测试报告$\alpha$
在线地址：VisualPytorch
一、测试中发现的Bug
测试贯穿了开发、集成、部署，甚至整个\(\alpha\) 阶段，我们遇到了各种各样的bug，既有往届学长遗留下来的，也有添加新功能过程中遇到的，按照用户体验有以下分类：
- 功能bug：不能按要求完成相应功能，或者完成功能的质量较差。如预留了一些栏目待开发，点击无响应
- 界面bug：不会影响到具体的功能实现，但是会影响到用户体验。如字被框遮挡，未显示完整
- 错误处理bug：对于意料之外的请求没有做出处理，造成网站崩溃。如网络层不按要求布局
由于时间问题，我们对其中发现的一些问题进行了修复，剩下的问题我们会在尽快修复并更新。以下是测试中发现的问题：
1. Solved
- 前端表单回显出现问题 —— wf
- git使用不当造成的文件冗余/减少 —— zrh
- 采用前后端分离，单独提出header之后，部分页面引用重复/出错 —— zrh
- bootstrap自带模态框的bug,同一页面的多个模态框切换会出现无法关闭模态框的情况（已解决，将注册/登录模态框分离为两个不同的Button）—— zrh
- model_details可能存在模型加载不出来的问题，概率较高（已解决，是由于重复导入js引起的问题）—— shx
- model_details网络层元素有可能加载到模板外面（已解决，但由于create_model.html里模板大小的改变可能还会加载到外面）—— shx
- shape, layer_type, dampening, nesterov字段与实现与说明文档不符 —— ccw
- 前端没有传入默认参数，需要后端进行处理 —— ccw
- 部分图块在移动鼠标后信息丢失 —— ccw
- 前后端json格式未统一，json中缺失out字段 —— ccw
- 之前项目遗留的OPS字段未去除 —— ccw
2. Unsolved
- 表单验证时的图片显示异常 —— wf
- 前后端分离且header单独提出，并使用了文件夹分层，文件夹内外对header引用的相对地址不一致（目前的方法是在document.ready中修改属性，但会导致浏览器console对资源引用报错，无法找到。对实际使用/观感，均无影响） —— zrh
- create_models中字体不一致，没有利用上模板的字体，找不到是因为哪个CSS没导入引起的问题—— shx
- help.html中相比原来的版本少了一个模型构建实例的gif，因为缺少相应的参数—— shx
- 有时create_model.html里的jsplumb元素点不动，无法调整网络层—— shx
- 传入后端的内容缺少creator信息 —— ccw
二、场景测试（scenario testing）
1. 典型用户
| 属性 | 描述 |
|---|---|
| 姓名 | 赵XX |
| 年龄 | 22 |
| 职业 | 学生，deep learning初学者 |
| 重要性 | 这一类的用户是本网站的主体用户，我们的项目主要就是为了对于pytorch没有基础的新手菜鸟，所以这一类的用户对我们来讲非常重要 |
| 所占比例 | 60%~65% |
| 知识层次 | 对深度学习有一个基本的认知，但不知道pytorch的具体使用方法 |
| 动机 | 希望通过本项目帮助学习深度学习和pytorch的使用 |
| 用户要求 | 界面简单直观，生成的代码简洁明了，并且希望在关键的地方有相应的教程辅助 |
| 属性 | 描述 |
|---|---|
| 姓名 | 钱XX |
| 年龄 | 31 |
| 职业 | 相关领域从业者，deep learning初学者 |
| 重要性 | 也很重要，虽然所占比例可能不如第一类典型用户大，但是这一类的用户如果底本项目很满意的话，可能会成为本项目的长期用户 |
| 所占比例 | 25%~30% |
| 知识层次 | 长期在相关领域工作，对深度学习和pytorch都有了一定认识，但是很少自己动手开发 |
| 动机 | 这一类的用户可能是短期内接到某一项目需要deep learning，希望通过本项目来学习或者直接用本项目来完成工作 |
| 用户要求 | 除了界面、代码、教程辅助这些部分之外，他还对所生成代码的可移植性有一定的要求 |
| 属性 | 描述 |
|---|---|
| 姓名 | 孙XX |
| 年龄 | 38 |
| 职业 | IT行业精英，deep learning精通者 |
| 重要性 | 有一定的重要性，这一类的用户不会太多，他们可能会为本项目提出改进意见，但是一般不会在自己的项目中真正的使用。但是如果能让他们觉得方便实用，也有可能让他们在一些小工程中应用本项目 |
| 所占比例 | 5%~15% |
| 知识层次 | 长期在这一领域工作，有丰富的深度学习的知识，精通pytorch，曾多次开发基于pytorch的深度学习项目 |
| 动机 | 这一类的用户可能是短期内接到某一项目需要deep learning，希望通过本项目来学习或者直接用本项目来完成工作 |
| 用户要求 | 对生成的代码有较高的要求，希望其能满足工程性的要求 |
2. 场景测试
典型用户：赵XX
-
场景描述：
赵XX正在学习深度学习相关的课程，希望通过可视化编程对深度学习有一个直观的映像。他登陆本网站第一件事就是查看帮助信息，了解各个模块的功能和使用方法。但由于对pytorch不够熟悉，他不知道各个网络层以及全局数据的参数应该怎么选择，在看了帮助文档中对他所需参数的大致介绍后，他配置出了自己的模型，并生成了代码，成功运行。 -
需求分析：
用户界面简洁优雅，操作过程顺滑（比如拖拽组件和模块之间连线）
由于赵XX的深度学习基础有限，需要在帮助文档的辅助下才能配置好自己的模型。
本网站也会提供一些经典的模型，让初学者即使短时间无法完成自己模型的配置，也可以引入经典模型来体验本网站的用法。
典型用户：钱XX
- 场景描述：
钱XX接到一个工程需要用到简单的深度学习网络，他久闻pytorch的大名，决定用它来搭建自己的网络，但他此前没有使用pytorch的经验，这时他了解到本网站。通过相关的辅助信息，他轻松地在网站上搭建了自己所需要的网络，并且成功地将这个网络应用在了工程中。 - 需求分析：
与第一个场景的要求大致相似，但是这一场景由于会应用到实际工程中，对代码的可移植性有一定要求。
典型用户：孙XX
-
场景描述：
孙XX是工作在这一领域的老江湖，他听说有一个可视化pytorch编程的网站，就想着进来体验一下。进来网站之后，他发现在网站的界面优雅，拖拽组件和连线过程顺滑，但是作为一个专业人士，他还是发现一些参数设置上的不合理，于是他在评论区留言，提供了改进的意见。在经过数次的改动之后，孙觉得这个网站已经达到自己的标准，开始长期在工作中使用这个网站 -
需求分析：
设置评论交流区，一方面可以接受大佬对本项目的意见，另一方面也方便用户之间关于本项目的交流。
除了前面提到的要求，专业的从业人员对所生成代码的要求更高
三、测试矩阵（test matrix）
四、\(\alpha\) 出口条件（exit criteria）
1. 需求
我们在功能设计阶段，定下了以下四个大的目标任务，可以说是原始出口条件：
- 扩展更多的网络层（如BN, ConvTranspose等）
- 支持网络封装成基本模块
- 经典模型（如U-Net, ResNet, AlexNet, VGG-16等）
- 更精美的可视化
可是在开发的过程中，由于需要对相关知识的学习，读懂往届的代码，最终开发的时间仅有10天的时间。同时发现实现封装的过程并非像想象中那么容易（免费版本的JSPlumb不支持这一功能），封装无法完成，自然基于封装的经典模型就只能搁置，转而去完成一些相对简单的任务。于是出口的条件改变了：
- 扩展更多的网络层（如BN, ConvTranspose等）
- 扩展更多的静态参数（如损失函数、优化器等）
- 更精美的可视化
- 用户登录与模型保存
- 帮助文档的撰写
2. 功能
| 页面 | 功能交互描述 | 已完成 | 未完成 | 页面展示 |
|---|---|---|---|---|
| 登录界面 | 1、用户的注册功能 2、用户的登录功能 3、忘记密码功能 | 1,2 | 3 |  |
| 框架构建 | 1、构建已经有的经典框架 2、个性化构建自己的框架 3、能够保存为自己的个性化构建 4、能够实现参数调整 | 2,3,4 | 1 |  |
| 模型管理 | 1、模型的删除功能 2、模型的查看 3、导出代码 | 1,2,3 | ||
| 代码生成 | 1、根据所选框架生成特定代码 | 1 | ||
| 问题反馈 | 1、可以向后台反馈存在的bug，可配图可配文件 2、可以看到之前反馈问题的应答 | 2 | 1 |  |
| 共享空间 | 1、共享自己编辑的模型，并附上模型的说明 2、他人可进行评价、克隆模型 3、显示模型的阅读、点赞数据 | 1,2,3 | ||
| 用户统计 | 1、统计网站ip的访问次数，记录用户使用人数 | 1 | ||
| 关于我们 | 1、罗列有制作团队的具体信息，可以发邮件进行询问 | 1 |  |
|
| 帮助文档 | 1、动图展示操作方式 2、对模型参数的文档 | 1,2 |  |
3. \(\beta\)计划
在接下来的版本中，我们会更多地花时间去支持更多模型的搭建、丰富产品内容、提升用户体验。
包括\(\alpha\)阶段希望实现而尚未实现的：
- 支持网络封装成基本模块
- 经典模型（如U-Net, ResNet, AlexNet, VGG-16等）
已经实现还可以进一步改进的：
- 更精美的可视化
- 帮助文档的撰写
以及需要在未来实现的：
- 模型的本地部署与在线运行
- 集成tensorboard可视化
- 模型分享与交流
- 模型参数分析与可视化
在\(\beta\)阶段，我们会继续努力，争取完成以上预定的目标，提供一个尽可能实现的最好的产品。
原文：https://www.cnblogs.com/NAG2020/p/12796303.html