慧晟數位科技

網站架設因為信件發不出去(gmail hotmail 直接被退回)
問了CPanel官方後
他說hostname沒法對應，要改成與nameserver一樣
然後若何重建Exim PTR /保存DNS Cache 和更新MAIL HELO


進入WHM
Home »Service Configuration »Exim Configuration ManagerDocumentation


Rebuild Reverse DNS Cache and Update Mail HELO

網站架設 

當在設計網頁時，網頁預設是新細明體，

看起來真的不是很好看

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，插足
 

14TB的硬碟，檔案都存在資源收受接管桶


Linux下的復原站實際上是一個資料夾，該資料夾下邊有兩個資料夾：files和info
在終端機履行

1. 備份資料庫及FTP網站資料


2. 到官方下載opencart 3.X
https://www.opencart.com/index.php?route=marketplace/extension/info&extension_id=35919


3. 解緊縮檔案後上傳到FTP


4. 進級

sqlite3的名擴大在PHP 5.3.0+以上都邑默許啟用。在可以compile-時利用--without-sqlite3來禁用它。
視窗柯林斯用戶通過啟用php_sqlite3.dll才能利用此擴大。php_sqlite3.dll默許所有遊戲在PHP 5.3.0以後的PHP刊行版中。
有關具體的安裝申明，請查看PHP教程及其官方網站。
毗連到的SQLite數據庫以下PHP代碼顯示若何連接到SQLite數據庫。若是數據庫不存在，那麼它將創建一個新的數據庫，最後將返回一個數據庫對象。

下載檔案安裝
1. 先到NVIDIA下載驅動程式NVIDIA-Linux-x86_64-470.239.06.run
 

網站架設在架設了DNS後


該若何確定該網域是不是被GOOGLE接受呢?


到該網址
https://www.whatsmydns.net/

輸入網域就可以知道具體內容了

Devrama Slider 是個圖象滑塊，帶有很多非常有趣的特征。

它不但支持圖像還撐持HTML 內容。響應式輕易CSS3 轉換轉換結果進度條高級的預加載和延遲加載CSS 自界說用戶可以界說導航或者節制器

這兩天用CPanel 辦事器用transfer Tool對拷主機


發現有的網站竟然顯示 內部毛病 ERROR 500





找了一下.htaccess檔案內多了

效果圖：


座標：

因為項目中需要用到圖表生成，所有Google了下，找到了這個插件，順帶寫了個DEMO。點擊跳轉官網

先上三個圖，劃分曲直線、柱狀、扇形。
 

2023 調整 Chrome 設定方式

今朝 Chrome 版本，避免主動重新載入分頁的方法已比較簡單，請見下圖：

2023 調整 Chrome 設定方式

今朝 Chrome 版本，避免主動重新載入分頁的方法已比較簡單，請見下圖：

cxSelect 是基於jQuery 的多級聯動菜單插件，合用於省市、商品分類等聯動菜單。
列表數據經由過程AJAX 獲得，也能夠自定義，數據內容利用JSON 格局。
同時兼容Zepto，輕易在移動端使用。
國內省市縣數據起原：basecss/cityData Date: 2014.03.31
全球首要城市數據來源：整理國內經常使用網站和軟件Date: 2014.07.29

版本：jQuery的V1.7 +的Zepto V1.0 +jQuery的cxSelect V1.4.0

• 查看Demo
• 下載jQuery cxSelect v1.4.0
• 下載jQuery cxSelect v1.3.11

利用方式载入 JavaScript 文件

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經由Model Optimizer優化後
(何謂優化請見下面Model Optimizer條目)
經由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
     好像不是這麼一回事，需找一個底下沒提到的model來實行看看
     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，利用者只要知道怎樣將
   訓練好的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說明 　
   延伸浏覽 → 如何run Inference Engine Samples
★ VPU plugin
    這份文件仿佛在講如何的model能被vpu 支援
■OpenVino不供給Model Training
   OpenVino的model來曆以我的理解就以下這幾種
   1.自己用OpenVino supported的深度學習框架去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  
      不外紛歧定有符合你需求的
   3.OpenCV DNN sample model
■相關名詞
★ OpenVino用的是CNN( Convolutional Neural Networks )模子 ;
   還包括了Deep Learning Deployment Toolkit (Intel® DLDT).
    
      Convolution：影象->filter->擷掏出特徵，好比邊沿。網站架設
      此種進程叫做Convolution
★ OpenCV和OpenVX有什么联系和区别？
★ 機械學習
   機械進修理論首要是設計和剖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猜中主動分析取得規律，並利用紀律對未知資料進行展望的演算法。
★ 深度進修
   是機械進修的分支。 深度進修框架對照
■若何安裝OpenVino
照著 安裝步調做即可 (英文看不懂請自行戰勝)
-------------------------------------------------------------------------------------------------------------------------------
上述的東西都了解以後，接下來最先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，分歧版本的OpenVino會有屬於自己的資料夾
   而openvino那個捷徑會指向最後安裝的那個版本
 網站架設   
★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。
                (使用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
                請耐心等候 。此步會產生 classification_sample.exe
   Step4： 把car.png & IR file當作iInference Engine的input 來闡明car.png
   ↓This is car.png
    網站架設

   ↓針對比片中的Object，分類前十名的結果依序從Prob.高到低分列
   分類了局最高分數是sport car

   
★重跑demo_squeezenet_download_convert_run.bat
   跑過一次batch之後，若再執行一次batch，
   因為某些檔案跑過一次batch之後就已經存在了
   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，
              這個判定後果被當作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可以把車牌的字元識別出
              會被稱做Pipeline 我想應該是識別效果從第一個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

----------------------------------------------------------------------------------------------------------
以上範例是利用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
裡面包括好幾個model可以用來偵測object
包含：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。比如先做人臉偵測，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）的目的是給定一張圖片，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個像素分類，
獲得如圖1(b)的成績。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。
語義分割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

      

● 履行demo_squeezenet_download_convert_run.bat前
      若沒有安裝cmake 會泛起以下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
      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&連手機熱門就能夠執行了  
       
  ● 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
    設定完後沒有依照唆使重開機
    因此泛起以上issue
-------------------------------------------------------------------------------------------------------------------------------------------------------------------------
●其它參考連結
  - OPENvINO with openCV
  - 既跨平台又開源　英特爾開啟智慧視覺創新
    超過20個預先訓練的模型，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。網站架設
-   C:\Program Files (x86)\Intel\openvino_2021.4.689\documentation