NetYea 網頁設計

昨日要寄信到GMAIL信箱

發現CPanel SMTP出現錯誤

最近被MAIL SERVER搞得焦頭爛額

每日到CPANEL官方問問題

結果都是沒找到被GAMIL及HOTMAIL檔信問題

也處理不了

找了小洲老師，他說只有做SmartHost relay或換IP







進入WHM -> Exim Configuration Manager -> BACKUP

備份設定檔





最近被MAIL SERVER搞得焦頭爛額

每日到CPANEL官方問問題

結果都是沒找到被GAMIL及HOTMAIL檔信問題

也處理不了

找了小洲老師，他說只有做SmartHost relay或換IP







進入WHM -> Exim Configuration Manager -> BACKUP

備份設定檔

IPFS和Filecoin都是由協議實驗室打造的明星項目，IPFS是一種點對點、版本化、內容尋址的超媒體傳輸協議， 其所要構建的是一個分佈式的web 3.0；



Filecoin是一個基於IPFS的去中心化存儲網絡，是IPFS上唯一的激勵層，是一個基於區塊鏈技術發行的通證。IPFS和Filecoin是相輔相成的，IPFS的壯大和普及有利於為Filecoin帶來更多的客戶資源，Filecoin也能推動網絡朝著更有紀律性、更具激勵性、更有協作性的方向發展。





IPFS協議從2015年1月發布至今五年有餘，技術也越來越成熟，作為下一代互聯網底層通信協議，IPFS已經成功應用在數據存儲、文件傳輸、網絡視頻、社交媒體、去中心化交易等各個領域，這些APP、應用、平台，正在重構整個互聯網，今天，我們就來介紹有哪些應用使用了IPFS協議。





一、搜索引擎

1、谷歌瀏覽器

谷歌瀏覽器（Google Chrome）是目前世界上使用率和市場佔有率最高的瀏覽器。2019年初，IPFS 伴侶上架谷歌網上應用店，這個插件可以用來簡化IPFS 資源訪問的瀏覽器擴展。

IPFS伴侶（IPFS Companion）是由IPFS官方應用社區孵化出來的一個瀏覽器插件，可以幫助用戶在本地更好的運行、管理自己的節點，並隨時查看IPFS節點的資源信息。無需下載，一鍵調用。





2、BRAVE

這是一款擁有強大廣告攔截功能的瀏覽器，不但能攔截廣告，還擁有追踪保護的功能。

這個功能主要是隨時能夠屏蔽釣魚網站，提供的私有云可以用匿名廣告取代網站原來的廣告，可以說一切廣告在這個瀏覽器上都不存在，所有廣告都被攔截了，大大加快了網頁的加載和瀏覽速度，給用戶帶來更好的網絡體驗。現已嵌入IPFS插件。







BRAVE官網地址：https://brave.com/





3、Firfox火狐瀏覽器

2018年1月26日，火狐WebExtensions 產品經理Mike Conca 在Mozilla 官網發布了文章(Extensions in Firefox 59)，列舉了火狐59的最新擴展(目前發佈於測試版)。其中一項特性是支持包括IPFS在內的分佈式協議。

2018年初，Firefox新增了“ipfs：//”協議的支持。





4、Opera瀏覽器

Opera在今年5月的時候就宣布支持IPFS了。雙方合作持續，預計今年年底之前在其Android版Opera瀏覽器中推出IPFS支持。值得注意的是，Opera在瀏覽器中開發了加密錢包，有Android、iOS和桌面版。可見Opera很早就佈局了區塊鏈生態支持。



5. IPSE

IPSE是一款基於IPFS網絡的搜索引擎，致力於打造下一代互聯網的流量入口。在IPSE上可以搜索IPFS網絡的文件，由於採用哈希標註技術，可以讓內容的哈希地址轉化為文字標題，快速訪問。此外IPSE還是使用區塊鏈技術的搜索引擎，搜索將拒絕廣告跟踪，同時用戶還能獲得通證激勵。



IPSE 官網地址：https://www.ipse.io/







6、Poseidon

一個基於IPFS網絡的中心化的分佈式搜索引擎，可以讓用戶快速檢索IPFS網絡上的文件，尋找到所需要的數據，同時用戶參與挖礦還能獲得通證激勵。被譽為區塊鏈版Google。







二、內容平台



1、Netflix

Netflix成立於1997年，主要提供超大數量的DVD並免費遞送，除此以外它的用戶也可以通過個人電腦、電視、iPad、iPhone等聯網收看其電影、電視節目。近年來風靡全球的政治題材電視劇《紙牌屋》就是由奈飛出品。2019年10月，Netflix位列2019福布斯全球數字經濟100強榜第46名。

近日，IPFS宣布與全球最大的流媒體平台Netflix達成合作。作為一家地位和實力非同一般的企業為什麼選擇和IPFS進行合作呢？

在IPFS Camp 2019之後，Netflix便和IPFS開始了技術上的合作，將IPFS系統中的對等服務等技術整合到奈飛的工具中，利用IPFS的技術加速雲的構建、設計和測試。

Netflix想要解決的容器分發挑戰：如何在大規模，多區域環境中有效地提取容器圖像。圖像層通常位於不同的區域，利用IPFS作為點對點CDN，可以使Netflix基礎架構內的節點進行協作並將共同的種子播種到相鄰節點，從而有助於更快地分發容器。

Netflix官網地址：https://www.netflix.com/



2、D.Tube

IPFS最拉風的應用之一“D.Tube” ，對標YouTube，內容太絢爛了。

D.Tube 是第一個加密分佈式視頻平台，建立在STEEM 區塊鍊和IPFS 點對點網絡之上，未來會支持FIlecoin網絡，它旨在成為YouTube 的替代品，允許用戶在IPFS/FIlecoin 基礎上觀看或上傳視頻，並在不可變的STEEM 區塊鏈上進行分享或評論，同時賺取加密通證！Look，即減少了存儲成本又能賺token ，多麼愉快！

D.Tube官網地址：https://d.tube/







3、Ujomusic

對標蝦米音樂和咪咕音樂的Ujomusic，是一個IPFS上的音樂家的區塊鏈市場。

2015年，Ujo幫助音樂家Imogen Heap用區塊鏈發行了作品“Tiny Human”。粉絲可以購買許可權，下載、試聽，也可以用於混音等用途；而且粉絲支付的錢會自動分配給Heap和該作品的合作方。該初創企業還和很多品牌合作，為了“在開源區塊鏈系統中將這些目錄重新數字化”，同時鼓勵開發者在平台上開發應用。

Ujomusic官網地址：https://ujomusic.com/









4、Viewly

一個沒有煩人廣告、尊重用戶隱私的平台。在那裡，社區蓬勃發展，粉絲和創作者之間的互動受到高度鼓勵。擁有小型、中型或大型觀眾的創作者可以通過現代貨幣化來維持自身的生存：將無摩擦的微支付、粉絲贊助、贊助支持和商業相結合。通過跳過中間商、贊助創作者和直接支持他們的社區，企業可以提高廣告效率和降低成本。Viewly是一個分散的視頻平台，由區塊鍊和對等視頻共享技術支持。

Viewly 官網地址：www.viewly.com/







5、Dlive

DLive 建立了一個更公平的視頻平台社區。DLive 平台不收取任何佣金，用戶可以通過平台貨幣直接打賞內容創作者。此外，視頻社區的其他貢獻者也會受到相應的獎勵——比如給視頻點贊，參與討論等，也都會贏得Token。這種去中心化的評價體係不僅最大化保障了創作者的利益，也能使觀眾直接參與視頻內容的打分，讓好內容更容易被大家看到。

在這種自治自主烏托邦式的社區構想下，像LegendofTotalWar 和PewDiePie 這樣的硬核頭部主播紛紛加入。目前，DLive 上的主播數量已經達到了3.5 萬。





6、Primas

Primas是一個去中心化項目，致力於用區塊鏈技術解決互聯網經濟帶來的一系列問題，諸如假新聞、抄襲、洗稿、標題黨、低質量內容等。Primas獨創的分佈式可信內容協議（DTCP），將把可信、高質量的信息帶回互聯網，重塑互聯網內容價值生態。我們相信，傳播由人類智慧、情感創造的高質量信息，將促進人類社會的發展。15.jpg

以前常常遇到有網站鎖右鍵的，右鍵被鎖之後常見的症狀有：無法反白、無法複製、無法剪下等…雖然現在比較少見了，但偶爾還是會遇到，本篇要教大家用最快速的方法「解鎖右鍵」，讓你輕鬆破解鎖定右鍵的網站，透過簡單的「書籤」就能實現，話不多說馬上進入教學。

在架設了DNS後





該如何確定該網域是否被GOOGLE接受呢?





到該網址

https://www.whatsmydns.net/



輸入網域就可以知道詳細內容了

① 點選右上角設定

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。

2023 調整 Chrome 設定方法



目前 Chrome 版本，防止自動重新載入分頁的方法已經比較簡單，請見下圖：

之前遇到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





第一時間以為是網站被駭





到filezilla檢查過後發現是PHP7.4 的LOG超大

OpenVino概念





圖改自https://www.learnopencv.com/using-openvino-with-opencv/#openvino-opencv

將已經訓練好的深度學習model經過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)

達到加速Inference 的目的



★ Model Optimizer

      ●摘錄自:【AI_Column】運用 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，

      以犧牲數個百分點正確率來換取推論速度提升數十倍到百倍。



   ●把深度學習框架Train出來的model, 轉換成 Inference Engine 可以用的IR file

       目前支援的深度學習框架有　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

     好像不是這麼一回事，需找一個底下沒提到的model來實驗看看

     有結果我再更新

      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，使用者只要知道怎樣將

   訓練好的model change to IR file，就可以使用OpenVino加速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說明 　

   延伸閱讀 → 如何run Inference Engine Samples

★ VPU plugin

    這份文件好像在講怎樣的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  

      不過不一定有符合你需求的

   3.OpenCV DNN sample model

■相關名詞

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

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

    

      Convolution：影像->filter->擷取出特徵，比如邊緣。

      此種過程叫做Convolution

★ OpenCV和OpenVX有什么联系和区别？

★ 機器學習

   機器學習理論主要是設計和分析一些讓電腦可以自動學習的演算法。

    機器學習演算法是一類從資料中自動分析獲得規律，並利用規律對未知資料進行預測的演算法。

★ 深度學習

   是機器學習的分支。 深度學習框架比較

■如何安裝OpenVino

照著 安裝步驟做即可 (英文看不懂請自行克服)

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

上述的東西都了解之後，接下來開始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

   可判斷的類別有一千種，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，那數字也會不同

   *若安裝不只一個版本的OpenVino，不同版本的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

    

★這個batch的內容如下

   Step1 :  下載SqueezeNet model (使用downloader.py)

   Step2： 用 Model Optimizer 把SqueezeNet轉成IR file。

                (使用mo.py)

   Step3： Build Inference Engine samples

                batch檔執行過程中， 會看到cmd 畫面卡在

                Build Inference Engine samples using MS Visual Studio (MSBuild.exe)一段時間

                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 來分析car.png

   ↓This is car.png

    



   ↓針對照片中的Object，分類前十名的結果依序從Prob.高到低排列

   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之後就會忽略掉某些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

   底下整個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的內容如下

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，

              這個判斷結果被當作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 我想應該是識別結果從第一個model傳到第三個model

             像水流在管線裡流動一樣吧...



        

★重跑整個bat

  跑過一次batch之後，有些step會被忽略掉，因為某些檔案已經存在了

  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\

  底下整個caffe 資料夾刪掉



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

以上範例是使用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

包含：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。比如先做人臉偵測，再做年齡/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，語義分割算法對圖片中的每一個像素分類，

得到如圖1(b)的結果。在圖1(b)中，不同顏色代表不同類別：

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。

語義分割問題在很多應用場景中都有著十分重要的作用（例如圖片理解，自動駕駛等）







Instance Segmentation Models

INSTANCE SEGMENTATION可以知道同類object的數目(不同顏色表示)

https://arxiv.org/pdf/1405.0312.pdf

 



Human Pose Estimation Models

Image Processing

提高影像品質





Text Detection

Action Recognition Models

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

■Trouble Shooting

● 安裝時遇到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

● 電腦已經有安裝Python3.6.5了

      還是會出現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 會出現以下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發生以下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

      原本我是使用公司內網run script

      後來將proxy調整成以下設定&連手機熱點就可以執行了  

       

  ● 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

    設定完後沒有按照指示重開機

    因此出現以上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，以及針對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性能

-   SqueezeNet

     SqueezeNet 是圖片分類模型，最適合參數較少及較小的模型使用，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

為了將圖片數據轉換為適合 AI訓練的格式，利用 OpenCV先對臉部進行辨識，然後將臉部數據另存為統一的格式。

1. import cv2


2.  


3. face_cascade = cv2.CascadeClassifier('./cascades/haarcascade_frontalface_default.xml')


4. eye_cascade = cv2.CascadeClassifier('./cascades/haarcascade_eye.xml')


5.  


6. def detect(filename):


7.     img = cv2.imread(filename)


8.     gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)


9.     faces = face_cascade.detectMultiScale(gray,


10.                                           scaleFactor=1.2,


11.                                           minNeighbors=3,)


12.     for (x,y,w,h) in faces:


13.         roi_gray = gray[y:y+h, x:x+w]


14.         eyes = eye_cascade.detectMultiScale(roi_gray,


15.                                             scaleFactor=1.02,


16.                                             minNeighbors=3,


17.                                             minSize=(40,40),)


18.         img = cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2)


19.         for (ex,ey,ew,eh) in eyes:


20.             img = cv2.rectangle(img,(x+ex,y+ey),(x+ex+ew,y+ey+eh),(0,255,0),2)


21.     cv2.imwrite('./tzuyu_face.jpg', img)


22.  


23. detect('tzuyu.jpg')

複製代碼

記錄一下批量抓取 Google 搜尋結果裡的連結的方法。





如果還沒有安裝以下，要先下載安裝：