择张量作为核心数据结构？ 什么是 torch.autograd 模块？它在反向传播中的作用是什么？ 如何理解 PyTorch 中的 nn.Module 类？…...
【数理基础】【概率论与数理统计】概率论与数理统计本科课程总结、资料汇总、个人理解
1 前言 概率论与数理统计是数学系核心的基础专业课，我本科的时候，是拆开上的，对应工科专业的高数中的概率论与数理统计，在量子力学，机器学习，计算机领域深度学习，大模型，机器人控制…...
美制 / 英制单位换算/公制/帝国制 单位转换速查表
文章目录 💡Introduction📏 英制（美制）单位与公制换算速查表🧱 一、长度（Length）🧴 二、体积（Volume / Liquid Measure）⚖️ 三、质量 / 重量（Wei…...
ENSP学习day9
ACL访问控制列表实验 ACL（Access Control List，访问控制列表）是一种用于控制用户或系统对资源（如文件、文件夹、网络等）访问权限的机制。通过ACL，系统管理员可以定义哪些用户或系统可以访问特定资源&#x…...
我爱学算法之——滑动窗口攻克子数组和子串难题（中）
学习算法，继续加油！！！ 一、将 x 减到 0 的最小操作数 题目解析 来看这一道题，题目给定一个数组nums和一个整数x；我们可以在数组nums的左边或者右边进行操作（x减去该位置的值）&#…...
Linux centos 7 vsftp本地部署脚本
下面是脚本: #!/bin/bash #function:vsftpd脚本 #author: 20230323 IT 小旋风# 判断是否是root用户 if [ "$USER" ! "root" ]; thenecho "不是root 装个蛋啊"exit 1 fi# 关闭防火墙 systemctl stop firewalld && systemctl disable …...
编程考古-安德斯·海尔斯伯格（Anders Hejlsberg）回答离开Borland的原因
安德斯海尔斯伯格（Anders Hejlsberg）是著名的编程语言和工具开发者，曾主导开发了 Turbo Pascal、Delphi（Borland 时期），以及加入微软后参与的 C# 和 TypeScript。关于他离开 Borland 的原因，可以…...
数据库数值函数详解
各类资料学习下载合集 https://pan.quark.cn/s/8c91ccb5a474 数值函数是数据库中用于处理数值数据的函数，可以用于执行各种数学运算、统计计算等。数值函数在数据分析及处理时非常重要，能够帮助我们进行数据的聚合、计算和转换。在本篇博客中，我们将详细介绍常用的…...
SpringBoot与Redisson整合，用注解方式解决分布式锁的使用问题
文章引用：https://mp.weixin.qq.com/s/XgdKE2rBKL0-nFk2NJPuyg 一、单个服务 1.代码 该接口的作用是累加一个值，访问一次该值加1 RestController public class LockController {Autowiredprivate StringRedisTemplate stringRedisTemplate;GetMappin…...
Bash 脚本基础
一、Bash 脚本基础 什么是 Bash 脚本：Bash 脚本是一种文本文件，其中包含了一系列的命令，这些命令可以被 Bash shell 执行。它用于自动化重复性的任务，提高工作效率。 Bash 脚本的基本结构：以 #!/bin/bash 开头&#x…...
【Linux】线程库
一、线程库管理 tid其实是一个地址 void* start(void* args) {const char* name (const char *)args;while(true){printf("我是新线程 %s ，我的地址：0x%lx\n",name,pthread_self());sleep(1);}return nullptr; }int main() {pthread_t tid…...
Smith3.0 4.0的阻抗匹配操作方法
阅读了这篇文章中，我get到一些知识点的总结： 百度安全验证https://baijiahao.baidu.com/s?id1822624157494292625 1）红色圆代表阻抗圆，绿色圆代表导纳圆。 2）圆心位于50欧，最左侧为0欧，最右侧…...
)
装饰器模式 (Decorator Pattern)
装饰器模式 (Decorator Pattern) 是一种结构型设计模式，它动态地给一个对象添加一些额外的职责，就增加功能来说，装饰器模式相比生成子类更为灵活。 一、基础 1 意图 动态地给一个对象添加一些额外的职责。 就增加功能来说，装饰器模式相比生成子类更为灵活。 2 适用场景 当…...
生活电子类常识——搭建openMauns工作流+搭建易犯错解析
前言 小白一句话生成一个网站？小白一句话生成一个游戏？小白一句话生成一个ppt?小白一句话生成一个视频？ 可以 原理 总体的执行流程是 1，用户下达指令 2，大模型根据用户指令，分解指令任务为多个细分步骤…...
题型笔记 | Apriori算法
目录 内容拓展知识 内容 其步骤如下： 扫描全部数据，产生候选项 1 1 1 项集的集合 C 1 C_1 C1根据最小支持度，由候选 1 1 1 项集的集合 C 1 C_1 C1 产生频繁 1 1 1 项集的集合 L 1 L_1 L1。若 k > 1 k > 1 k>1…...
雷电模拟器启动94%卡住不动解决方案
安卓模拟器启动失败/启动加载卡0-29%/启动卡50%/启动卡94%的解决方法 首先看官方论坛常见问题来尝试解决： 安卓模拟器启动失败/启动加载卡0-29%/启动卡50%/启动卡94%的解决方法-雷电安卓模拟器-手游模拟器安卓版_android手机模拟器电脑版_雷电模拟器帮助中心 所有…...
站群服务器是什么意思呢？
站群服务器是一种专门为托管和管理多个网站而设计的服务器，其核心特点是为每个网站分配独立的IP地址。这种服务器通常用于SEO优化、提高网站权重和排名，以及集中管理多个网站的需求。以下是站群服务器的详细解释： 一、站群服务器的定义 站群…...
靶场（十五）---小白心得思路分析---LaVita
启程： 扫描端口，发现开放22，80端口，发现ws.css可能存在exp，经查发现无可利用的exp PORT STATE SERVICE VERSION 22/tcp open ssh OpenSSH 8.4p1 Debian 5deb11u2 (protocol 2.0) | ssh-hostkey: | 3072 c9…...
第十六次CCF-CSP认证（含C++源码）
第十六次CCF-CSP认证 小中大满分思路遇到的问题 二十四点（表达式求值）难点满分思路 小中大 这次我觉得是非常难的 只有一道easy 做的时候看这个通过率就有点不对劲 上官网看了一眼平均分 106 就是人均A一道的水准 一开始看了半天 第三题几乎还是下不了手…...
大数据中的数据预处理：脏数据不清，算法徒劳！
大数据中的数据预处理：脏数据不清，算法徒劳！ 在大数据世界里，数据预处理是个让人又爱又恨的环节。爱它，是因为数据预处理做好了，后续的模型跑起来又快又准，仿佛给AI装上了火箭助推器࿱…...
17153 班级活动
17153 班级活动 ⭐️难度：简单 🌟考点：2023、思维、国赛 📖 📚 import java.util.Arrays; import java.util.LinkedList; import java.util.Queue; import java.util.Scanner;public class Main {static int N 10…...
算力100问☞第93问：算力资源为何更分散了？
目录 1、政策驱动与地方投资的盲目性 2、美国芯片断供与国产替代的阵痛 3、政企市场对私有云的偏好 4、技术标准与供需结构的失衡 5、产业生态与市场机制的滞后 6、破局路径与未来展望 在大模型和人工智能技术快速发展的背景下，算力资源已成为数字经济时代的核心基础设施…...
记录 macOS 上使用 Homebrew 安装的软件
Homebrew 是 macOS 上最受欢迎的软件包管理器之一，能够轻松安装各种命令行工具和 GUI 应用。本文记录了我通过 Homebrew 安装的各种软件，并对它们的用途和基本使用方法进行介绍。 🍺 Homebrew 介绍 Homebrew 是一个开源的包管理器ÿ…...
)
Java 安装开发环境(Mac Apple M1 Pro)
下载 Java Downloads 查看本地安装的 JDK 所在位置以及 JAVA 版本 系统默认的安装处 /Library/Java/JavaVirtualMachines配置Java 添加环境变量 vim ～/.bash_profileAdd # 安装位置 export JAVA_11_HOME"/Library/Java/JavaVirtualMachines/zulu-11.jdk…...
微前端框架的实战demo
以下是基于主流微前端框架的实战 Demo 开发指南，综合多个开源项目与实践案例整理而成： 一、qiankun 框架实战 1. 核心架构 主应用：负责路由分发、子应用注册与生命周期管理子应用：独立开发部署，支持不同技术栈&#…...
win32汇编环境,网络编程入门之九
;在上一教程里，我们学习了在连接成功网站后，应该发送什么数据给网站 ;在前面的几个教程里，简单地运行了套接字机制连接网站的方式，这是字节级的网络连接，扩展几乎是无限的。 ;想了想，这个开个头就行了&…...
OceanBase 4.3.3 AP 解析：应用 RoaringBitmaps 类型处理海量数据的判重和基数统计
对于大数据开发人员而言，处理海量数据的判重操作和基数统计是常见需求，而 RoaringBitmap类型及其相关函数是当前非常高效的一种解决方案，许多大数据库产品已支持RoaringBitmap类型。OceanBase 4.3.3版本，作为专为OLAP场景设计的正…...
点亮STM32最小系统板LED灯
对于如何点亮板载LED灯只需要掌握如何初始化GPIO引脚，并改变GPIO引脚的电平即可实现点亮或者熄灭LED。 Led_INFO led_info {0}; led_info 是一个结构体变量，类型为 Led_INFO，用于存储LED的状态信息。这里初始化为 {0}，表示所有成…...
分区表的应用场景与优化实践
当表的数据量非常大，达到几千万甚至上亿行时，全表扫描会很慢，这时候分区可以帮助缩小扫描范围。比如，在一个电商系统中，订单表可能按月份分区，这样查询某个月的订单时，只需要扫描对应的分区，而不是整个表。或者在日志系统中，按天分区，方便归档和删除旧日志。 另外，如…...
如何高效参与 GitHub 知名项目开发并成为核心贡献者
参与知名 GitHub 项目开发不仅能提升你的编程能力，还能积累开源贡献经验，甚至为求职加分。以下是详细步骤： 1. 选择合适的 GitHub 项目 (1) 确定兴趣方向 后端开发：Spring、Spring Boot、Netty前端开发：React、Vue、…...
AIGC 新势力：探秘海螺 AI 与蓝耘 MaaS 平台的协同创新之旅
探秘海螺AI：多模态架构下的认知智能新引擎 在人工智能持续进阶的进程中，海螺AI作为一款前沿的多功能AI工具，正凭借其独特的多模态架构崭露头角。它由上海稀宇科技有限公司（MiniMax）精心打造，依托自研的万亿…...
银河麒麟桌面版包管理器（三）
以下内容摘自《银河麒麟操作系统进阶应用》一书 麒麟系统软件源配置 使用官方内置源时，无须任何操作。仅在使用其他镜像源（Mirror）时，需要修改/etc/apt/sources.list文件，根据不同版本，将原始sources.lis…...
在 .NET 9.0 Web API 中实现 Scalar 接口文档及JWT集成
示例代码：https://download.csdn.net/download/hefeng_aspnet/90408075 介绍 随着 .NET 9 的发布，微软宣布他们将不再为任何 .NET API 项目提供默认的 Swagger gen UI。以前，当我们创建 .NET API 项目时，微软会自动添加 Swagger…...
XSS跨站脚本攻击漏洞（Cross Site Scripting）
前提概要 本文章主要用于分享XSS跨站脚本攻击漏洞基础学习，以下是对XSS跨站脚本攻击漏洞的一些个人解析，请大家结合参考其他文章中的相关信息进行归纳和补充。 XSS跨站脚本攻击漏洞描述 跨站脚本攻击（XSS）漏洞是一种常见且危害较…...
Android：蓝牙设置配套设备配对
一、概述 在搭载 Android 8.0（API 级别 26）及更高版本的设备上，配套设备配对会代表您的应用对附近的设备执行蓝牙或 Wi-Fi 扫描，而不需要 ACCESS_FINE_LOCATION 权限。这有助于最大限度地保护用户隐私。使用此方法执行配套设备&am…...
MFC中CString类型是如何怎么转std::string的
文章目录 一、转换方法总结二、详细步骤1. Unicode 项目（CStringW → std::string）2. 多字节项目（CStringA → std::string） 三、注意事项四、总结更多信息(知识点存在重复，可跳过)方法 1：项目使用 Unicode…...
使用vscode搭建pywebview集成vue项目示例
文章目录 前言环境准备项目源码下载一、项目说明1 目录结构2 前端项目3 后端项目获取python安装包(选择对应版本及系统) 三、调试与生成可执行文件1 本地调试2 打包应用 四、核心代码说明1、package.json2、vite.config.ts设置3、main.py后端入口文件说明 参考文档 前言 本节我…...
JAVASCRIPT 基础 DOM元素，MAP方法，获取输入值
从输入框获取数据的一般写法是： javascript const w parseFloat(document.getElementById("weight").value); const h parseFloat(document.getElementById("height").value); 而从弹窗获取数据一般写法是： javascript const w …...
VLAN间通信
目录 第一步：配vlan 第二步：配置核心vlanif,MAC地址信息。 第三步：ospf协议 三层交换机（汇聚层）: 对于交换机、路由器、防火墙等网络设备而言，接口类型一般存在两种：二层接口，三…...
MySQL颠覆版系列————MySQL新特性（开启数据库的新纪元）上篇
文章目录 前言一、窗口函数（Window Functions）1.1 窗口函数概念1.2 常见的窗口函数 二、公用表表达式（Common Table Expressions, CTEs）2.1 公用表表达式的概念2.2 常见的公用表表达式 三、JSON增强3.1 JSON增强的概念3.2 常见的J…...
5.安全相关（双手启动、安全触边传感器）
一、关于双手启动按钮的使用规范 本文介绍双手启动按钮的使用。概括来讲： 双手按下之间的时间差间隔应该在0.5-2秒之间。一旦释放任何一个按钮，启动信号输出结束。只有两个按钮都被释放之后，才能再次触发双手启动信号。如果某按钮被按下超过…...
数据库的安装(Linux系统))
国产达梦(DM)数据库的安装(Linux系统)
目录 一、安装前的准备工作 1.1 导包 1.2 创建用户和组 1.3 修改文件打开最大数 1.4 目录规划 1.5 修改目录权限 二、安装DM8 2.1 挂载镜像 2.2 命令行安装 2.3 配置环境变量 2.4 启动图形化界面 三、配置实例 四、注册服务 五、启动 停止 查看状态 六、数据库客…...
mapper.xml中 “http://mybatis.org/dtd/mybatis-3-mapper.dtd“＞ 报错的解决方法
我用mybatisx自动生成代码，但是mapepr.xml中的 "http://mybatis.org/dtd/mybatis-3-mapper.dtd">报错，如下图，圈起来的部分是之前的报错，现在已经解决，所以没有爆红： 解决方法：…...
01_JavaScript
目录 一、js介绍、能做什么 --了解 二、JavaScript的组成-重点 三、JavaScript代码的书写位置 行内JS 内嵌 JS 外链 JS 四、JS 中的注释 单行 多行 五、变量（重点） 定义变量及赋值 变量的命名规则和命名规范 六、数据类型（重…...
数组作为哈希表的妙用：寻找缺失的第一个正数
数组作为哈希表的妙用：寻找缺失的第一个正数 大家好，我是Echo_Wish，今天我们来探讨一个经典的算法问题——“缺失的第一个正数”。听起来可能有点简单，但它实际上是一个非常有意思且富有挑战性的题目，在面试中常常会碰…...
JAVA学习*Object类
Object类 Object类是所有类的父类 类中有一些方法（都需要掌握） toString()方法 在学习类的对象的时候有介绍过了，当我们重新给此方法就会打印类与对象的信息 equals()方法 在Java中的比较， 如果左右两侧是基本类型变量&#…...
《论语别裁》第02章 为政（03）星辰知多少
第二个问题说到“北辰”。我们中国文化发达得最早的是天文。过去我们把天体分成二十八宿和三垣——紫微、少微、太微，类似于我们现在讲天文的经纬度。经纬度是西方的划分法。曾经有位天文学家主张，我们自己重新划过，不照西方的度数划…...
git_version_control_proper_practice
git_version_control_proper_practice version control，版本控制的方法之一就是打tag 因为多人协作的项目团队，commit很多，所以需要给重要的commit打tag，方便checkout，检出这个tag 参考行业的实践方式。如图git、linux…...
playwright-go实战：自动化登录测试
1.新建项目 打开Goland新建项目playwright-go-demo 项目初始化完成后打开终端输入命令： #安装项目依赖 go get -u github.com/playwright-community/playwright-go #安装浏览器 go run github.com/playwright-community/playwright-go/cmd/playwrightlatest insta…...
手机扫描仪 含PDF转word功能+OCR识别110种语言
TapScanner Premium 是一款功能强大的手机扫描仪应用，支持 PDF 合并、分割以及转换为 Word 文档格式，还具备 OCR 识别功能，可识别 110 种语言。汉化中文且已激活全部功能，可免费使用。 该应用操作简洁，扫描文档、收据…...