目前分類：NetYea (71)

瀏覽方式： 標題列表 簡短摘要

OpenVino概念
1.png

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2.png
      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    3.png
★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
    
4.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

   5.png
★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）

6.png

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
 8.png
9.png
Human Pose Estimation Models
Image Processing
提高影像品質
10.png

Text Detection
Action Recognition Models
-------------------------------------------------------------------------------------------------------------------------------------------------------------------------
■Trouble Shooting
● 安裝時遇到CMake*/ Python* version  xxx or higher is not detected.
       11.png

      ->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

      12.png

● 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  
       13.png
  ● 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

網頁設計 

(繼續閱讀...)
文章標籤
網頁設計

robbinnycr707 發表在 痞客邦 留言(0) 人氣()

▲top

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。

網路名稱
(繼續閱讀...)
文章標籤
網頁設計

robbinnycr707 發表在 痞客邦 留言(0) 人氣()

▲top

ESP32 腳位 34 對應10K歐姆電阻與光敏電組連接處
ESP32 腳位 27 對應LED 正極
10K歐姆電阻另外一腳接VCC
LED腳負極接地
光敏另外一腳接地
光敏電阻與10K歐姆電阻毗連
如圖:

網頁設計

1.jpg
(繼續閱讀...)
文章標籤
網頁設計

robbinnycr707 發表在 痞客邦 留言(0) 人氣()

▲top
網頁設計
完成圖
3.png
(繼續閱讀...)
文章標籤
網頁設計

robbinnycr707 發表在 痞客邦 留言(0) 人氣()

▲top

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
1.jpg


讀取數值為12 bits = 4096
0 - 4095

程式碼:

  1. const int potPin = 34;
  2. int val=0;
  3. void setup() {
  4.   Serial.begin(115200); //連線速度
  5.   delay(1000);
  6. }
  7.  
  8. void loop() {
  9.   // put your main code here, to run repeatedly:
  10.   val = analogRead(potPin); //讀取電壓數值
  11.   Serial.println(val); //印出電壓數值
  12.   delay(500); //延遲0.5秒
  13. }
(繼續閱讀...)
文章標籤
網頁設計

robbinnycr707 發表在 痞客邦 留言(0) 人氣()

▲top
1.jpg
php5與php7的區別是什麼？下面本篇文章就來給各人對比一下php5與php7，介紹php5與php7之間的區別。有必然的參考價值，有需要的朋友可以參考一下，希望對你有所匡助。
(繼續閱讀...)
文章標籤
網頁設計

robbinnycr707 發表在 痞客邦 留言(0) 人氣()

▲top

232814bb9b2u8hcptv6dc7.png

展現網址：點我觀看

 

(繼續閱讀...)
文章標籤
網頁設計

robbinnycr707 發表在 痞客邦 留言(0) 人氣()

▲top
在利用CSS的時候，用某些殊效能讓網站更有活力，假如運用JQUERY又太過複雜

不過今天作者看到某網站的應用不錯，於是就哄騙CSS也做了

可以看到下圖，滑鼠未移置圖片類型

1.png



用CSS寫下列代碼
 
  1. .chimga{
  2.     margin:10px;
  3.     width:100%;
  4.     height:100%;
  5.     box-sizing:border-box;
  6.     overflow:hidden;
  7.     display:block;
  8. }
  9. .chimga:hover img{
  10.     -moz-transform:scale(1.3) rotate(2deg);
  11.     -webkit-transform:scale(1.3) rotate(2deg);
  12.     -o-transform:scale(1.3) rotate(2deg);
  13.     -ms-transform:scale(1.3) rotate(2deg);
  14.     transform:scale(1.3) rotate(2deg);
  15. }
複製代碼
(繼續閱讀...)
文章標籤
網頁設計

robbinnycr707 發表在 痞客邦 留言(0) 人氣()

▲top

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

1.png

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

(繼續閱讀...)
文章標籤
網頁設計

robbinnycr707 發表在 痞客邦 留言(0) 人氣()

▲top

DEMO圖片
2.png

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

  1. <!-- 樣式檔案 -->
  2. <link href='strength.css' rel='stylesheet' type='text/css'>
  3. <!-- 利用 Google 的 API 獲得 jQuery-->
  4. <script type="text/javascript" src="http://ajax.googleapis.com/ajax/libs/jquery/1.7.2/jquery.min.js"></script>
  5. <!-- Strength.js 的主程式檔案-->
  6. <script type="text/javascript" src="strength.js"></script>
(繼續閱讀...)
文章標籤
網頁設計

robbinnycr707 發表在 痞客邦 留言(0) 人氣()

▲top

影片



伺服馬達接線圖
1.png

黃線 接 GPIO27 、 紅線 接 5V 、 黑線 接 GND
ESP32 電力只能鞭策一個馬達，假如要推動兩個馬達就要外接電源了

程式碼

  1. #include <Servo.h>
  2. Servo myservo;  // 創設伺服馬達控制
  3.  
  4. // 伺服馬達的毗鄰 GPIO
  5. static const int servoPin = 27;
  6. int pos = 0;
  7. void setup() {
  8.   // put your setup code here, to run once:
  9.   myservo.attach(servoPin);  // 將伺服馬達連接的GPIO pin毗連伺服物件
  10.   Serial.begin(115200);//序列阜連線速度
  11. }
  12.  
  13. void loop() {
  14.   // put your main code here, to run repeatedly:
  15.   if(Serial.available()){                 //
  16.     int num = Serial.parseInt();     // case 前置 num(數字鍵)
  17.    
  18.     switch(num) {                            //   
  19.    
  20.       case 1 :   //1~9
  21.         for(pos = 0; pos < 180; pos += 1) // 一度一度由 0 度旋轉到 180 度
  22.         myservo.write(pos);
  23.         delay(200);
  24.         break;
  25.       
  26.       case 2 : // 1~9
  27.         for(pos = 180; pos>=1; pos-=1) // 一度一度由 180 度扭轉到 0 度
  28.         myservo.write(pos);
  29.         delay(200);
  30.         break;
  31.     }
  32.   }
  33. }
(繼續閱讀...)
文章標籤
網頁設計

robbinnycr707 發表在 痞客邦 留言(0) 人氣()

▲top

為了將圖片數據轉換為適合 AI訓練的格局，行使 OpenCV先對面部進行辨識，然後將面部數據另存為統一的格式。

  1. import cv2
  2.  
  3. face_cascade = cv2.CascadeClassifier('./cascades/haarcascade_frontalface_default.xml')
  4. eye_cascade = cv2.CascadeClassifier('./cascades/haarcascade_eye.xml')
  5.  
  6. def detect(filename):
  7.     img = cv2.imread(filename)
  8.     gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
  9.     faces = face_cascade.detectMultiScale(gray,
  10.                                           scaleFactor=1.2,
  11.                                           minNeighbors=3,)
  12.     for (x,y,w,h) in faces:
  13.         roi_gray = gray[y:y+h, x:x+w]
  14.         eyes = eye_cascade.detectMultiScale(roi_gray,
  15.                                             scaleFactor=1.02,
  16.                                             minNeighbors=3,
  17.                                             minSize=(40,40),)
  18.         img = cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2)
  19.         for (ex,ey,ew,eh) in eyes:
  20.             img = cv2.rectangle(img,(x+ex,y+ey),(x+ex+ew,y+ey+eh),(0,255,0),2)
  21.     cv2.imwrite('./tzuyu_face.jpg', img)
  22.  
  23. detect('tzuyu.jpg')
(繼續閱讀...)
文章標籤
網頁設計

robbinnycr707 發表在 痞客邦 留言(0) 人氣()

▲top

2023 調整 Chrome 設定方法

今朝 Chrome 版本，避免自動重新載入分頁的方法已比力簡單，請見下圖：
1.png

chrome.png (170.45 KB, 下載次數: 0)

(繼續閱讀...)
文章標籤
網頁設計

robbinnycr707 發表在 痞客邦 留言(0) 人氣()

▲top
網頁設計
1.jpg
起首先到BootStrap網站下載開源碼
(繼續閱讀...)
文章標籤
網頁設計

robbinnycr707 發表在 痞客邦 留言(0) 人氣()

▲top

在搜索引擎不絕改版網頁不得不進入https
所今後台編纂器圖片上傳也變得不能用了
不得已又就教了谷哥大神
多方測驗考試後，找到
CKeditor 4.11.1 網頁編纂器與CKfinder 2.6.2.1 圖片上傳可以用
1.png


檔案下載了今後，籠蓋之前檔案
找到 ckeditor/config.js

  1. CKEDITOR.editorConfig = function( config ) {
  2.         // Define changes to default configuration here. For example:
  3.         // config.language = 'fr';
  4.         // config.uiColor = '#AADC6E';
  5. }
(繼續閱讀...)
文章標籤
網頁設計

robbinnycr707 發表在 痞客邦 留言(0) 人氣()

▲top
網頁設計

1.jpg

IPFS和Filecoin都是由和談實驗室打造的明星項目，IPFS是一種點對點、版本化、內容尋址的超媒體傳輸協議， 其所要構建的是一個散佈式的web 3.0；

Filecoin是一個基於IPFS的去中間化存儲網絡，是IPFS上獨一的鼓勵層，是一個基於區塊鏈手藝刊行的通證。IPFS和Filecoin是相輔相成的，IPFS的強大和普及有益於為Filecoin帶來更多的客戶資源，Filecoin也能鞭策收集朝著更有規律性、更具鼓勵性、更有協作性的標的目的成長。


IPFS和談從2015年1月發布至今五年有餘，手藝也愈來愈成熟，作為下一代互聯網底層通訊和談，IPFS已成功利用在數據存儲、文件傳輸、收集視頻、社交媒體、去中間化買賣等各個範疇，這些APP、利用、平台，正在重構全部互聯網，今天，我們就來介紹有哪些利用利用了IPFS和談。


一、搜索引擎
1、谷歌瀏覽器
谷歌瀏覽器（Google Chrome）是目前世界上利用率和市場佔有率最高的瀏覽器。2019年初，IPFS 伴侶上架谷歌網上利用店，這個插件可以用來簡化IPFS 資本訪問的瀏覽器擴大。
IPFS伴侶（IPFS Companion）是由IPFS官方利用社區孵化出來的一個瀏覽器插件，可以接濟用戶在當地更好的運行、治理自己的節點，並隨時查看IPFS節點的資本信息。無需下載，一鍵調用。


2、BRAVE
這是一款具有強大告白攔截功能的瀏覽器，不單能阻擋廣告，還具有追踪庇護的功能。
這個功能首要是隨時可以或許屏障釣魚網站，提供的私有云可以用匿名告白代替網站本來的告白，可以說一切告白在這個瀏覽器上都不存在，所有廣告都被阻擋了，大大加速了網頁的加載和瀏覽速度，給用戶帶來更好的收集體驗。現已嵌入IPFS插件。
3.jpg


BRAVE官網地址：https://brave.com/


3、Firfox火狐瀏覽器
2018年1月26日，火狐WebExtensions 產品司理Mike Conca 在Mozilla 官網發布了文章(Extensions in Firefox 59)，列舉了火狐59的最新擴展(目前發佈於測試版)。個中一項特性是撐持包括IPFS在內的散佈式和談。
2018年頭，Firefox新增了“ipfs：//”和談的支持。


4、Opera瀏覽器
Opera在本年5月的時刻就宣布支持IPFS了。兩邊合作延續，估計本年年末之前在其Android版Opera瀏覽器中推出IPFS支持。值得注意的是，Opera在瀏覽器中開辟了加密錢包，有Android、iOS和桌面版。可見Opera很早就佈局了區塊鏈生態撐持。
4.jpg
5. IPSE
IPSE是一款基於IPFS收集的搜索引擎，致力於打造下一代互聯網的流量進口。在IPSE上可以搜刮IPFS收集的文件，由於採用哈希標註手藝，可讓內容的哈希地址轉化為文字標題，快速拜候。另外IPSE還是利用區塊鏈手藝的搜索引擎，搜索將謝絕廣告跟踪，同時用戶還能取得通證激勵。
5.jpg
IPSE 官網地址：https://www.ipse.io/



6、Poseidon
一個基於IPFS收集的中間化的分佈式搜刮引擎，可讓用戶快速檢索IPFS收集上的文件，尋找到所需要的數據，同時用戶介入挖礦還能取得通證鼓勵。被譽為區塊鏈版Google。
6.jpg


2、內容平台

1、Netflix
Netflix成立於1997年，主要供應超大數目的DVD並免費遞送，除此之外它的用戶也能夠經由過程個人電腦、電視、iPad、iPhone等聯網收看其片子、電視節目。近些年來風行全球的政治題材電視劇《紙牌屋》就是由奈飛出品。2019年10月，Netflix位列2019福布斯全球數字經濟100強榜第46名。
近日，IPFS宣布與全球最大的流媒體平台Netflix告竣合作。作為一家地位和實力非統一般的企業為什麼選擇和IPFS進行合作呢？
在IPFS Camp 2019以後，Netflix便和IPFS入手下手了技術上的合作，將IPFS系統中的對等服務等手藝整合到奈飛的東西中，行使IPFS的手藝加快雲的構建、設計和測試。
Netflix想要解決的容器分發挑戰：如何在大規模，多區域環境中有用地提取容器圖像。圖象層每每位於分歧的區域，利用IPFS作為點對點CDN，可使Netflix根本架構內的節點進行協作並將配合的種子播種到相鄰節點，從而有助於更快地分發容器。
Netflix官網地址：https://www.netflix.com/
7.jpg
2、D.Tube
IPFS最拉風的應用之一“D.Tube” ，對標YouTube，內容太殘暴了。
D.Tube 是第一個加密散佈式視頻平台，創立在STEEM 區塊鍊和IPFS 點對點收集之上，將來會撐持FIlecoin收集，它旨在成為YouTube 的替換品，答應用戶在IPFS/FIlecoin 基礎上觀看或上傳視頻，並在不可變的STEEM 區塊鏈長進行分享或評論，同時賺取加密通證！Look，即削減了存儲本錢又能賺token ，多麼興奮！
D.Tube官網地址：https://d.tube/
8.jpg


3、Ujomusic
對標蝦米音樂和咪咕音樂的Ujomusic，是一個IPFS上的音樂家的區塊鏈市場。
2015年，Ujo幫助音樂家Imogen Heap用區塊鏈刊行了作品“Tiny Human”。粉絲可以購買許可權，下載、試聽，也能夠用於混音等用處；而且粉絲支付的錢會主動分派給Heap和該作品的合作方。該草創企業還和良多品牌合作，為了“在開源區塊鏈系統中將這些目錄從頭數字化”，同時鼓勵開辟者在平台上開辟運用。
Ujomusic官網地址：https://ujomusic.com/

9.jpg


4、Viewly
一個沒有煩人告白、尊敬用戶隱私的平台。在那裡，社區蓬勃成長，粉絲和創作者之間的互動遭到高度激勸。具有小型、中型或大型觀眾的創作者可以經由過程現代貨幣化來保持本身的糊口生涯：將無磨擦的微支付、粉絲贊助、資助支撐和貿易相連系。經由過程跳過中心商、贊助創作者和直接支持他們的社區，企業可以提高告白效率和降低本錢。Viewly是一個分離的視頻平台，由區塊鍊和對等視頻同享手藝支撐。
Viewly 官網地址：www.viewly.com/
10.jpg


5、Dlive
DLive 建立了一個更公平的視頻平台社區。DLive 平台不收取任何佣金，用戶可以經由過程平台貨幣直接打賞內容創作者。另外，視頻社區的其他進獻者也會受到響應的獎勵——好比給視頻點贊，參與接頭等，也城市贏得Token。這種去中心化的評價體係不但最大化保障了創作者的好處，也能使觀眾直接介入視頻內容的打分，讓好內容更輕易被大家看到。
在這種自治自立烏托邦式的社區構思下，像LegendofTotalWar 和PewDiePie 如許的硬核頭部主播紛纭到場。今朝，DLive 上的主播數目已到達了3.5 萬。


6、Primas
Primas是一個去中間化項目，致力於用區塊鏈手藝解決互聯網經濟帶來的一系列問題，諸如假新聞、抄襲、洗稿、題目黨、低質量內容等。Primas獨創的散佈式可托內容協議（DTCP），將把可信、高質量的信息帶回互聯網，重塑互聯網內容價值生態。我們相信，傳佈由人類聰明、感情締造的高質量信息，將增進人類社會的成長。15.jpg

(繼續閱讀...)
文章標籤
網頁設計

robbinnycr707 發表在 痞客邦 留言(0) 人氣()

▲top

1.jpg

 

(繼續閱讀...)
文章標籤
網頁設計

robbinnycr707 發表在 痞客邦 留言(0) 人氣()

▲top

有使用過進度條的伴侶必然會覺得很不方便
因為要從0~100讀取 鋪張時候
因檔案巨細也不知道這時間讀寫的完嗎？
如這篇
Java Swing 若何利用進度

於是經過修正
改成此方法
可操縱DIALOG準確的抓到讀寫完成的時候

  1. processdialog.setTitle("Copying files to USB");
  2.                             processdialog.add(labelimg);
  3.                             processdialog.setLocation(400,250);
  4.                             processdialog.pack(); // Packs the dialog so that the JOptionPane can be seen
  5.                             processdialog.setVisible(true); // Shows the dialog
  6.                             new Thread(){
  7.                                     public void run(){
  8.                                             try{
  9.                                                 Process process = null;
  10.                                                 BufferedReader input = null;
  11.                                                 final Runtime runtime = Runtime.getRuntime();
  12.                                                 //extact tar for ext3 file
  13.                                                 String tarstring = "tar -xvpf /"+tarpath+"/"+cellValue+".tar -C "+extpatition+"/";
  14.                                                 process = runtime.exec(new String[]{"/bin/sh","-c",tarstring});
  15.                                                 InputStream stdout = process.getInputStream ();
  16.                                                 InputStreamReader osr = new InputStreamReader (stdout);
  17.                                                 BufferedReader obr = new BufferedReader (osr);
  18.                                                 process.waitFor();
  19.                                                
  20.                                                 Thread.sleep(2000);
  21.                                             }catch(Exception e){
  22.                                                     e.printStackTrace();
  23.                                             }finally{
  24.                                                     processdialog.dispose();
  25.                                             }
  26.                                     }
  27.                             }.start();
(繼續閱讀...)
文章標籤
網頁設計

robbinnycr707 發表在 痞客邦 留言(0) 人氣()

▲top

不管是利用無名、Pixnet、Xuite或Wordpress...等平台，在辦理後台新增文章，城市有一個很像Word的編纂器，透過此編纂器便可輕鬆撰寫文章，而且還可以加粗體、變換字體色彩、超保持....與圖片上傳等功能，即使完全不懂任何的HTML語法，也可編輯出一個時興的文章頁面出來，而且邊製作還會邊顯示成果，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，所以要多加善用資源，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上傳元件讓編纂器不只單單可編纂，同時還可上傳檔案甚至直瀏覽伺器服中的檔案，且完全不消寫任何的程式碼，只要設定一下，立即就打造自已專屬的文章編纂器囉！
 

CKeditor(編纂器)/CKfinder(上傳元件)下載：
編纂器：CKeditor
支援語法：PHP、ASP、ASP.NET、CF
元件版本：4.4.5
官方展現：http://ckeditor.com/demo
官方下載：http://ckeditor.com/download

上傳元件：CKfinder
支援語法：PHP、ASP、ASP.NET、CF
元件版本：2.4
官方展現：http://ckfinder.com/demo
官方下載：http://ckfinder.com/download
(繼續閱讀...)
文章標籤
網頁設計

robbinnycr707 發表在 痞客邦 留言(0) 人氣()

▲top

最近發現Cpanel伺服器發給gmail信箱常常收不到
一下又收的到，但大部門都被擋下來
找了google後發現要到google workspace申請帳號驗證網域
先到google workspace 申請帳號
1.png

輸入公司名稱
2.png

姓名及EMAIL
3.png
選已有網域了
4.png
輸入網域
5.png

設定EMAIL(你擁有的網域)帳號暗碼
6.png

輸入手機號碼
7.png

收到簡訊驗證碼並輸入
8.png

點接受
9.png

點 庇護
10.png

點 我已準備好保護我的網域
11.png

繼續 前去步調2
12.png

複製TXT value(TXT值) 到 Cpanel dns manager新增一TXT記載
點選 回護網域 (五分鐘內完成)
13.png

繼續
14.png

 

網頁設計 

(繼續閱讀...)
文章標籤
網頁設計

robbinnycr707 發表在 痞客邦 留言(0) 人氣()

▲top
«12 34