写在前面：
时代在变换，测试的领域和技术也在不断的变化着，所以时刻抱着一颗学习的心态，活到老学到老。
最近接触的是AI识别，模型识别方面，对于这个来说，自己绝对是一个门外汉，首先技术人员在讲解的时候，什么测试集、训练集之类的听着就比较晕乎乎。
然后各种的模型，算法及测试的方法，环境等没有任何一个人可以传承，有的只是上一个离职测试人员的一个文档。
真的是没接触过的人，光看文档是看不明白的。自己用了三天时间把交接的按时间排序的文档，一个个按项目-版本进行划分。
然后梳理清楚后，用既有的测试环境进行流程验证了一轮，晕晕乎乎的能跑起来相关的代码程序。
但是：里面是怎么个调用先后顺序，测试代码为什么这么写，是之前的测试写的还是技术写的还是网上爬的，无从考证。
几百行的代码里，连一行注释都没有，也是醉了。。
所以一切从零开始，我也从零开始学AI人工智能测试，相信没有什么难的，只要用心钻研。
这两天接触服务器的时候，技术嘴里出现的一些名词，记录下来方便，虽然自己不懂，方便后期查询。
第1步：登录AI测试服务器
使用运维同学给的一台服务器，登录上去。
第2步：进入测试目录
cd /home/mvb/mvbtest/mb_facedet
使用该命令，进入需要测试的路径下。
第3步：切换测试环境
查看环境：conda env list
切换python环境：source activate mbfacedet
第4步：运行代码
运行retina-resnet模型：
python test_widerfacerq.py --prefix model/retina-resnet18 --output wout-res18
测试结果：
以上是在linux下运行的，根据之前交接的技术人员说，每个模型开发的人员风格，用的类库都不一样，可能测试他们的模型都需要构建不同的docker服务器等。
目前还没想那么多，想先跑完一个流程再说后续的，个人觉得一通百通，还有就是一些模型的技术指标，行业里应该有相关的数据可以作为参考，只是自己目前小白一个，
不太懂而已，加油加油。
下一步，尝试搭建一个windows下的测试环境，能跑一个图片运行成功，这样也方面从整体来了解流程。