前言 以前常常用Python環境來跑程式，有時可能要同時在好幾台電腦測試。雖然每台電腦都裝Anaconda來管理環境，理論上導出環境裡的套件清單就能直接安裝，但偏偏有時清單裝到一半就會失敗，變成得手動輸入指令安裝，所以才會做一個批次檔去自動輸入安裝指令。 寫成批次檔有個好處，可以去追朔之前各個手動安裝的版本，尤其是電腦科學近年發展神速，TensorFlow常常更新，有時根本措手不及，安狀太新的版本反而會出現一堆Bug。 範例程式碼 檔名：install.bat (儲存編碼要用ANSI碼，中文才不會變亂碼) @echo off echo. echo. 一鍵安裝 Aanconda Python 環 …

由於疫情關係，出門都要帶著口罩，為了確保進出的人都能戴口罩，因此衍伸出了這個主題。雖然說物件偵測之前有做過，但開始做之前還是看了不少國外的範例，其實大家方法都差不多，如果是使用深度學習，感覺就差資料庫的不同而已，所以最後決定就使用 OpenCV + 深度學習的辨識模型來實作看看。 這其實是去年做的一個小專題，趁著還有印象來記錄一下😄😄 程式架構 整個架構分成兩個部分，先用 OpenCV 的人臉辨識來找到臉的位置，再利用 CNN 來辨識這張臉是否有帶口罩。CNN 的部分會用 Keras 來訓練分類模型，將會分成戴口罩和沒戴口罩的類別，而訓練用的影像資料將會從別人 Open Source 的資料庫 …

將原本 list 的 value 當作個別的變數來輸入 e.g. 1 def add(a, b): return a+b list_add = [1, 2] add(list_add[0], list_add[1]) add(*list_add) # 直接用 * 來輸入 也常與 print 跟 zip 這兩個 function 搭配 e.g. 2 搭配 print：個別顯示 list 中的資料 A = [(1, 1), (2, 2), (3, 3)] print(A) # Result: [(1, 1), (2, 2), (3, 3)] print(*A) # …

最近剛口試完，複習一下混淆矩陣的定義 透過混淆矩陣可以計算模型的效能指標，例如 accuracy、precision、recall ……等指標。計算這些指標有助於判斷模型的訓練是否有達到預期，或是訓練過程中即可發現訓練異常，總之就是要用來判斷模型是否可行的判斷依據。 True Positive：正陽性，預測正，實際正。 True Negative：正陰性，預測負，實際負。 False Positive：偽陽性，預測正，實際負。 False Negative：偽陰性，預測負，實際正。 三種指標的定義 Precision：預測正樣本中，實際為正樣本的比例。 Recall：所有正樣本中，真正檢測出正 …

這是之前幫學長測試 Beaglebone Black 的過程，當時為了可以順利用 USB 與其他電腦進行連線，並且可以利用電腦網路分享給 BBB，但當時沒把那些網站記下來就是了XD If you power down the Beaglebone Black by unplugging its USB cable, plug it back in (hence rebooting it) and connect via PuTTY and try the ping command again … ping 8.8.8.8 Network is unreachable … you …

Anaconda 的特點 Open Source 的 Python 部屬工具。 支持多種作業系統，像是 Windows、Linux、MacOS。 具有使用者介面來控制環境。 可以管理多個隔離的 Python 環境。 要分享專案時，也可以快速輸出環境資料。 1. 安裝 anaconda 進入官網，針對 OS，選擇合適版本下載。 windows安裝過程中需注意勾選將軟體加至環境變數 path (即可在 cmd 運行 conda 指令) 2 .查看當前環境下已安裝的套件 查看在conda中已經安裝的包，會顯示套件名字和版本 conda list 3. 建立 Python 虛擬環境 有兩種方法： …