桃園網頁設計

無論是利用無名、Pixnet、Xuite或Wordpress...等平台，在經管後台新增文章，都邑有一個很像Word的編纂器，透過此編纂器就可輕鬆撰寫文章，而且還可以加粗體、變換字體色彩、超貫穿連接....與圖片上傳等功能，即使完全不懂任何的HTML語法，也可編輯出一個摩登的文章頁面出來，而且邊製作還會邊顯示效果，這是個相當輕易的功能，而這麼棒的功能難不成要自已寫，寫完不只天黑可能都爆肝了，所以要多加善用資本，今天梅干就來分享一個好用的即見即所得HTML文章編纂器CKeditor，與CKfinder上傳元件讓編輯器不只單單可編輯，同時還可上傳檔案乃至直瀏覽伺器服中的檔案，且完全不用寫任何的程式碼，只要設定一下，當即就打造自已專屬的文章編纂器囉！
 

之前碰到CPANEL發信給我


說磁碟空間不足


我心想4TB硬碟，沒幾個網站怎麼會空間不足


第一時候以為是網站被駭


到filezilla查抄事後發現是PHP7.4 的LOG超大

指定配景圖片巨細
background-size：bg-size , bg-size
bg-size = auto | length | percentage | cover | contain

• 預設值為auto，即配景圖片原始長寬。
• length指定圖片具體巨細的數值，不許可負值。
• percentage以靠山圖所在元素的百分比指定後臺圖巨細，不許可負值。
• length與percentage可設定2數值，也可只設定1個數值，當只設定一個數值，另一個數值(高)預設值為auto，此時高度以佈景圖原始寬高比例，主動縮放。
• cover首要用於背景圖小於地點的內容，而背景圖又不合適利用repeat，此時就可以採用cover的體式格局，使靠山圖放大至內容的大小，但此方式輕易使背景圖因放大而失真。
• contain與cover正好相反，首要用於佈景圖大於地點內容，但卻需要將配景圖完全顯現，此時就可採用contain的體例，使靠山圖縮小至內容的大小。

效果顯現為了讓出現效果有明顯的區別，典範榜樣中的屬性預設為：
width:300px;height:200px;border:1px solid #CCC;background:#FFFFFF url(bg.jpg) no-repeat left top;
 

RGB LED依序為紅、最長腳、藍、綠
RGB LED的共陽極（最長腳）串接一個330的電阻後再接地(GND)。網頁設計

RGB LED的R接Arduino GPIO腳位16。
RGB LED的G接Arduino GPIO腳位17。
RGB LED的B接Arduino GPIO腳位5。

程式碼
1.每隔一秒改變LED的色彩，紅、綠、藍、黃、青、洋紅、白

 

註冊、設置好狐狸錢包後，如文內新增BSC鏈一般新增Arbitrum鏈網路。

cxSelect 是基於jQuery 的多級聯動菜單插件，適用於省市、商品分類等聯動菜單。
列表數據通過AJAX 獲得，也能夠自界說，數據內容利用JSON 花樣。
同時兼容Zepto，便利在移動端利用。
國內省市縣數據來源：basecss/cityData Date: 2014.03.31
全球首要城市數據來源：清算國內經常使用網站和軟件Date: 2014.07.29

版本：jQuery的V1.7 +的Zepto V1.0 +jQuery的cxSelect V1.4.0

• 查看Demo
• 下載jQuery cxSelect v1.4.0
• 下載jQuery cxSelect v1.3.11

利用方式载入 JavaScript 文件

影片



伺服馬達接線圖


黃線 接 GPIO27 、 紅線 接 5V 、 黑線 接 GND
ESP32 電力只能推動一個馬達，如果要鞭策兩個馬達就要外接電源了

程式碼

OpenVino概念


圖改自https://www.learnopencv.com/using-openvino-with-opencv/#openvino-opencv
將已練習好的深度進修model顛末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 的目的

★ 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
       今朝支援的深度學習框架有　Caffe*, TensorFlow*, MXNet*, and ONNX*.
     ●之前以為所有由Caffe*, TensorFlow*, MXNet*, and ONNX* 練習出的model
     都可以由Model Optimizer轉換成IR file  ，但看了 的Supported Models章節
     好像不是這麼一回事，需找一個底下沒提到的model來嘗試看看
     有效果我再更新
      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，利用者只要知道怎樣將
   訓練好的model change to IR file，就可以利用OpenVino加快Inference

★ Inference Engine
   用來run 最好化後的深度學習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 → 若何run Inference Engine Samples
★ VPU plugin
    這份文件好像在講怎樣的model能被vpu 支援
■OpenVino不供給Model Training
   OpenVino的model來曆以我的理解就以下這幾種
   1.自己用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  
      不外不一定有契合你需求的
   3.OpenCV DNN sample model
■相幹名詞
★ OpenVino用的是CNN( Convolutional Neural Networks )模子 ;
   還包括了Deep Learning Deployment Toolkit (Intel® DLDT).
    
      Convolution：影像->filter->擷掏出特徵，好比邊沿。
      此種進程叫做Convolution
★ OpenCV和OpenVX有什么联系和区别？
★ 機器進修
   機械進修理論首要是設計和闡發一些讓電腦可以主動進修的演算法。
    機器進修演算法是一類從資猜中主動剖析取得規律，並利用規律對未知資料進行展望的演算法。
★ 深度進修
   是機械進修的分支。 深度進修框架比較
■如何安裝OpenVino
照著 安裝步調做便可 (英文看不懂請自行降服)
-------------------------------------------------------------------------------------------------------------------------------
上述的東西都認識以後，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使用squeezenet model 判斷照片中的Object屬於什麼種別
   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， 是以若安裝的OpenVino版本跟我分歧，那數字也會不同
   *若安裝不只一個版本的OpenVino，分歧版本的OpenVino會有屬於自己的資料夾
   而openvino阿誰捷徑會指向最後安裝的阿誰版本
    
★這個batch的內容以下
   Step1 :  下載SqueezeNet model (利用downloader.py)
   Step2： 用 Model Optimizer 把SqueezeNet轉成IR file。
                (利用mo.py)
   Step3： Build Inference Engine samples
                batch檔履行過程當中， 會看到cmd 畫面卡在
                Build Inference Engine samples using MS Visual Studio (MSBuild.exe)一段時候
                請耐心等待 。此步會產生 classification_sample.exe
   Step4： 把car.png & IR file看成iInference Engine的input 來闡發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.高到低分列
   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之後就已經存在了
   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來闡明car1.bmp
Step3： 圖片裡的object會被第一個model判定成是車輛，
              這個判定結果被看成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 車牌被看成input導入到第三個model，這個model可以把車牌的字元辨認出
              會被稱做Pipeline 我想應當是識別成果從第一個model傳到第三個model
             像水流在管線裡活動一樣吧...

        
★重跑整個bat
  跑過一次batch以後，有些step會被疏忽掉，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

----------------------------------------------------------------------------------------------------------
以上典範榜樣是利用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提供好幾個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，使用在其他detector之後。好比先做人臉偵測，再做歲數/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）的目標是給定一張圖片，對於圖片中的每個像素做分類。
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，
獲得如圖1(b)的成績。在圖1(b)中，分歧色彩代表分歧類別：
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。
語義分割問題在很多運用場景中都有著十分重要的作用（例如圖片理解，主動駕駛等）



Instance Segmentation Models
INSTANCE SEGMENTATION可以知道同類object的數量(分歧顏色表示)
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
      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
  ● 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
      憑據Cannot connect to proxy這個訊息判定應該是proxy問題
      本來我是使用公司內網run script
      後來將proxy調整成以下設定&連手機熱門就可以履行了  
       網頁設計
  ● 出現以下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
    設定完後沒有按照指示重開機
    是以泛起以上issue
-------------------------------------------------------------------------------------------------------------------------------------------------------------------------
●其它參考連結
  - 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 )等硬體進行佈置，
    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子 (AlexNet)，
     不會犧牲品質。
-   C:\Program Files (x86)\Intel\openvino_2021.4.689\documentation

比來Cpanel經常在進級從PHP 5 生到PHP 7 主動設定
本來安裝好的 OPENCART 3.0.2
變得不克不及上傳
點擊上傳圖片沒回響反映

ESP32 節制 TB6612FNG 直流馬達驅動∕節制板 請看這篇