ot

;font-size
:

16px;color
:

003399;&qu

ot

;>手工测试中遇到的坑 你踩过几个？
ot

;font-size
:

16px;color
:

003399;&qu

ot

;>

ot

;https
:

//img-bss.csdnimg.cn/202012171208356126.png&qu
ot

; alt=&qu
ot

;&qu
ot

; />

ot

;font-size
:

16px;color
:

003399;&qu

ot

;>解锁自动化测试技能 打破手工测试局限

ot

;font-size
:

14px;&qu
ot

;>自动化测试是测试工作的一部分，是对手工测试的一种补充。自动化测试是相对手工测试而存在的，通过所开发
ot

;font-size
:

14px;&qu
ot

;>的软件测试工具、脚本等来实现，具有良好的可操作性、可重复使用和高效率等特点。

ot

;font-size
:

14px;&qu
ot

;>

ot

;font-size
:

14px;&qu
ot

;>
ot

;https
:

//img-bss.csdnimg.cn/202012171212024924.png&qu
ot

; alt=&qu
ot

;&qu
ot

; />

ot

;font-size
:

14px;&qu
ot

;>

ot

;font-size
:

16px;color
:

003399;&qu

ot

;>
Python

自动化测试

ot

;font-size
:

14px;&qu
ot

;>
ot

;font-size
:

16px;color
:

003399;&qu

ot

;>系统教学+实战分析 简单易上手
ot

;font-size
:

16px;color
:

003399;&qu

ot

;>
ot

;font-size
:

16px;color
:

003399;&qu

ot

;>

ot

;font-size
:

14px;&qu
ot

;>

ot

;font-size
:

14px;&qu
ot

;>课程使用的是语法简洁、提供丰富的测试库和框架的
Python

语言，并从测试员的角度，梳理出最流行的自动化测试框架和通用库，并通过实战，带您快速建立自动化测试技术体系，让测试工作更高效！

[En]

Language, and from the tester's point of view, sort out the most popular automated testing framework and common libraries, and through actual combat, take you to quickly establish an automated testing technology system to make the testing work more efficient!

ot

;font-size
:

14px;&qu
ot

;>

ot

;font-size
:

14px;&qu
ot

;>
ot

;https
:

//img-bss.csdnimg.cn/202012171223546601.png&qu
ot

; alt=&qu
ot

;&qu
ot

; />

ot

;font-size
:

16px;color
:

003399;&qu

ot

;>3个项目实战

ot

;font-size
:

16px;color
:

003399;&qu

ot

;>全程手敲代码演示 听得懂 更要会用
ot

;font-size
:

16px;color
:

003399;&qu

ot

;>

ot

;https
:

//img-bss.csdnimg.cn/202012171224069333.png&qu
ot

; alt=&qu
ot

;&qu
ot

; />

ot

;font-size
:

16px;color
:

003399;&qu

ot

;>3大购课福利

ot

;https
:

//img-bss.csdnimg.cn/202012180149359103.png&qu
ot

; alt=&qu
ot

;&qu
ot

; />

Original: https://blog.csdn.net/kjy1246/article/details/124276743
Author: Nikko_X
Title: 解决ERROR: Could not find a version that satisfies the requirement 问题及 ERROR: Exception:Traceback

Original: https://blog.csdn.net/kjy1246/article/details/124276743
Author: Nikko_X
Title: 解决ERROR: Could not find a version that satisfies the requirement 问题及 ERROR: Exception:Traceback

---

---

相关阅读

Title: ModuleNotFoundError: No module named ‘tensorflow‘

---

---

相关阅读

ModuleNotFoundError: No module named 'tensorflow'

ModuleNotFoundError: No module named 'tensorflow'：

例如：在Jupyter Notebook或Pycharm中运行会诸如此类的报错 )

; 最直接的解决方案：

选择要删除的环境直接remove！按照下方链接教程一点点核对，重新安装环境
.
如果您了解正在配置的环境，并且坚信安装是正确的，请按照下一节中提供的步骤进行操作。

[En]

If you know the environment you are configuring and firmly believe that the installation is correct, follow the steps provided in the next section.

.
点击这里检查自己的环境，重新安装！

如果是在 Jupyter Notebook 里报错

查看这里是否导入安装之前安装 tensorflow 的环境，没有的话先导入环境再切换到该环境

; 导入环境到 Jupyter Notebook

点击右上角的 New 选择 Terminal

输入以下指令进行环境添加操作：

首先查看已经安装环境列表

conda env list

然后根据自己实际情况结合下方代码编辑 环境名称 ，添加所需环境到 Jupyter Notebook 工作台

python -m ipykernel install --user --name **环境名称** --display-name "Python (环境名称)"

最后，回到自己代码的编辑页，对内核进行切换

还有一种比较小可能性是需要更新 Tensorflow 环境

首先查看已经安装环境列表

conda env list

然后根据自己实际情况，选择已经安装 TensorFlow 的环境

activate **环境名称**

输入以下指令更新 TensorFlow 版本
更新GPU版本

pip install --upgrade --ignore-installed tensorflow-gpu -i https://pypi.douban.com/simple

更新CPU版本

pip install --upgrade --ignore-installed tensorflow -i https://pypi.douban.com/simple

运行命令尝试解决

耐心等待安装完成，如果过慢，请切换其他源进行尝试，直接更换上述 https://pypi.douban.com/simple 部分即可）

阿里云
http://mirrors.aliyun.com/pypi/simple/

中国科技大学
https://pypi.mirrors.ustc.edu.cn/simple/

豆瓣(douban)
http://pypi.douban.com/simple/

清华大学
https://pypi.tuna.tsinghua.edu.cn/simple/

中国科学技术大学
http://pypi.mirrors.ustc.edu.cn/simple/

如果仍有红色错误报告，则简单粗暴地删除此环境！不需要更正错误报告，这太耗时了！

[En]

If there is still a red error report, simply and rudely delete this environment! It is not necessary to correct the error report, which is too time-consuming!

Original: https://blog.csdn.net/weixin_44161490/article/details/123560760
Author: CV刘昊然
Title: ModuleNotFoundError: No module named ‘tensorflow‘

Title: r包安装固定版本r包 安装某个版本r包 安装特定版本的R包

r安装固定版本 安装某个版本 安装特定版本的R包

1采用大家普遍使用的指定R包版本的方法安装

 require(devtools)
 install_version("ggplot2", version = "3.2.1",
 repos = "http://cran.us.r-project.org")

继续采用第二种指导R包版本的方法，就是在官网下载对应版本的R包原始代码文件

install.packages(("E:/ggplot2_3.2.1.tar.gz"))

3.如何查找旧版本的R包并且下载
https://blog.csdn.net/weixin_45865390/article/details/108219671
查找旧版本
网上给的都是如何下载某个旧版本的R包，在你已知版本的情况下。那我又不知道到底有什么版本。
so，先找到有什么版本的包
网址（https://cran.r-project.org/src/contrib/Archive/）

这个网址里面就是个各种各样的包的历史，随便打开一个看看
————————————————

这里是引用如果想特定搜索某个包（以TensorFlow为例）可以在上述第一个页面搜索，按字母顺序，也可以在网址后面直接输入这个包。例如：
我要找tensorflow的历史版本。直接输入tensorflow就可以了

下载特定版本

packageurl  "http://cran.r-project.org/src/contrib/Archive/tensorflow/tensorflow_1.14.0.tar.gz"
install.packages(packageurl, repos=NULL, type="source")

**

下载特定的r r-base版本

**

r安装固定版本r-base 安装某个版本r-base 安装特定版本的r-base

对于window系统看这个链接：

https://cran.r-project.org/bin/windows/base/old/

**

安装低版本的R语言、和自行下载安装各个版本的R语言包、以及多环境运行R

**

1. 下载并安装最新的R版本软件，以国内的清华的镜像为例（国内镜像速度快）

https://mirrors.tuna.tsinghua.edu.cn/CRAN/

1. 官网上如何下载老版本或低版本（旧版本）的R语言（同时下载多个版本的R，功能运行更加丰富）

https://cran.r-project.org/bin/windows/base/old/

1. 官网上如何去自行下载安装各个版本的R语言包（当运行install.packages()不行时）

https://cran.r-project.org/bin/windows/contrib/

1. 如何在Rstudio多个版本R语言环境进行选择（当要运行低版本R的包时）

打开RStudio —> 点击Tools —> Global Options —> General —> R version —> Change 具体如下
————————————————
版权声明：本文为CSDN博主「卧新实验室」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/ChenQihome9/article/details/81949965

Original: https://blog.csdn.net/qq_52813185/article/details/124973065
Author: YoungLeeyou
Title: r包安装固定版本r包 安装某个版本r包 安装特定版本的R包