苗栗水管清洗

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

水管清洗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)

達到加速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子中的冗餘參數，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晉升數十倍到百倍。



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

       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* 練習出的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

     有了局我再更新

      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 最佳化後的深度進修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 　

   延伸浏覽 → 若何run Inference Engine Samples

★ VPU plugin

    這份文件彷佛在講如何的model能被vpu 支援

■OpenVino不提供Model Training

   OpenVino的model來源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  

      不外紛歧定有契合你需求的

   3.OpenCV DNN sample model

■相關名詞

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

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

    

      Convolution：影象->filter->擷掏出特徵，比如邊緣。

      此種進程叫做Convolution

★ OpenCV和OpenVX有什么联系和区别？

★ 機器進修

   機器進修理論首要是設計和分析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料中主動闡明獲得紀律，並行使規律對未知資料進行猜測的演算法。

★ 深度學習

   是機械學習的分支。 深度進修框架對照

■如何安裝OpenVino

照著 安裝步調做便可 (英文看不懂請自行克服)

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

上述的器械都了解以後，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利用squeezenet model 判定照片中的Object屬於什麼種別

   可判斷的種別有一千種，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， 因此若安裝的OpenVino版本跟我不同，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那個捷徑會指向最後安裝的那個版本

    

★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)一段時間

                請耐煩等待 。此步會產生 classification_sample.exe

   Step4： 把car.png & IR file看成iInference Engine的input 來闡明car.png

   ↓This is car.png

    



   ↓針對比片中的Object，分類前十名的效果依序從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判斷成是車輛，

              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 車牌被當作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 我想應該是辨認後果從第一個model傳到第三個model

             像水流在管線裡流動一樣吧...



        

★重跑全部bat

  跑過一次batch之後，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， 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）的方針是給定一張圖片，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)的結果。在圖1(b)中，分歧色彩代表不同類別：

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重要的感化（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就可以了



      



● 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

  ● 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這個訊息判定應當是proxy問題

      原本我是利用公司內網run script

      後來將proxy調劑成以下設定&連手機熱點就能夠履行了  

       

  ● 泛起以下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

    是以泛起以上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立異

    跨越20個預先訓練的模子，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 )等硬體進行佈置，

    加強視覺系統功能和機能

-   SqueezeNet

     SqueezeNet 是圖片分類模型，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

有在利用Google Maps的人，多多少少必然都有利用到Google地圖找四周景點餐廳。
 

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又太甚複雜



不外今天作者看到某網站的運用不錯，於是就利用CSS也做了



可以看到下圖，滑鼠未移置圖片類型











用CSS寫以下代碼

 



在到圖片貫穿連接到場class

 
水管清洗


效果如下圖

水管清洗
 

水管清洗記實一下批量抓取 Google 搜索了局裡的保持的方式。





假如還沒有安裝以下，要先下載安裝：

 

記得筆者曾寫過一篇「用 JavaScript 來做偽浮水印」，那時是用 JavaScript 來寫的，得經過計較才能把版權宣告的圖片放在右下角。如今筆者把全部結果用 jQuery 來改寫，並把本來要計較的版權宣佈圖片位置換成 background-position 的體式格局來節制，如許想放那就只要設定一下就好了。



我們的 HTML 就是很純真的圖片罷了：



檢視原始碼 HTML

水管清洗ESP32 腳位34 連接到可變電阻腳位 2

ESP32 腳位VIN 毗連到可變電阻腳位 1

ESP32 腳位GND 毗鄰到可變電阻腳位 3







讀取數值為12 bits = 4096

0 - 4095



程式碼:

 
以下有兩個大項目需要設定，依序為：

若何申請Google Maps API金鑰？

如何啟用Google Maps API辦事？