慧晟數位科技

網頁設計Devrama Slider 是個圖象滑塊，帶有很多極度有趣的特征。
它不但支撐圖像還支持HTML 內容。響應式方便CSS3 轉換轉換結果進度條高級的預加載和延遲加載CSS 自界說用戶可以界說導航或者控制器

NetYea套件新增Line@漂寶塔標
在電腦版或是手機板都能讓客戶更輕易找到你

1. Model summary (fused): 168 layers, 3011108 parameters, 0 gradients


2.                  Class     Images  Instances      Box(P          R      mAP50  mAP50-95): 100%|██████████| 1/1 [00:00<00:00, 45.58it/s]


3.                    all         12         12          0          0          0          0


4. Traceback (most recent call last):


5.   File "D:\yolo\testyolo.py", line 13, in <module>


6.     model.train(data="data.yaml",


7.   File "D:\ProgramData\Anaconda3\envs\python310\lib\site-packages\ultralytics\engine\model.py", line 334, in train


8.     self.trainer.train()


9.   File "D:\ProgramData\Anaconda3\envs\python310\lib\site-packages\ultralytics\engine\trainer.py", line 195, in train


10.     self._do_train(world_size)


11.   File "D:\ProgramData\Anaconda3\envs\python310\lib\site-packages\ultralytics\engine\trainer.py", line 418, in _do_train


12.     self.final_eval()


13.   File "D:\ProgramData\Anaconda3\envs\python310\lib\site-packages\ultralytics\engine\trainer.py", line 573, in final_eval


14.     self.metrics = self.validator(model=f)


15.   File "D:\ProgramData\Anaconda3\envs\python310\lib\site-packages\torch\utils\_contextlib.py", line 115, in decorate_context


16.     return func(*args, **kwargs)


17.   File "D:\ProgramData\Anaconda3\envs\python310\lib\site-packages\ultralytics\engine\validator.py", line 190, in __call__


18.     self.print_results()


19.   File "D:\ProgramData\Anaconda3\envs\python310\lib\site-packages\ultralytics\models\yolo\detect\val.py", line 165, in print_results


20.     names=self.names.values(),


21. AttributeError: 'str' object has no attribute 'values'


22. Exception in thread Thread-12 (plot_images):


23. Traceback (most recent call last):


24.   File "D:\ProgramData\Anaconda3\envs\python310\lib\threading.py", line 1009, in _bootstrap_inner


25.     self.run()


26.   File "D:\ProgramData\Anaconda3\envs\python310\lib\threading.py", line 946, in run


27.     self._target(*self._args, **self._kwargs)


28.   File "D:\ProgramData\Anaconda3\envs\python310\lib\site-packages\ultralytics\utils\plotting.py", line 442, in plot_images


29.     c = names.get(c, c) if names else c


30. AttributeError: 'str' object has no attribute 'get'


31.  


32. Process finished with exit code 1


33.  

複製代碼

OpenVino概念





圖改自https://www.learnopencv.com/using-openvino-with-opencv/#openvino-opencv

將已經訓練好的深度學習model經由Model Optimizer優化後

(何謂優化請見下面Model Optimizer條目)

經過Inference Engine  跟 硬體(CPU/ GPU /VPU)

到達加快Inference 的目標



★ Model Optimizer

      ●摘錄自:【AI_Column】運用 Intel OpenVINO 土炮自駕車視覺系統

       協助去除已練習好的模型中的冗餘參數，並可將 32bits 浮點數的參數降階，

      以犧牲數個百分點准確率來換取推論速度提拔數十倍到百倍。



   ●把深度進修框架Train出來的model, 轉換成 Inference Engine 可以用的IR file

       今朝支援的深度進修框架有　Caffe*, TensorFlow*, MXNet*, and ONNX*.

     ●之前以為所有由Caffe*, TensorFlow*, MXNet*, and ONNX* 訓練出的model

     都可以由Model Optimizer轉換成IR file  ，但看了 的Supported Models章節

     如同不是這麼一回事，需找一個底下沒提到的model來實驗看看

     有成績我再更新

      Supported Models

        For the list of supported models refer to the framework or format specific page:

•        Supported Caffe* models

•        Supported TensorFlow* models

•        Supported MXNet* models

•        Supported ONNX* models

•        Supported Kaldi* models

   ●有script可以 configure Model Optimizer  以導入

     所有OpenVino supported的深度進修框架或單一深度進修框架

       若要手動configure Model Optimizer也有文件可以參考 ->  Model Optimizer Developer Guide.



★ IR file

   包括train model的topology 跟weight，利用者只要知道如何將

   練習好的model change to IR file，就可以利用OpenVino加速Inference



★ Inference Engine

   用來run 最佳化後的深度進修model

   C:\Program Files (x86)\Intel\openvino_2021.4.689\

   deployment_tools\inference_engine\samples底下有放一些IE的samples   

   各Samples申明 　

   延長閱讀 → 若何run Inference Engine Samples

★ VPU plugin

    這份文件彷佛在講如何的model能被vpu 支援

■OpenVino不提供Model Training

   OpenVino的model來曆以我的理解就以下這幾種

   1.本身用OpenVino supported的深度學習框架去train  model

      或去Model Zoo下載所需model

1.        Caffe [ Model Zoo ]

2.        Tensorflow [ Model Zoo ]

3.        MxNet [ Model zoo ] 連結失效

4.        Open Neural Network Exchange (ONNX) [ Model zoo ]

   2.OpenVino裡面附的pre-trained model  

      不外紛歧定有符合你需求的

   3.OpenCV DNN sample model

■相關名詞

★ OpenVino用的是CNN( Convolutional Neural Networks )模子 ;

   還包括了Deep Learning Deployment Toolkit (Intel® DLDT).

    網頁設計

      Convolution：影象->filter->擷取出特徵，好比邊沿。

      此種進程叫做Convolution

★ OpenCV和OpenVX有什么联系和区别？

★ 機器學習

   機器進修理論主要是設計和分析一些讓電腦可以主動進修的演算法。

    機械進修演算法是一類從資估中主動闡發取得紀律，並操縱紀律對未知資料進行預測的演算法。

★ 深度進修

   是機械進修的分支。 深度學習框架比較

■如何安裝OpenVino

照著 安裝步調做即可 (英文看不懂請自行降服)

-------------------------------------------------------------------------------------------------------------------------------

上述的東西都領會之後，接下來最先DEMO OpenVino附的兩個script

■Run the Image Classification Verification Script

   ★在C:\Program Files (x86)\IntelSWTools\openvino\deployment_tools\demo下

   可以找到demo_squeezenet_download_convert_run.bat。

   這個demo利用squeezenet model 判定照片中的Object屬於什麼類別

   可判定的種別有一千種，有哪一千種可以看底下這個檔案

   C:\Program Files (x86)\Intel\openvino_2021.4.689\

   deployment_tools\demo\squeezenet1.1.labels

   *路徑中的openvino_2019.1.148的2019.1.148這數字代表版本， 因此若安裝的OpenVino版本跟我分歧，那數字也會分歧

   *若安裝不只一個版本的OpenVino，分歧版本的OpenVino會有屬於本身的資料夾

   而openvino那個捷徑會指向最後安裝的阿誰版本

 網頁設計   

★這個batch的內容以下

   Step1 :  下載SqueezeNet model (使用downloader.py)

   Step2： 用 Model Optimizer 把SqueezeNet轉成IR file。

                (使用mo.py)

   Step3： Build Inference Engine samples

                batch檔執行過程當中， 會看到cmd 畫面卡在

                Build Inference Engine samples using MS Visual Studio (MSBuild.exe)一段時候

                請耐煩等待 。此步會產生 classification_sample.exe

   Step4： 把car.png & IR file當作iInference Engine的input 來分析car.png

   ↓This is car.png

    



   ↓針對比片中的Object，分類前十名的結果依序從Prob.高到低排列

   分類結果最高分數是sport car



   

★重跑demo_squeezenet_download_convert_run.bat

   跑過一次batch之後，若再履行一次batch，

   因為某些檔案跑過一次batch以後就已存在了

   batch裡的寫法偵測到某些檔案存在以後就會疏忽掉某些Step

   若想要完全地再跑一次，需刪除以下檔案

   ●刪除model

   C:\Users\$(username)\Documents\Intel\OpenVINO\openvino_models

    \models\FP32\classification

   底下全部squeezenet 資料夾刪掉

   注意:FP32是針對CPU device的，若是VPU devide ，對應到的folder name是FP16



   ●刪除 IR       

   C:\Users\$(username)\Documents\Intel\OpenVINO\openvino_models\ir\FP32

    \classification\squeezenet\1.1\ 底下全部caffe 資料夾刪掉

   注意:FP32是針對CPU device的，若是VPU devide ，對應到的folder name是FP16

------------------------------------------------------------------------------------------------

■Run the Inference Pipeline Verification Script

★demo_security_barrier_camera.bat 這個batch的內容以下

Step1 : 下載 three pre-trained models IRs

Step2：build Security Barrier Camera Demo Inference Engine來闡發car1.bmp

Step3： 圖片裡的object會被第一個model判定成是車輛，

              這個判定了局被看成input 導入到下一個model，

              這個model可以指出車輛的一些屬性 ex:車牌

              最後 車牌被當作input導入到第三個model，這個model可以把車牌的字元識別出

              會被稱做Pipeline 我想應當是識別成效從第一個model傳到第三個model

             像水流在管線裡活動一樣吧...



        

★重跑整個bat

  跑過一次batch以後，有些step會被忽略掉，因為某些檔案已存在了

  若要乾乾淨淨的再跑一次，需要刪除以下檔案

  ●刪除 IR      

  C:\Users\$(username)\Documents\Intel\OpenVINO\openvino_models\

  ir\FP32\classification\squeezenet\1.1\

  底下全部caffe 資料夾刪掉



----------------------------------------------------------------------------------------------------------

以上規範是利用openvino在 CPU

若用其他intel 硬體， 好比movidius gpu vpu  FPGA or MYRIAD

請參考安裝文件中 Optional Steps這部分

-----------------------------------------------------------------------------------------------------------

■OpenVino PreTrained Model

★OpenVINO供給好幾個pre-trained models

可以用Model Downloader 或到

https://download.01.org/opencv/2019/open_model_zoo/　去下載

下載的model是被優化過的model，稱作IR file( xml 檔+ bin 檔)



★可在這邊 https://docs.openvinotoolkit.org/latest/_demos_README.html

Demos that Support Pre-Trained Models章節

看各個pre-trained model support哪些Device

Object Detection Models

裡面包括好幾個model可以用來偵測object

包括：人臉，人，車輛

Object Recognition Models

用來分類或特徵辨識，利用在其他detector以後。好比先做人臉偵測，再做年齡/性別辨識



Semantic Segmentation Models

原文網址：https://kknews.cc/zh-tw/tech/mgqvl9.html

語義朋分（Semantic Segmentation）的目的是給定一張圖片，對於圖片中的每一個像素做分類。

例如圖1(a)中給出的原始輸入圖片，語義朋分算法對圖片中的每個像素分類，

得到如圖1(b)的成績。網頁設計在圖1(b)中，分歧色彩代表不同種別：

如紅色代表行人，藍色代表汽車，綠色代表樹，灰色代表建築物等。

語義朋分問題在良多應用場景中都有著十分主要的感化（例如圖片理解，自動駕駛等）







Instance Segmentation Models

INSTANCE SEGMENTATION可以知道同類object的數目(分歧色彩示意)

https://arxiv.org/pdf/1405.0312.pdf

 



Human Pose Estimation Models

Image Processing

提高影象品質





Text Detection

Action Recognition Models

-------------------------------------------------------------------------------------------------------------------------------------------------------------------------

■Trouble Shooting

● 安裝時碰到CMake*/ Python* version  xxx or higher is not detected.

網頁設計       



      ->Fixed by 安裝如提醒的CMake & Python版本後

      再重安裝一次OpenVino

● 電腦已經有安裝Python3.6.5了

      仍是會泛起Python* version  xxx or higher is not detected.

      ->Fixed by 再安裝一次Python >選Modify  >勾選Add Python.....

      ->再安裝一次OpenVino就能夠了



      



● 履行demo_squeezenet_download_convert_run.bat前

      若沒有安裝cmake 會呈現以下Error

       'cmake' is not recognized as an internal or external command,

       operable program or batch file.

       ->Fixed by 安裝cmake

       請參考 Install CMake* 3.4 or higher章節

  ● 履行demo_squeezenet_download_convert_run.bat産生以下Err

      target_precision = FP32

      Python 3.6.6

      ECHO is off.

      PYTHONPATH=C:\Program Files (x86)\IntelSWTools\openvino\python\python3.6;

      [setupvars.bat] OpenVINO environment initialized

      INTEL_OPENVINO_DIR is set to C:\Program Files (x86)\IntelSWTools\openvino

      Python 3.6.6

      ECHO is off.

      Collecting pyyaml

      Retrying (Retry(total=4, connect=None, read=None, redirect=None, status=None)) after connection broken by       'ProxyError('Cannot connect to proxy.', OSError('Tunnel connection failed: 407 Proxy Authentication Required (         Forefront TMG requires authorization to fulfill the request. Access to the Web Proxy filter is denied.  )',))':                 /simple/pyyaml/

       ...

      Could not find a version that satisfies the requirement pyyaml (from versions: )

      No matching distribution found for pyyaml

      ->Fixed by 更改proxy設定

      按照Cannot connect to proxy這個訊息判定應當是proxy問題

      本來我是使用公司內網run script

      後來將proxy調劑成以下設定&連手機熱門就可以履行了  

       

  ● 呈現以下Error

     ###############|| Generate VS solution for Inference Engine samples using cmake ||###############



     Waiting for 2 seconds, press a key to continue ...

     Creating Visual Studio 15 2017 x64 files in      

     C:\Users\$(userName)\Documents\Intel\OpenVINO\inference_engine_samples_build...

     CMake Error at CMakeLists.txt:7 (project):

     Generator

     Visual Studio 15 2017

     could not find any instance of Visual Studio.

     -- Configuring incomplete, errors occurred!

     ->fixed by reboot

    因為在安裝openvino之前我有開visual studio installer去 modify設定

    設定完後沒有依照指導重開機

    是以出現以上issue

-------------------------------------------------------------------------------------------------------------------------------------------------------------------------

●其它參考保持

  - OPENvINO with openCV

  - 既跨平台又開源　英特爾開啟聰明視覺創新

    跨越20個預先練習的模子，和針對OpenCV和OpenVx的最好化電腦視覺庫。

    OpenVINO東西套件可透過CPU、GPU、FPGA、Movidius VPU(AI晶片 )等硬體進行部署，

    加強視覺系統功能和機能

-   SqueezeNet

     SqueezeNet 是圖片分類模子，最合適參數較少及較小的模子利用，相較於現代圖片分類模型 (AlexNet)，

     不會犧牲品質。

-   C:\Program Files (x86)\Intel\openvino_2021.4.689\documentation

DEMO圖片





Strength.js 套件能用在註冊時就先查抄暗碼的強度，而今良多網站都有會員機制，很多人怕暗碼會健忘或是偷懶城市用一些很簡短簡單的密碼，如許就讓其它歹意的利用者就有機可趁，這也讓網站的辦理者很頭大。



此套件首要的標準分數為:

暗碼必需包括8個字符以上

暗碼必須包括1個小寫字母

密碼必需包括1個大寫字母

密碼必須包括1個數字

固然有特別的字元也是加分的關鍵



利用方式:

第一步 載入 JavaScripts 和 CSS 的樣式檔案

完成圖





安裝模組

網頁設計前台看到 相幹商品

網頁設計前台看到 相幹商品

網頁設計前台看到 相幹商品

---

這兩天用CPanel 服務器用transfer Tool對拷主機





發現有的網站居然顯示 內部毛病 ERROR 500











找了一下.htaccess檔案內多了