桃園網頁設計

OpenVino概念


圖改自https://www.learnopencv.com/using-openvino-with-opencv/#openvino-opencv
將已經練習好的深度學習model經過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)
到達加速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拔數十倍到百倍。

   ●把深度學習框架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
     仿佛不是這麼一回事，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，就能夠利用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 　
   延長閱讀 → 若何run Inference Engine Samples
★ VPU plugin
    這份文件似乎在講如何的model能被vpu 支援
■OpenVino不供應Model Training
   OpenVino的model來源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 ] 保持失效
4.        Open Neural Network Exchange (ONNX) [ Model zoo ]
   2.OpenVino裡面附的pre-trained model  
      不外紛歧定有吻合你需求的
   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).
    網頁設計
      Convolution：影象->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
   機器進修理論主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分析獲得紀律，並操縱紀律對未知資料進行猜測的演算法。
★ 深度進修
   是機械學習的分支。 深度學習框架比較
■若何安裝OpenVino
照著 安裝步驟做便可 (英文看不懂請自行克服)
-------------------------------------------------------------------------------------------------------------------------------
上述的東西都了解以後，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使用squeezenet model 判定照片中的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版本跟我不同，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誰人版本
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。
                (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當作iInference Engine的input 來剖析car.png
   ↓This is car.png
    

   ↓針對比片中的Object，分類前十名的後果依序從Prob.高到低擺列
   分類成果最高分數是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
   若想要完整地再跑一次，需刪除以下檔案
   ●刪除model
   C:\Users\$(username)\Documents\Intel\OpenVINO\openvino_models
    \models\FP32\classification
   底下整個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的內容如下
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判斷成是車輛，
              這個判斷結果被看成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 我想應當是辨認了局從第一個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之後，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\
  底下整個caffe 資料夾刪掉

----------------------------------------------------------------------------------------------------------
以上範例是使用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供應好幾個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，再做年齒/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，語義分割算法對圖片中的每一個像素分類，
獲得如圖1(b)的結果。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，主動駕駛等）



Instance Segmentation Models
INSTANCE SEGMENTATION可以知道同類object的數量(不同色彩表示)
https://arxiv.org/pdf/1405.0312.pdf
 

Human Pose Estimation Models
Image Processing
提高影像品質


Text Detection
Action Recognition Models
-------------------------------------------------------------------------------------------------------------------------------------------------------------------------
■Trouble Shooting
● 安裝時遇到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
● 電腦已經有安裝Python3.6.5了
      仍是會呈現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就可以了

      

● 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調整成以下設定&連手機熱門就可以履行了  
       
  ● 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
    設定完後沒有依照指導重開機
    因此泛起以上issue
-------------------------------------------------------------------------------------------------------------------------------------------------------------------------
●其它參考貫穿連接
  - OPENvINO with openCV
  - 既跨平台又開源　英特爾開啟聰明視覺創新
    超過20個預先練習的模型，和針對OpenCV和OpenVx的最佳化電腦視覺庫。
    OpenVINO工具套件可透過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

網頁設計 

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。

ESP32 腳位34 毗鄰到可變電阻腳位 2
ESP32 腳位VIN 毗鄰到可變電阻腳位 1
ESP32 腳位GND 毗連到可變電阻腳位 3



讀取數值為12 bits = 4096
0 - 4095

程式碼:

展現網址：點我觀看

 

假如編譯直行時呈現以下訊息，就是電腦與 Arduino 板子沒法溝通

avrdude: stk500_getsync() attempt 10 of 10: not in sync: resp=0x9f


1.USB 有無連接。(看 Arduino 板子上的燈有無亮就能夠確認這點)
2.有無設定 Arduino 的驅動程式。

3.Arduino Board 的板型是不是准確 (選擇 Arduino IDE 功能表中的 Tool/Board 確認板型)
4.COM port 設定是不是准確。
選擇 Arduino IDE 功能表中的 Tool/Serial port 確認 port
您可以用裝置經管員看看 (Windows 中選 裝配辦理員/毗鄰埠/)，由於我的 Arduino-UNO 用 USB 摹擬為 COM11，因此我在 Tool/Serial port 必需選擇 COM11

5.最後是PROCESSOR是否拔取准確

文章出處：網頁設計,網站架設 ,網路行銷,網頁優化,SEO - NetYea 網頁設計

DEMO圖片


Strength.js 套件能用在註冊時就先搜檢暗碼的強度，目前許多網站都有會員機制，良多人怕密碼會忘掉或是偷懶城市用一些很簡短簡單的暗碼，這樣就讓其它歹意的使用者就有機可趁，這也讓網站的管理者很頭大。

此套件主要的標準分數為:
暗碼必需包含8個字符以上
暗碼必需包括1個小寫字母
暗碼必須包括1個大寫字母
暗碼必需包含1個數字
固然有非凡的字元也是加分的關鍵

使用方法:
第一步 載入 JavaScripts 和 CSS 的樣式檔案