测试报告$\beta$

VisualPytorch beta发布了！

功能概述：通过可视化拖拽网络层方式搭建模型，可选择不同数据集、损失函数、优化器生成可运行pytorch代码

扩展功能：1. 模型搭建支持模块的嵌套；2. 模型市场中能共享及克隆模型；3. 模型推理助你直观的感受神经网络在语义分割、目标探测上的威力；4.添加图像增强、快速入门、参数弹窗等辅助性功能

修复缺陷：1.大幅改进UI界面，提升用户体验；2.修改注销不跳转、图片丢失等已知缺陷；3.实现双服务器访问，缓解访问压力

访问地址：http://visualpytorch.top/static 或 http://114.115.148.27/static

发布声明详见：https://www.cnblogs.com/NAG2020/p/13030602.html

一、测试查虫（bug detection）

在\(\beta\)阶段，虽然在开发过程中经常遇到各种各样的bug，但我们尽可能将精力放在功能开发上，主要在最后的稳定阶段进行bug的解决，并且在github专门开了Bug的 milestone。在最后的稳定阶段初，将由PM组织的会议上专门讨论出现的bug，并且将在稳定及发布阶段逐步修复这些bug.

如下表所示，每一个bug都开了一个issue，并分配到个人去解决，点击相应的issue会有针对此bug详细的描述。

类型	描述	Issue
辅助性功能	添加辅助性功能，丰富软件内容，优化用户体验	快速入门 网络层弹窗 分享&取消分享 模型市场三属性 经典模型一栏
前端界面布局	有关前端界面美化，使得界面更加美观，用户搭建模型更加方便	“关于我们”布局 模型市场更好可视化 搭建颜色&字体 模型搭建导航栏 推理风格与主页统一 问题反馈布局
功能缺陷	部分功能未开发完善，出现显示异常、跳转异常，造成用户体验的下降	外链图片的显示 注销bug 问题反馈bug 注册bug

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没有基础的新手而设计的，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	对深度学习有基本的认知，但不知道pytorch的具体使用方法
动机	希望使用本项目帮助学习深度学习和pytorch
用户要求	界面简单直观，操作简单，生成的代码简洁明了，有经典模型作为参考，能直观的感受诸如语言分割、目标探测的威力，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	很重要，用户所占比例较大，而且这一类的用户如果对本项目满意度较高，可能发展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使用pytorch，希望通过本项目来帮助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，并且希望有相关的类似项目所用的模型作为参考

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使用pytorch，为了更好地完成任务，希望通过本项目来更新和精进pytorch相关知识
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；对复杂度较高的模型有一定需求，要求能将已有模型作为新的模块在其他模型中使用

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了解。他登陆本网站后，首先查看了帮助文档，了解项目各个模块的功能和使用方法。但由于对pytorch不够熟悉，他不知道如何创建一个自己的模型，在看了帮助文档中对他所需参数的大致介绍后，他又对经典模型板块中的模型进行了大致的了解，然后配置出了自己的模型，并生成了代码，成功运行。

  在对网站功能有一定了解后，赵XX查看了本网站的模型推理板块，经过一番仔细研究，他直观地感受到了诸如语言分割、目标探测的威力，对pytorch有了更加深入的了解。

• 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。
  
  不受本地环境束缚，在线运行训练好的模型，对pytorch的功能有一个直观的感受。

典型用户：钱XX

• 场景描述：
  
  钱XX接到一个项目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，以及模型市场中与他经手项目所需的类似模型学习，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：

  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）。
  
  由于钱XX对pytorch的了解有限，需要在帮助文档的辅助下才能配置好自己的模型。
  
  通过某些途径了解相同需求的用户使用的模型。
  
  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，最近接到一个项目需要使用pytorch，他听说有一个可视化pytorch编程的网站，抱着更新和精进pytorch相关知识的动机，想着进来体验一下。作为一个专业人士，他认为模型的参数设置上存在一些不合理，但网站整体仍有可取之处，于是在评论区留言，为开发团队提供了改进意见。

  改进后，他认为网站已经达到了能完成上述项目的标准，他轻车熟路，从下至上地创建自己的模型，先搭建小模型，再将小模型作为一个模块搭建大的模型，最终搭建了适合于上述项目的模型，并生成代码，成功运行。

• 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进行关于本项目的交流。
  
  专业的从业人员对搭建的模型的复杂度要求更高。
  
  对所生成代码的要求更高。

三、回归测试

Beta阶段的模型市场功能，在开发时对数据库进行了修改，所以有必要进行回归测试，看新加入的功能是否影响了模型创建等原始功能。

测试用例

这里的回归测试是基于当前的Beta阶段稳定版本，主要测试模型创建和模型展示两个功能的完整性和正确性，即创建模型时，模型的参数能正确地存储在数据库中；查看模型细节时，模型的参数能正确显示，且可以修改。

• 创建模型

  

• 在数据库中查看

  

• 查看模型细节

  

• 修改模型为不可分享

  

• 查看数据库

  

四、测试矩阵（test matrix）

测试浏览器	测试环境（浏览器版本）	主页面	联系我们页面	访问量统计页面	代码生成页面	模型市场页面	经典模型页面	模型推理页面	模型市场详情页
chrome	81.0.4044.122	正常	正常	正常	正常	正常	正常	正常	正常
火狐	75.0.0.7398	正常	正常	正常	正常	正常	正常	正常	正常
ie	11.0.9600.16428	正常	正常	正常	正常	正常	正常	正常	正常
edge	42.17134.1.0	正常	正常	正常	正常	正常	正常	正常	正常
QQ浏览器	10.5.3	正常	正常	正常	正常	正常	正常	正常	正常
Opera	69.0.3653	正常	正常	正常	正常	正常	正常	正常	正常
搜狗浏览器	8.6.3.32395	正常	正常	正常	正常	正常	正常	正常	正常
猎豹浏览器	6.5.115.18480	正常	正常	正常	正常	正常	正常	正常	正常

测试浏览器	测试环境（浏览器版本）	组件拖拽	组件连线	参数输入	点击事件（组件按钮、链接）下拉框	生成代码
chrome	81.0.4044.122	正常	正常	正常	正常	正常
火狐	75.0.0.7398	正常	正常	正常	正常	正常
ie	11.0.9600.16428	正常	正常	正常	正常	正常
edge	42.17134.1.0	正常	正常	正常	正常	正常
QQ浏览器	10.5.3	正常	正常	正常	正常	正常
Opera	69.0.3653	正常	正常	正常	正常	正常
搜狗浏览器	8.6.3.32395	正常	正常	正常	正常	正常
猎豹浏览器	6.5.115.18480	正常	正常	正常	正常	正常

五、\(\beta\) 出口条件

1. 需求

我们在功能设计阶段，为Beta阶段定下了三个主要的目标：

• 支持网络封装成基本模块
• 模型的在线推理
• 模型市场

已经全部开发完成。

一些次要目标：

• 集成 tensorboard 可视化
• 经典模型
• 模型参数分析与可视化

其中经典模型已经完成开发，而集成 tensorboard 可视化与模型参数分析与可视化由于开发时间紧张，而这两个可视化功能需要对onnx和Netron库的学习，只能搁置。于是出口条件变为：

• 支持网络封装成基本模块
• 模型的在线推理
• 模型市场
• 经典模型

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 5、能够使用已有模型作为中间层	2,3,4,5	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	1,2
模型市场	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、快速入门：动图展示操作方式 2、网络层说明 3、参数说明	1,2
模型推理	1、选择Inference样例 2、上传图片 3、查看模型架构	1,2	3