慧晟數位科技

Devrama Slider 是個圖象滑塊，帶有很多非常有趣的特性。
它不僅支持圖象還支持HTML 內容。響應式便利CSS3 轉換轉換效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節制器

比來電腦重灌WIN10

arduino從新安裝及設定

發現輸入開發治理員網址時會出現毛病

近重新調試一段pytorch 程式碼，之前的伺服器上完全沒問題，但換了一台機械，從頭安裝了新版本的cuda， anaconda ，pytorch 等，之前的程式碼呈現各類版本不合適的問題。

問題：

如今說說這個問題。運行pytorch 時呈現的情形以下：網頁設計

 
 

昨日要寄信到GMAIL信箱

發現CPanel SMTP泛起毛病

有時刻會需要寫PHP程式去取得指定資料夾內的檔案列表，這三個函式離別是glob、scandir、readdir
 

網頁設計在架設了DNS後





該若何肯定該網域是不是被GOOGLE接管呢?





到該網址

https://www.whatsmydns.net/



輸入網域就能夠知道具體內容了

EyeSee 官網：https://eyesee.cht.com.tw/





申請帳號(用HINET線路HN申請)

申請好了之後



1.監測報表->寬頻上彀->加值辦事管理

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】應用 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，

      以犧牲數個百分點正確率來換取推論速度提升數十倍到百倍。



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

       目前支援的深度學習框架有　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來嘗試看看

     有成效我再更新

      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的深度學習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，就能夠利用OpenVino加速Inference



★ Inference Engine

   用來run 最好化後的深度進修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 　

   延長浏覽 → 如何run Inference Engine Samples

★ VPU plugin

    這份文件彷佛在講怎樣的model能被vpu 支援

■OpenVino不提供Model Training

   OpenVino的model起原以我的理解就以下這幾種

   1.本身用OpenVino supported的深度進修框架去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  

      不過不一定有相符你需求的

   3.OpenCV DNN sample model

■相幹名詞

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

   還包含了Deep Learning Deployment Toolkit (Intel® DLDT).

    

      Convolution：影像->filter->擷取出特徵，比如邊沿。

      此種進程叫做Convolution

★ OpenCV和OpenVX有什么联系和区别？

★ 機械進修

   機械學習理論首要是設計和闡明一些讓電腦可以主動學習的演算法。

    機械進修演算法是一類從資猜中主動剖析取得紀律，並哄騙紀律對未知資料進行預測的演算法。

★ 深度進修

   是機械學習的分支。 深度學習框架比力

■若何安裝OpenVino

照著 安裝步驟做便可 (英文看不懂請自行克服)

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

上述的器械都認識之後，接下來開始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

   可判定的類別有一千種，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， 是以若安裝的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阿誰捷徑會指向最後安裝的誰人版本

    

★這個batch的內容如下

   Step1 :  下載SqueezeNet model (使用downloader.py)

   Step2： 用 Model Optimizer 把SqueezeNet轉成IR file。

                (利用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 來闡明car.png

   ↓This is car.png

    



   ↓針對比片中的Object，分類前十名的成績依序從Prob.高到低排列

   分類後果最高分數是sport car



   

★重跑demo_squeezenet_download_convert_run.bat

   跑過一次batch以後，若再履行一次batch，

   因為某些檔案跑過一次batch以後就已經存在了

   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來剖析car1.bmp

Step3： 圖片裡的object會被第一個model判斷成是車輛，

              這個判斷結果被當作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 車牌被看成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 我想應當是辨認結果從第一個model傳到第三個model

             像水流在管線裡活動一樣吧...



        

★重跑全部bat

  跑過一次batch以後，有些step會被忽略掉，因為某些檔案已經存在了

  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



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

以上典範是利用openvino在 CPU

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

請參考安裝文件中 Optional Steps這部份

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

■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

裡面包含好幾個model可以用來偵測object

包含：人臉，人，車輛

Object Recognition Models

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



Semantic Segmentation Models

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

語義分割（Semantic Segmentation）的目標是給定一張圖片，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一個像素分類，

得到如圖1(b)的了局。在圖1(b)中，不同顏色代表分歧種別：

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。

語義朋分問題在許多運用場景中都有著十分主要的感化（例如圖片理解，主動駕駛等）







Instance Segmentation Models

INSTANCE SEGMENTATION可以知道同類object的數目(分歧色彩暗示)

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.

       



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

      再重安裝一次OpenVino

● 電腦已有安裝Python3.6.5了

      照樣會呈現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 會出現以下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

  ● 執行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

      根據Cannot connect to proxy這個訊息判斷應當是proxy問題

      本來我是利用公司內網run script

      後來將proxy調劑成以下設定&連手機熱門就能夠履行了  

       網頁設計

  ● 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示重開機

    因此出現以上issue

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

●其它參考保持

  - OPENvINO with openCV

  - 既跨平台又開源　英特爾開啟智慧視覺立異

    跨越20個預先練習的模子，以及針對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，

    增強視覺系統功能和性能

-   SqueezeNet

     SqueezeNet 是圖片分類模型，最適合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

網頁設計申明:在Linux下把excel數據導入到mysql數據庫中,這其實是很搞笑的一個活動!幾乎很少有法式員研究過這個問題吧?如斯反常的問題,估計我是第一個研究的!呵呵,完全是自找苦吃~~,但是今天完了這項太有挑戰性的工作!

先清算一下思路先,~~

首先:需要把文件上傳到辦事器上

然後:讀取excel數據列顯示出來

然後:讓用戶選擇字段的對應關係

然後:提交數據,讀取字段的對應關係

最後:批量導入數據,刪除且則文件

一共是以上五步調!我們一步步闡明~~~

第一步:下載附件中的phpexcelparser4.rar ,這個文件是上傳excel盜辦事器上並以web情勢展示出來的!這個一般沒有問題的!問題是法式的做法是把表存為臨時表而沒有真正留存下來,所以起首要更改法式代碼為