湖口網頁設計

呈現提醒時贊成匯入 GPG 金鑰。

你可以抄錄這裡的紅色字串，插入 HTML 原始碼 < img src... > 的 img 跟 src 中間：
STYLE="FLOAT: LEFT; MARGIN: 15PX"

STYLE="FLOAT:" 指令要施展感化，除了必需寫對，還得放在HTML原始碼正確的地方。網頁設計我並不是 CSS 專家，本文所載僅供列位自娛娛人。這裡僅就圖片的定位做申明，假如看官們有愛好深究 STYLE="FLOAT:" 指令，請參閱 這裡， 或 W3C網站。

先從寫出准確指令說起，STYLE="FLOAT:" 可以指定四種不同值：

STYLE="FLOAT: LEFT;"

物件 (在此是圖片) 置左
STYLE="FLOAT: RIGHT;"

物件 (在此是圖片) 置右
STYLE="FLOAT: NONE;"

不變
STYLE="FLOAT: INHERIT;"

物件 (在此是圖片) 繼續先前宣佈值

對 Blogger 來講，曉得如何置左或置右就足夠了。

接著要用 MARGIN 指令設定圖片與文字間距：
設定間距的單位許多，我用 PX 這種相對單元；若是你改用 em，乃至其他絕對單元 in 或 cm 亦可。
為了不要一一設定 margin-top,margin-right,margin-bottom,margin-left，我採用 MARGIN: 15PX 搞定間距問題，這會使圖片上下擺佈都邑與文字間距 15PX。網頁設計一般來說，5PX 到 15PX 之間的視覺結果都不錯，看官們無妨本身嘗嘗。

到這步調為止，我們獲得的原始碼是：STYLE="FLOAT: LEFT; MARGIN: 15PX"。請記得 MARGIN 跟上一段間要用分號離隔。網頁設計

決意好哪張圖片要置左或置右，也設定了圖片與文字的間距後，接著要將這段原始碼置入你想設定的圖片裡：
起首，你必需在編纂畫面 切換 HTML 原始碼。如果你不知道如何切換 (...我只是假定，假如，你真的真的從沒接觸過...)，請看下圖，按下這個按鈕就可以切換並看到原始碼



在 HTML 原始碼中找到 < img src ... > 的文字，這段文字是網頁保持圖檔用。請把 STYLE="FLOAT: LEFT; MARGIN: 15PX" 置入 img 跟 src 之間。(其實，放中段或末段也能夠，但為避免初學的看官們搞錯，照舊劃定個處所好)

置入前



置入後：我就是如許把小姪子流口水的照片釀成文繞圖

濫觞http://www.netyea.com
#網頁設計 #網站架設 #環節字優化 #網頁優化 #App程式設計 #AIOT物聯網

了局圖：




文章出處： NetYea 網頁設計

代碼

最後

清空恢復站中的文件
該資料夾info，存放的是刪除文件的相幹信息




但這是掛載的硬碟
所以路徑是

• wow.js哄騙捲動觸發事件，與animate.css有趣的動畫連系，讓不會寫程式也會完成捲動動畫結果。
• 官網GitHub：https://github.com/graingert/wow
• 官網動畫呈現：https://wowjs.uk/
• 類型參考：貫穿連接
• License: MIT
   

《進階選項》


wow.js 利用 【 data-*】插足變數值

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
       協助去除已訓練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
     仿佛不是這麼一回事，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的深度學習框架或單一深度學習框架
       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，就能夠使用OpenVino加快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說明 　
   延伸浏覽 → 如何run Inference Engine Samples
★ VPU plugin
    這份文件如同在講怎樣的model能被vpu 支援
■OpenVino不供應Model Training
   OpenVino的model濫觞以我的理解就以下這幾種
   1.自己用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  
      不過紛歧定有符合你需求的
   3.OpenCV DNN sample model
■相幹名詞
★ OpenVino用的是CNN( Convolutional Neural Networks )模型 ;
   還包含了Deep Learning Deployment Toolkit (Intel® DLDT).
    
      Convolution：影象->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？
★ 機械學習
   機械學習理論主要是設計和剖析一些讓電腦可以主動學習的演算法。
    機器進修演算法是一類從資料中自動闡發取得規律，並行使紀律對未知資料進行展望的演算法。
★ 深度進修
   是機器進修的分支。網頁設計 深度進修框架對照
■若何安裝OpenVino
照著 安裝步調做便可 (英文看不懂請自行克服)
-------------------------------------------------------------------------------------------------------------------------------
上述的器材都認識以後，接下來入手下手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， 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，不同版本的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 (利用downloader.py)
   Step2： 用 Model Optimizer 把SqueezeNet轉成IR file。
                (使用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 來闡發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以後，若再執行一次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忽略掉某些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    網頁設計   
   C:\Users\$(username)\Documents\Intel\OpenVINO\openvino_models\ir\FP32
    \classification\squeezenet\1.1\ 底下整個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來分析car1.bmp
Step3： 圖片裡的object會被第一個model判定成是車輛，
              這個判定成果被看成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這部份
-----------------------------------------------------------------------------------------------------------
■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，使用在其他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個像素分類，
獲得如圖1(b)的成績。在圖1(b)中，不同顏色代表不同種別：
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利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(分歧顏色默示)
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

      

● 執行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
      根據Cannot connect to proxy這個訊息判斷應該是proxy問題
      本來我是利用公司內網run script
      後來將proxy調整成以下設定&連手機熱門就可以執行了  
       
  ● 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
    設定完後沒有依照唆使重開機
    是以呈現以上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立異
    跨越20個預先訓練的模子，和針對OpenCV和OpenVx的最好化電腦視覺庫。
    OpenVINO對象套件可透過CPU、GPU、FPGA、Movidius VPU(AI晶片 )等硬體進行擺設，
    加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型 (AlexNet)，
     不會犧牲品質。
-   C:\Program Files (x86)\Intel\openvino_2021.4.689\documentation

參考文章
https://iam9527.pixnet.net/blog/ ... un-demo-application

上面這個例子只能讓圖片靠上對齊，並以上方作為縮放的中間點。
假如非常對峙要以圖片中心作為縮放的中間點，就要加上jQuery 調劑一下

CSS + jQuery

幾個星期LOG就300GB，每個網站都這麼大

乾脆到WHM下把ERROR LOG封閉(否則三不五時要去刪檔案)
進入WHM->搜尋PHP->MutiPHP INI Editor->Editor Mode->選PHP7.4->log_errors = Off


文章出處: NetYea 網頁設計

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

學會Arduino根基操控後
必然會想學會無線遙控，如藍芽Bluetooth, Wifi
這篇申明藍芽Bluetooth操控
結果圖



影片

Gcc編譯器

yum install glibc glibc-common

4. 若是還是不可
換CUDA跟CUDNN版本

文章出處： NetYea網頁設計

CPanel Hinet SmartHost relay Linux

對話框輸入