新竹網頁設計

影片



TB6612FNG是東芝生產的馬達驅動與節制IC，內部包括兩組H橋式電路，可驅動和控制兩個小型直流馬達，或者一個雙極性步進馬達。

1. 到 Github 下載 新竹網頁設計tesseract-ocr-w64-setup-5.3.3.20231005.exe 來安裝Tesseract。

2. 記錄Tesseract安裝的路徑，預設路徑平日為 C:\Program Files\Tesseract-OCR。

3. 將Tesseract.exe路徑新增到環境變數中

 

最近發現Cpanel伺服器發給gmail信箱經常收不到
一下又收的到，但大部份都被擋下來
找了google後發現要到google workspace申請帳號驗證網域
先到google workspace新竹網頁設計 申請帳號


輸入公司名稱


姓名及EMAIL

選已有網域了

輸入網域


設定EMAIL(你擁有的網域)帳號暗碼


輸入手機號碼


收到簡訊驗證碼並輸入


點接管


點 護衛


點 我已準備好庇護我的網域


繼續 前去步調2


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


繼續


 

OpenVino概念


圖改自https://www.learnopencv.com/using-openvino-with-opencv/#openvino-opencv
將已訓練好的深度學習model經由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，
      以犧牲數個百分點正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
       目前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
     似乎不是這麼一回事，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
   包含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，就可以利用OpenVino加快Inference

★ Inference Engine
   用來run 最佳化後的深度學習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 → 如何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起原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 ] 連結失效
4.        Open Neural Network Exchange (ONNX) [ Model zoo ]
   2.OpenVino裡面附的pre-trained model  
      不外不一定有合適你需求的
   3.OpenCV DNN sample model
■相幹名詞
★ OpenVino用的是CNN( Convolutional Neural Networks )模子 ;
   還包含了Deep Learning Deployment Toolkit (Intel® DLDT).
    
      Convolution：影像->filter->擷掏出特徵，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明一些讓電腦可以主動進修的演算法。
    機械進修演算法是一類從資料中主動闡明取得紀律，並行使紀律對未知資料進行猜測的演算法。
★ 深度進修
   是機器學習的分支。 深度進修框架比力
■如何安裝OpenVino
照著 安裝步驟做便可 (英文看不懂請自行克服)
-------------------------------------------------------------------------------------------------------------------------------
上述的器械都認識以後，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利用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誰人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 來分析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       
   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來闡發car1.bmp
Step3： 圖片裡的object會被第一個model判定成是車輛，
              這個判定成效被看成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可以把車牌的字元辨認出
              會被稱做Pipeline 我想應當是辨認成績從第一個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這部分
-----------------------------------------------------------------------------------------------------------
■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
包括：人臉，人，車輛
Object Recognition Models
用來分類或特徵辨識，使用在其他detector以後。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，對於圖片中的每一個像素做分類。
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一個像素分類，
得到如圖1(b)的成效。新竹網頁設計在圖1(b)中，分歧色彩代表分歧種別：
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。
語義朋分問題在很多利用場景中都有著十分主要的感化（例如圖片理解，自動駕駛等）



Instance Segmentation Models
INSTANCE SEGMENTATION可以知道同類object的數量(分歧色彩透露表現)
https://arxiv.org/pdf/1405.0312.pdf
新竹網頁設計 

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 安裝如提示的CMake & Python版本後
      再重安裝一次OpenVino
● 電腦已有安裝Python3.6.5了
      還是會泛起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
  ● 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這個訊息判定應該是proxy問題
      本來我是利用公司內網run script
      後來將proxy調劑成以下設定&連手機熱門就可以履行了  
      新竹網頁設計 
  ● 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示重開機
    因此出現以上issue
-------------------------------------------------------------------------------------------------------------------------------------------------------------------------
●其它參考保持
  - 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工具套件可透過CPU、GPU、FPGA、Movidius VPU(AI晶片 )等硬體進行擺設，
    加強視覺系統功能和機能
-   SqueezeNet
     SqueezeNet 是圖片分類模子，最合適參數較少及較小的模子使用，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

jQuery分類過濾和排序結構插件-Isotope，jquery-isotope
Isotope是一款結果非常奇異的元素分類過濾和排序結構jQuery插件。Isotope是Masonry結構的作者David DeSandro的一款力作，該分類過濾和排序插件答應你以非常簡單和炫酷的體式格局來隱藏和顯示元素，和對元素依照指定的劃定規矩進行排序。
Isotope可以設置多種結構體例：masonry結構、程度結構、垂直佈局、合適行結構、合適列佈局等等。

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。新竹網頁設計

住手及封閉firewalld
1. To begin with, you should disable Firewalld and make sure it does not start at boot again.
 

EyeSee 官網：https://eyesee.cht.com.tw/


申請帳號(用HINET線路HN申請)
申請好了以後

1.監測報表->寬頻上網->加值服務管理

DEMO圖片


Strength.js 套件能用在註冊時就先搜檢暗碼的強度，現在許多網站都有會員機制，很多人怕暗碼會遺忘或是偷懶城市用一些很簡短簡單的暗碼，如許就讓其它歹意的利用者就有機可趁，這也讓網站的管理者很頭大。

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

利用方式:
第一步 載入 JavaScripts 和 CSS 的樣式檔案

若是編譯直行時泛起以下訊息，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 有無毗鄰。(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 的板型是否准確 (選擇 Arduino IDE 功能表中的 Tool/Board 確認板型)
4.COM port 設定是不是正確。
選擇 Arduino IDE 功能表中的 Tool/Serial port 確認 port
您可以用裝置治理員看看 (Windows 中選 裝置經管員/連接埠/)，由於我的 Arduino-UNO 用 USB 摹擬為 COM11，是以我在 Tool/Serial port 必需選擇 COM11

5.最後是PROCESSOR是不是拔取准確

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

完成圖

起首先下載幾個JS及CSS
jquery-1.9.1.js         jquery 主檔
jquery-ui.js              UI JS檔
js.cookie.js              Cookies JS檔
jquery-ui.dialog.css   CSS設定檔

在上篇 若何使用google adwords 做環節字告白

這篇介紹串接 google analytics監看adwords告白轉換成效

影片申明


點選 Adwords 右上角 東西與設定 -> google analytics(分析)


點選左下側 設定
如沒有帳戶請先設立建設帳戶
有帳戶點 建立資本


點擊 網站 (評估您的網站)


填入 名稱及網址


這時候會給 全域網站代碼 (gtag.js)
把這段代碼放入你的網站每頁的底部



追蹤代碼設定好今後
點選 目的->新增目標




拉到最下面->自訂


填入 目標名稱
選擇 目標網址



實際貫穿連接目標(網址不消填，填目標頁面名稱就好)
如：http://www.sinpipe.com/appointment.html 管乾淨 線上預約 這網址
只要填 /appointment.html
儲存便可


再產生一個目的監控停留時候(客戶逗留在網站的時候)
填入名稱
類型：時候長度


時候選4分鐘


這時候已產出兩個目的了


回到Adwords 點選 對象與設定->轉換


點選 +


選擇 匯入->google analytics


選擇方才豎立的方針 線上預約(剛剛不是豎立兩個目的?怎麼只有一個)
若是要選另一個，請 期待幾分鐘同步後 重複匯入的動作 便可


這時候已匯入方針了


重複匯入的動作 便可看見另一個方針
點選 ˋ轉換動作 線上預約


編纂設定


較量爭論方式 -> 每次
點閱後轉換回溯期 -> 60天
歸因模式 -> 線性
貯存



而今可監測告白轉換的後果了
以下是之前豎立的目標轉換來講明成績


數據轉換需要時候(從一個星期到一個月不等才會有成效)

當在設計網頁時，網頁預設是新細明體，

看起來真的不是很悅目

所以測驗考試改變一下字體

讓網頁看起來更順眼

所以在CSS裡，插手