NetYea－苗栗網頁設計｜痞客邦

目前分類：NetYea (205)

瀏覽方式：標題列表簡短摘要

Jan 03 Fri 2025 04:01
CentOS 8 下安裝NVIDIA RTX 3070 驅動程式及CUDA

網頁設計下載檔案安裝
1. 先到NVIDIA下載驅動程式NVIDIA-Linux-x86_64-470.239.06.run
CentOS 8 下安裝NVIDIA RTX 3070 驅動

CentOS 8 下安裝NVIDIA RTX 3070 驅動

(繼續閱讀...)

valeritmfov8 發表在痞客邦留言(0) 人氣()

個人分類：NetYea

Jan 03 Fri 2025 03:33
jQuery分類過濾和排序結構插件-Isotope(瀑布流網頁已測試)

網頁設計jQuery分類過濾和排序結構插件-Isotope，jquery-isotope
Isotope是一款結果異常神奇的元素分類過濾和排序佈局jQuery插件。網頁設計Isotope是Masonry佈局的作者David DeSandro的一款力作，該分類過濾和排序插件允許你以非常簡單和炫酷的體例來埋沒和顯示元素，和對元素依照指定的法則進行排序。
Isotope可以設置多種結構方式：masonry佈局、水平結構、垂直結構、合適行結構、合適列結構等等。

注意：Isotope不是完全免費的軟件。用於商業用處時需要向作者購置。作為非貿易用處利用時，在遵循GPL v3 License 規範的前提下，你可以自由使用該插件。

(繼續閱讀...)

valeritmfov8 發表在痞客邦留言(0) 人氣()

個人分類：NetYea

Jan 03 Fri 2025 02:22
在 Arduino IDE 上面安裝 ESP32 網頁設計

下載安裝請看此篇

本篇文在申明如何讓 Arduino IDE 可使用 ESP32 開辟板。

我手上今朝的這兩塊 ESP32 開辟板，都同時具有 WiFi 和藍芽功能，個人感覺大塊的這片(ESP32 Wemos D1) 比較好用，因為它可以合用 Arduino UNO 擴大板。

在 Arduino IDE 上面安裝 ESP32 網頁設計

在 Arduino IDE 上面安裝 ESP32 網頁設計

(繼續閱讀...)

valeritmfov8 發表在痞客邦留言(0) 人氣()

個人分類：NetYea

Jan 03 Fri 2025 01:11
【Python 爬蟲】抓取 Google 搜刮成果的貫串連接網頁設計

記實一下批量抓取 Google 搜尋後果裡的貫穿連接的方法。

若是還沒有安裝以下，要先下載安裝：

pip install beautifulsoup4
pip install google

(繼續閱讀...)

valeritmfov8 發表在痞客邦留言(0) 人氣()

個人分類：NetYea

Jan 03 Fri 2025 00:28
SEO 網頁優化若何用 Google Search Console 網址審查功能

從2020年5月起頭
Google SEO增添了加強功能
從以下網址可知增加了那些功能
https://developers.google.com/search/docs/advanced/structured-data/search-gallery

SEO寫好以後，到以下網址測試是不是完成
https://search.google.com/test/rich-results?utm_campaign=devsite&utm_medium=jsonld&utm_source=article

測試網址
http://www.netyea.com/
SEO 網頁優化若何用 Google Search Con

點選預覽就能夠看到下面圖片

網頁設計,網站架設 ,網路行銷,網頁優化,SEO - NetYea 網頁設計

(繼續閱讀...)

valeritmfov8 發表在痞客邦留言(0) 人氣()

個人分類：NetYea

Jan 03 Fri 2025 00:00
網頁設計 CentOS 8 若何看CPU溫度

網頁設計

#查抄是不是安裝lm_sensors
rpm -qa|grep lm_sensors
#安裝
yum install *lm_sensors*
#設置裝備擺設lm_sensors 所有提醒均輸入yes
sensors-detect
#使用lm_sensors
sensors #查温度
watch -n 1 -d sensors #每秒刷新

複製代碼

(繼續閱讀...)

valeritmfov8 發表在痞客邦留言(0) 人氣()

個人分類：NetYea

Jan 02 Thu 2025 08:01
Python 使用 MySQL Connector 操作 MySQL MariaDB 資料庫教授教養與範例

介紹若何利用 Python 的 MySQL Connector 模組毗連 MySQL/MariaDB 資料庫，進行查詢、新增或刪除等各類操作。

Python 有很多 MySQL/MariaDB 資料庫相關的模組，而最常被利用的就是 MySQL Connector 與 MySQLdb 這兩個模組，以下是 MySQL Connector 模組的利用方式。
安裝 MySQL Connector 模組
開啟 Windows 中的饬令提醒自元，使用 pip 安裝 Python 的 MySQL Connector 模組：

(繼續閱讀...)

valeritmfov8 發表在痞客邦留言(0) 人氣()

個人分類：NetYea

Jan 02 Thu 2025 07:41
若何在安卓模擬器上安裝WINDOWS 10 網頁設計

測試後果(夜神慢雷電9快)

https://github.com/WhatTheBlock/WindowsSimplify/tree/master/10

(繼續閱讀...)

valeritmfov8 發表在痞客邦留言(0) 人氣()

個人分類：NetYea

Jan 02 Thu 2025 06:57
openvino 若何run demo application & pretrained model 介紹

OpenVino概念
openvino 若何run demo applicatio

圖改自https://www.learnopencv.com/using-openvino-with-opencv/#openvino-opencv
將已練習好的深度學習model顛末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)
達到加快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提升數十倍到百倍。

●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* 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來實行看看
   有成績我再更新
   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，就可以利用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 ] 貫穿連接失效
4.       Open Neural Network Exchange (ONNX) [ Model zoo ]
2.OpenVino裡面附的pre-trained model
   不外紛歧定有相符你需求的
3.OpenCV DNN sample model
■相關名詞
★ OpenVino用的是CNN( Convolutional Neural Networks )模型 ;
還包括了Deep Learning Deployment Toolkit (Intel® DLDT).
   openvino 若何run demo applicatio
   Convolution：影像->filter->擷掏出特徵，好比邊緣。
   此種過程叫做Convolution
★ OpenCV和OpenVX有什么联系和区别？
★ 機械進修
機器學習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猜中主動分析取得紀律，並使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。深度進修框架比力
■若何安裝OpenVino
照著安裝步調做即可 (英文看不懂請自行克服)
-------------------------------------------------------------------------------------------------------------------------------
上述的工具都認識之後，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屬於什麼種別
可判定的類別有一千種，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，是以若安裝的OpenVino版本跟我分歧，那數字也會不同
*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
openvino 若何run demo applicatio
★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
            請耐煩等待。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
   openvino 若何run demo applicatio

↓針對照片中的Object，分類前十名的了局依序從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，
            這個判定了局被看成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
            最後車牌被看成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 我想應當是辨認了局從第一個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\
  底下整個caffe 資料夾刪掉

----------------------------------------------------------------------------------------------------------
以上範例是利用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供給好幾個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
包括：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。好比先做人臉偵測，再做年齒/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）的目標是給定一張圖片，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，語義朋分算法對圖片中的每個像素分類，
得到如圖1(b)的成果。在圖1(b)中，分歧色彩代表分歧類別：
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。
語義分割問題在良多利用場景中都有著十分重要的作用（例如圖片理解，主動駕駛等）
openvino 若何run demo applicatio

Instance Segmentation Models
INSTANCE SEGMENTATION可以知道同類object的數量(分歧顏色示意)
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.
openvino 若何run demo applicatio 網頁設計

   ->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
   照舊會出現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就能夠了
openvino 若何run demo applicatio


● 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
   憑據Cannot connect to proxy這個訊息判定應該是proxy問題
   本來我是使用公司內網run script
   後來將proxy調劑成以下設定&連手機熱點就能夠執行了
      openvino 若何run demo applicatio
  ● 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導重開機
因此泛起以上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對象套件可透過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型利用，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

(繼續閱讀...)

valeritmfov8 發表在痞客邦留言(0) 人氣()

個人分類：NetYea

Jan 02 Thu 2025 06:27
Linux下把excel數據導入到mysql數據庫(亂碼問題已解決) 網頁設計

申明:在Linux下把excel數據導入到mysql數據庫中,這實在是很搞笑的一個舉動!幾近很少有法式員研究過這個問題吧?如斯失常的問題,估計我是第一個研究的!呵呵,完滿是自找苦吃~~,然則今天完了這項太有挑戰性的工作!
先清算一下思緒先,~~
起首:需要把文件上傳到辦事器上
然後:讀取excel數據列顯示出來
然後:讓用戶選擇字段的對應關係
然後:提交數據,讀取字段的對應關係
最後:批量導入數據,刪除暫時文件
一共是以上五步驟!我們一步步分析~~~
第一步:下載附件中的phpexcelparser4.rar ,這個文件是上傳excel盜服務器上並以web形式展現出來的!這個一般沒有問題的!問題是程序的做法是把表存為臨時表而沒有真正保存下來,所以起首要更改法式代碼為網頁設計

//uc轉換成html
function uc2html($str) {
$ret = '';
for( $i=0; $i<strlen($str)/2; $i++ ) {
$charcode = ord($str[$i*2])+256*ord($str[$i*2+1]);
// $ret .= '&#'.$charcode;
if($charcode<127)
$ret .=chr($charcode);
else
$ret .= iconv("utf-8","utf-8",u2utf8($charcode));
}
return $ret;
}
//html轉成utf8
function u2utf8($c) {
$str="";
if ($c < 0x80) {
$str.=$c;
} else if ($c < 0x800) {
$str.=chr(0xC0 | $c>>6);
$str.=chr(0x80 | $c & 0x3F);
} else if ($c < 0x10000) {
$str.=chr(0xE0 | $c>>12);
$str.=chr(0x80 | $c>>6 & 0x3F);
$str.=chr(0x80 | $c & 0x3F);
} else if ($c < 0x200000) {
$str.=chr(0xF0 | $c>>18);
$str.=chr(0x80 | $c>>12 & 0x3F);
$str.=chr(0x80 | $c>>6 & 0x3F);
$str.=chr(0x80 | $c & 0x3F);
}
return $str;
}
if (trim($_POST["cmd"])=="upload")
{
$err_corr = "Unsupported format or file corrupted";
$excel_file_size;
$excel_file = $_FILES['excel_file'];
$uploadservername=$UploadAbsPath."tmpexcel/".$_FILES['excel_file']['name'];
echo($uploadservername);
if (!is_writeable($UploadAbsPath."tmpexcel/"))
{
echo "目錄不行寫!"; exit;
}
else
{
echo "目次可寫!";
}
if (move_uploaded_file($_FILES['excel_file']['tmp_name'], $uploadservername))
{
echo("上傳成功");
}
else
{
echo("上傳失敗");
}
$excel_file=$uploadservername;
//if( $excel_file )
// $excel_file = $_FILES['excel_file']['tmp_name'];
if( $excel_file == '' ) fatal("No file uploaded");
$exc = new ExcelFileParser("debug.log", ABC_NO_LOG);//ABC_NO_LOG ABC_VAR_DUMP);
//echo($excel_file."|");
$style = $_POST['style'];
if( $style == 'old' )
{
$fh = @fopen ($excel_file,'rb');
if( !$fh ) fatal("No file uploaded");
if( filesize($excel_file)==0 ) fatal("No file uploaded");
$fc = fread( $fh, filesize($excel_file) );
@fclose($fh);
if( strlen($fc) < filesize($excel_file) )網頁設計
fatal("Cannot read file");
$time_start = getmicrotime();
$res = $exc->ParseFromString($fc);
$time_end = getmicrotime();
}
elseif( $style == 'segment' )
{
$time_start = getmicrotime();
$res = $exc->ParseFromFile($excel_file);
$time_end = getmicrotime();
}
switch ($res) {
case 0: break;
case 1: fatal("Can't open file");
case 2: fatal("File too small to be an Excel file");
case 3: fatal("Error reading file header");
case 4: fatal("Error reading file");
case 5: fatal("This is not an Excel file or file stored in Excel < 5.0");
case 6: fatal("File corrupted");
case 7: fatal("No Excel data found in file");
case 8: fatal("Unsupported file version");
default:
fatal("Unknown error");
}
/*
print '<pre>';
print_r( $exc );
print '</pre>';
exit;
*/
show_time();
echo <<<LEG
<b>Legend:</b><br><br>
<form name='doform' action='' method='post'>
<input type='hidden' name='action' value='do'>
<input type='hidden' name='excel_file' value=$excel_file>
<input type='hidden' name='style' value=$style>
<table border=1 cellspacing=0 cellpadding=0>
<tr><td>Data type</td><td>Description</td></tr>
<tr><td class=empty> </td><td class=index>An empty cell</td></tr>
<tr><td class=dt_string>ABCabc</td><td class=index>String</td></tr>
<tr><td class=dt_int>12345</td><td class=index>Integer</td></tr>
<tr><td class=dt_float>123.45</td><td class=index>Float</td></tr>
<tr><td class=dt_date>123.45</td><td class=index>Date</td></tr>
<table>
<br><br>
LEG;
/*
print "<pre>";
print_r ($exc->worksheet);
print_r($exc->sst);
print "</pre>";
*/
for( $ws_num=0; $ws_num<count($exc->worksheet['name']); $ws_num++ )
{
print "<b>Worksheet: \"";
if( $exc->worksheet['unicode'][$ws_num] ) {
print uc2html($exc->worksheet['name'][$ws_num]);
} else
print $exc->worksheet['name'][$ws_num];
print "\"</b>";
$ws = $exc->worksheet['data'][$ws_num];
if( is_array($ws) &&
isset($ws['max_row']) && isset($ws['max_col']) ) {
echo "\n<br><br><table border=1 cellspacing=0 cellpadding=2>\n";
print "<tr><td> </td>\n";
for( $j=0; $j<=$ws['max_col']; $j++ ) {
print "<td class=index> ";
if( $j>25 ) print chr((int)($j/26)+64);
//這裡要顯示一個下拉列表來顯示數據
//注意是循環數據<br />
echo("\n<select name='".$j."'>");
echo("\n<option value='0'>不選擇</option>");
echo("\n<option value='costomernum'>客戶編號</option>");
echo("\n<option value='name'>客戶姓名</option>");
echo("\n<option value='phone1'>德律風1</option>");
echo("\n<option value='phone2'>德律風2</option>");
echo("\n<option value='address1'>地址1</option>");
echo("\n<option value='address2'>地址2</option>");
echo("\n<option value='company'>公司</option>");
echo("\n<option value='levelc'>職稱</option>");
echo("\n<option value='ps'>備註</option>");
echo("</select>");
print "</td>";
}
print "<tr><td> </td>\n";
for( $j=0; $j<=$ws['max_col']; $j++ ) {
print "<td class=index> ";
if( $j>25 ) print chr((int)($j/26)+64);
print chr(($j % 26) + 65)." 列名</td>";
}
//表頭輸出終了
if ($ws['max_row']>9)
{
$shownum=9;
}
else
{
$shownum=$ws['max_row'];//只輸出前10條數據
}
for( $i=0; $i<=$shownum; $i++ ) {
print "<tr><td class=index>".($i+1)."</td>\n";
if(isset($ws['cell'][$i]) && is_array($ws['cell'][$i]) ) {
for( $j=0; $j<=$ws['max_col']; $j++ ) {
if( ( is_array($ws['cell'][$i]) ) &&
( isset($ws['cell'][$i][$j]) )
){
// print cell data
print "<td class=\"";
$data = $ws['cell'][$i][$j];
$font = $ws['cell'][$i][$j]['font'];
$style = " style ='".ExcelFont::ExcelToCSS($exc->fonts[$font])."'";
switch ($data['type']) {
// string
case 0:
print "dt_string\"".$style.">";
$ind = $data['data'];
if( $exc->sst['unicode'][$ind] ) {
$s = uc2html($exc->sst['data'][$ind]);
} else
$s = $exc->sst['data'][$ind];
if( strlen(trim($s))==0 )
print " ";
else
print $s;
break;
// integer number
case 1:
print "dt_int\"".$style."> ";
print $data['data'];
break;
// float number
case 2:
print "dt_float\"".$style."> ";
echo $data['data'];
break;
// date
case 3:
print "dt_date\"".$style."> ";
$ret = $data[data];//str_replace ( " 00:00:00", "", gmdate("d-m-Y H:i:s",$exc->xls2tstamp($data[data])) );
echo ( $ret );
break;
default:
print "dt_unknown\"".$style.">  ";
break;
}
print "</td>\n";
} else {
print "<td class=empty> </td>\n";
}
}
} else {
// print an empty row
for( $j=0; $j<=$ws['max_col']; $j++ )
print "<td class=empty> </td>";
print "\n";
}
print "</tr>\n";
}
echo "</table><br>\n";
} else {
// emtpty worksheet
print "<b> - empty</b><br>\n";
}
print "<br>";
}
echo("<input type='submit' name='Submit' value='轉換' />");
echo("</form>");
/* print "Formats<br>";
foreach($exc->format as $value) {
printf("( %x )",array_search($value,$exc->format));
print htmlentities($value,ENT_QUOTES);
print "<br>";
}
print "XFs<br>";
for( $i=0;$i<count($exc->xf['format']);$i++) {
printf ("(%x)",$i);
printf (" format (%x) font (%x)",$exc->xf['format'][$i],$exc->xf['font'][$i]);
print "<br>";
}
*/
}

(繼續閱讀...)

valeritmfov8 發表在痞客邦留言(0) 人氣()

個人分類：NetYea

Jan 02 Thu 2025 06:12
PWM晶片看得多了，那PWM節制又是怎麼一回事呢

網頁設計我們在研究散熱器和電扇的時辰往往會講到PWM，而且許多時辰支持PWM的產品會比不撐持PWM的顯得更高級一些。而在主板、顯卡還有電源評測中也會提到有PWM節制晶片，明顯對於PC來講PWM已是一個很普遍的存在。但是PWM是什麼？PWM為什麼會那麼主要？我們相信許多玩家可能連「知其然」都做不到，更別說「知其所以然」了。為此今天的超能教室我們就來捋一捋關於PWM的二三事，看看這個在PC中仿佛無處不在，看著有點臉熟但實際上還是很陌生的PWM究竟是何方神聖。

PWM晶片看得多了，那PWM節制又是怎麼一回事呢
主板上的PWM供電節制晶片
什麼是PWM？
PWM的全稱是Pulse Width Modulation，即脈衝寬度調製，其素質是一種數位訊號，主要由兩個組成部門來進行定義，別離是占空比和頻率，個中占空比值得是旌旗燈號為高電平狀態的時間量占有總周期時間的百分比，而頻率則代表著PWM旌旗燈號完成一個周期的速度，也就是決定旌旗燈號在高低電平狀況之間的切換速度。

PWM晶片看得多了，那PWM節制又是怎麼一回事呢
圖片源自National Instruments

掌控機遇絕版典藏｜MINI 60週年限量紀念版
Sponsored by MINI台灣總代理汎德
今朝PWM已被普遍利用在各類節制系統中，稀奇是各類摹擬電路的節制，大都離不開PWM信號。可能各人對此會感應疑惑，PWM既然是一種數位訊號，那怎麼會用在模擬電路的節制上呢？現實上PWM很大水平上就是為了實現模擬電路數字化控制而降生的，我們無妨舉例說明，當一個數位訊號源的高電平為5V、低電平為0V的情形下，假如想要用這個數位訊號源輸出相當於3V的摹擬信號，那麼我們就可以將這個數位訊號以PWM占空比60%的體例進行輸出，也就是說一個信號周期內有60%的時候輸出5V，剩下40%的時候輸出0V，此時只要信號周期足夠短，也就是PWM頻率足夠快，那麼我們將取得一個輸出電平無窮接近於5V*60%=3V的旌旗燈號源，這就是PWM可以或許以數位訊號的身份節制摹擬電路的首要緣由。

以往摹擬電路的精確節制常常需要一個相對大範圍的電路，不但笨重並且功耗與發燒都不低。比擬之下經由過程PWM這種數位訊號來節制摹擬電路，既可以確保精準度，又可以有效下降控制電路的體積與功耗，是以PWM很快就成為了今朝一種主流的電路節制模式，直流電機、閥門、液壓系統、電源等各個範疇中我們都能看到PWM的身影，在PC上也是如斯，PC主板、顯卡都採用了PWM進行供電控制，散熱風扇也普遍利用PWM手藝，PC電源裡面也少不了PWM的身影。

散熱電扇的PWM手藝
常見的散熱風扇調速有兩種，離別是DC調速和PWM調速，其中DC調速又可以叫做電壓調速，簡單來講就是直接調劑加載於電扇上的電壓來進行轉速節制。而控制電扇電壓的體例有許多種，對照直接的方式就是外接電阻來進行分壓，例如各種風扇減速線採用的就是這個體式格局。不外這種電壓節制方式也有一個很明顯的瑕玷，那就是由於電扇的轉速未必與電壓呈線性關係，例如一把電扇的標稱電壓為12V，當你只給它6V電壓時其轉速未必為一半，更多的多是因為其啟動電壓至少為7V，只加載6V的話會電壓不足而無法啟動，是以想要精準地節制電扇的轉速，直接調劑風扇的輸入電壓往往不是一個幻想選擇。

PWM晶片看得多了，那PWM節制又是怎麼一回事呢
撐持PWM調速的風扇都採用4pin接口

你的提案讓台灣更誇姣－2020年總統盃黑客松報名開跑
Sponsored by 經濟部中小企業處
而採用PWM節制的電扇就沒有上述的問題，固然從道理上說，電扇所用的PWM調速也算是一種電壓調速，只是其顯露出來的是「等效電壓」而非「現實電壓」。由於PWM是經由過程占空比來調整輸出旌旗燈號的電平高低，因此轉換為電扇電壓時也就只有12V和0V的區分，只是通電時候長短有所分歧，簡單來講就是電扇上固然加載的是等效6V的電壓，但其現實上是占空比為50%的12V電壓，這個時辰電扇就不存在「啟動電壓」的問題了，而且電扇轉速與PWM的占空比基本呈線性關係，這使得風扇轉速的節制變得十分簡單。

固然了這個PWM信號並非作為驅動風扇的電源利用，而是用來驅動電扇內部的三極體或MosFET，以此實現對電扇的輸入控制，因此支持PWM控制的電扇除有供電、檢測和接地三根線外，還會有一根額外的PWM節制線。而受PWM控制電扇轉速的啟發，有部門主板也在電扇接口上加入了PWM控制模塊，經由過程PWM來節制電扇的輸入電壓，讓3pin接口的電扇也能實現近乎線性的轉速節制。不外這類設置裝備擺設根基上只有中高端主板才會享用，真正普及的仍然是直接撐持PWM節制的4pin電扇接口。

供電電路的PWM手藝
主板、顯卡和PC電源固然是三個判然不同的硬體，可是就供電所用的手藝來講卻是大同小異，PC電源是通過各類拓撲架構和PWM手藝將市電的交流輸出變為12V、5V、3.3V、-12V等分歧的輸出電壓，而主板和顯卡則是將PC電源的供電經由過程PWM手藝改變為CPU和GPU等晶片所需要的電壓和電流，是以今朝主板、顯卡和PC電源基本上都利用了PWM供電節制手藝。
PWM晶片看得多了，那PWM節制又是怎麼一回事呢

PC電源中的PWM控制晶片
PWM控制電壓的手藝放在什麼硬體上都是一樣的，就是經由過程節制占空比來節制「等效電壓」。顯卡、主板和PC電源上的自然也是如斯，只是由於它們所帶的負載對電壓和電流的不亂度要求很高，是以低速的PWM不合適用在供電控制上。今朝業內遍及做法是，電源的PWM控制需要利用不低於20kHz的頻率，建議是利用200kHz或以上的，因為越高的頻率越有利於調劑的響應速度。
PWM晶片看得多了，那PWM節制又是怎麼一回事呢

電壓控制型PWM
固然用在供電上的PWM控制比起風扇上的明顯會複雜很多，因為供電電路面臨的大多半是恆定電壓、動態電流的負載，因此用在供電上的PWM節制就不但要斟酌裝備的輸入電壓，還要斟酌到輸入電流。供電電路所用的PWM節制大體上可以分為電壓節制型PWM和電流節制型PWM，前者是經由過程電壓反饋線路比較基準電壓和現實輸出電壓，然後經由過程調劑PWM的占空比來穩定輸出電壓。這類電路的構成對照簡單，然則用在供電電路中會有一個較著的瑕玷，那就是由於現實電路中常常會存在電容和電感等元件，電流與電壓的變化會紛歧致，對於低功耗、低響應需求的電路來說還問題不大，可是對於高功耗和動態轉變雄厚的電路來講，電壓節制型PWM常常不克不及馬上響應設備對供電轉變的需求，從而導致電路不不亂，沒法正常工作。

PWM晶片看得多了，那PWM節制又是怎麼一回事呢

(繼續閱讀...)

valeritmfov8 發表在痞客邦留言(0) 人氣()

個人分類：NetYea

Jan 02 Thu 2025 05:36
網頁設計 CKeditor 4.11.1 網頁編纂器與CKfinder 2.6.2.1 圖片上傳PHP5.4應用

在搜索引擎不斷改版網頁不得不進入https
所今後台編纂器圖片上傳也變得不克不及用了
不得已又請教了谷哥大神
多方測驗考試後，找到
CKeditor 4.11.1 網頁編纂器與CKfinder 2.6.2.1 圖片上傳可以用

網頁設計 CKeditor 4.11.1 網頁編纂器與CKf

檔案下載了今後，籠蓋之前檔案
找到 ckeditor/config.js

CKEDITOR.editorConfig = function( config ) {
// Define changes to default configuration here. For example:
// config.language = 'fr';
// config.uiColor = '#AADC6E';
}

(繼續閱讀...)

valeritmfov8 發表在痞客邦留言(0) 人氣()

個人分類：NetYea

Jan 02 Thu 2025 03:19
jQuery cxSelect 聯動下拉選單若何撈出預設值

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，也可以自界說，數據內容利用JSON 格式。
同時兼容Zepto，利便在移動端使用。
國內省市縣數據來源：basecss/cityData Date: 2014.03.31
全球主要城市數據來曆：收拾整頓國內常用網站和軟件Date: 2014.07.29

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

利用方式载入 JavaScript 文件

(繼續閱讀...)

valeritmfov8 發表在痞客邦留言(0) 人氣()

個人分類：NetYea

Jan 02 Thu 2025 00:58
CPanel 服務器用transfer Tool對拷主機, 有些網站顯示error 500

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

CPanel 服務器用transfer Tool對拷主機,

找了一下.htaccess檔案內多了

(繼續閱讀...)

valeritmfov8 發表在痞客邦留言(0) 人氣()

個人分類：NetYea

Jan 01 Wed 2025 06:39
opencart 3.0.2 升級到 4.0.2.3 步伐與問題網頁設計

1. 備份資料庫及網站檔案

2. 起首到官網下載opencart 4.0.2.3
https://www.opencart.com/index.php?route=cms/download/history

3. 解壓縮檔案並上傳

4. 確認平台支援 PHP 8.2+

5. 建立config.php 及 admin/config.php 可寫只填 DB訊息

// DB
define('DB_DRIVER', 'mysqli');
define('DB_HOSTNAME', 'localhost');
define('DB_USERNAME', 'xxxx');
define('DB_PASSWORD', 'xxxx');
define('DB_DATABASE', 'xxxx');
define('DB_PORT', '3306');
define('DB_PREFIX', 'oc_');

(繼續閱讀...)

valeritmfov8 發表在痞客邦留言(0) 人氣()

個人分類：NetYea

Jan 01 Wed 2025 05:43
網頁設計使用Highcharts實現柱狀圖、餅狀圖、曲線圖三圖合一

在數據統計和分析營業中，有時會遇到客戶需要在一個圖表中將柱狀圖、餅狀圖、曲線圖的都表現出來，即可以從柱狀圖中看出具體數據、又能從曲線圖中看出變化趨向，還能從餅狀圖中看出各部份數據比重。Highcharts可以輕鬆實現三圖合一的結果。

(繼續閱讀...)

valeritmfov8 發表在痞客邦留言(0) 人氣()

個人分類：NetYea

Jan 01 Wed 2025 04:32
網頁設計 Yolov8 PyTorch出現 An attempt has been made to start a ne

近從新調試一段pytorch 程式碼，之前的伺服器上完全沒問題，但換了一台機械，重新安裝了新版本的cuda， anaconda ，pytorch 等，之前的程式碼泛起各類版本不合適的問題。
問題：
此刻說說這個問題。運行pytorch 時呈現的情形以下：

RuntimeError:
An attempt has been made to start a new process before the
current process has finished its bootstrapping phase.
This probably means that you are not using fork to start your
child processes and you have forgotten to use the proper idiom
in the main module:
if __name__ == '__main__':
freeze_support()
...
The "freeze_support()" line can be omitted if the program
is not going to be frozen to produce an executable.

(繼續閱讀...)

valeritmfov8 發表在痞客邦留言(0) 人氣()

個人分類：NetYea

Jan 01 Wed 2025 03:49
網頁設計 YOLO v4 環境建置 - Win10

情況 WIN10 RTX 3070 TI

設置裝備擺設一覽:

(繼續閱讀...)

valeritmfov8 發表在痞客邦留言(0) 人氣()

個人分類：NetYea

Jan 01 Wed 2025 03:06
如何用bing登錄網站

很多人架好網站後卻發現YAHOO或GOOGLE搜索不到本身網站

卻不知道哪裡出了問題？實際上是因為新建置的網站並沒有被各大搜索引擎收錄

(繼續閱讀...)

valeritmfov8 發表在痞客邦留言(0) 人氣()

個人分類：NetYea

Jan 01 Wed 2025 02:40
網頁設計 Android手機若何用Arduino藍芽連線ESP32節制蜘蛛機器人

ESP32 節制 TB6612FNG 直流馬達驅動∕節制板請看這篇

利用Android手機若何用Arduino藍芽連線ESP32節制蜘蛛機械人
需要利用雙電源
若是使用單電源，電流會被馬達抽走
ESP32晶片電流不足會沒法正常運作

(繼續閱讀...)

valeritmfov8 發表在痞客邦留言(0) 人氣()

個人分類：NetYea

«1 ...4 56 7 8 ...11 »

站方公告

活動快報

痞客邦...

newdirect

看更多活動好康

我的好友

熱門文章

文章分類

NetYea (205)

最新文章

最新留言

動態訂閱

文章精選

所有文章列表

文章搜尋

新聞交換(RSS)

誰來我家

參觀人氣

本日人氣：
累積人氣：

QR Code

qrcode

POWERED BY

(登入)