Neo的程式人生

如果 Qt label 的大小與圖片大小不符合，怕會過大過小，要讓這些圖片可以適應 label 的大小，Code 如下 : ui.label->setPixmap(QPixmapLLfromImage(mat2Qimg(img)).scaled( ui.label->width(), ui.label->height(), Qt::ignoreAspectRatio, Qt::SmoothTransformation));

要將Mat格式的圖片顯示在 Qt UI 上的 label, 需進行轉換， Code 如下 : Qimage mat2Qimg(Mat& mat){ cv.cvtColor(mat, mat, COLOR_BGR2RGB); QImage Qimg((const unsigned char*) mat.data, mat.cols, mat.rows, mat.step, QImage::Format_RGB888); return Qimg;} Mat img = cv.imread("xxx.bmp",CV_LOAD_IMAGE_COLOR); ui.label->setPixmap(QPixmap::fromImage(mat2Qimg(img)));

相關配置如下 , 有些雜亂, 有空在修正: Visual Studio 2019 (因專案需求已安裝MSVC2015) Qt 5.13.2 Qt VS Tools 2.4.2(rev.9) 簡易建置流程 : https://download.qt.io/archive/qt/  選擇需要的版本, 個人偏好最新版的前一版 下載完安裝到底, 記得要勾選 Core, Widgets, Gui https://download.qt.io/development_releases/vsaddin/2.4.2/  選擇安裝rev.9的版本, 因最新版有BUG, 詳情參閱 :  https://netoken27.blogspot.com/2019/12/c-mutex-is-not-supported-when-compiling.html 安裝完畢後, 將以下幾個dll丟到VS專案底下 : Qt5Core.dll Qt5Cored.dll Qt5Gui.dll Qt5Guid.dll Qt5Widgets.dll Qt5Widgetsd.dll 接著到Visual Studio進行設置 延伸模組 Qt VS Tools Qt Options Add D:\Qt\Qt5.13.2\5.13.2\msvc2015_64 最後新增專案 Qt GUI Application, 編譯看是否能顯示GUI PS. 我沒特別設置環境變數

使用Visual Studio 去建置Qt方案時出現以下訊息 : Qt：GetVarsFromMakefile 任務意外失敗 原因貌似是一個 Qt 5.14 的 Bug, 詳細如下: https://bugreports.qt.io/browse/QTVSADDINBUG-722 解決方式如下 : 於延伸模組移除Qt Visual Studio Tools 至 https://download.qt.io/development_releases/vsaddin/2.4.2/  , 下載並安裝rev.09.vsix

使用CLR專案去建置GUI並搭配CGAL的套件，出現以下訊息 : [C++] Mutex is not supported when compiling with /clr or clr:pure  目前已知原因如下 : C++ / CLR在編譯時不允許使用<mutex>, <thread>, <future>, <condition_variable>。 CGAL編譯時所包含的Boost裡有<boost/thread/mutex.hpp>, 因此編譯器會有不兼容的問題。 解決方法目前還在想，但有一個方法可能可以試試 : 將thread額外拿出來自己寫, 重新繼承? (網路上查到的, 還未確認)

首先需要一些事前準備的安裝軟體，如下 : Visual Studio (版本隨意，我自己是用2019，盡量不要2013) CMake (URL:  https://cmake.org/download/ ) CGAL (4.11.3, URL:  https://github.com/CGAL/cgal/releases ) EIGEN (3.2.10, URL :  http://eigen.tuxfamily.org/index.php?title=Main_Page ) BOOST (1.65.1, URL :  https://sourceforge.net/projects/boost/files/boost-binaries/1.65.1/ ) Visual C++ (14.0, MSVC140) 特別要注意的是Visual C++版本， 我直接上2019的原因就是有很多相關SDK或Framwork都比較新， 可以向下相容，比較不會有少東少西的問題， 但要注意的是MSVC版本到底是要以哪個為主， 如果是要以MSVC140，那Visual Studio 2019安裝時記得要裝MSVC140相關的套件! CMake的部分，詳細如下 :  where is the source code : CGAL路徑 where to build the binaries : CGAL路徑\build (自行建立一個build資料夾) 執行configure，選擇Visual Studio版本 執行後發現有些路徑需要設置，例如 : BOOST、EIGEN3... 設置路徑完畢後將以下打勾 BUILD_SHARED_LIBS BUILD_TESTING CGAL_DONT_OVERRIDE_CMAKE_FLAGS CGAL_ENABLE_PRECONFIG WITH_CGAL_Core WITH_CGAL_ImageIO WITH_Eigen3 WITH_GMP WITH_MPFR 執行Generate以及Open Project 選擇Debug / x64  ALL_BUILD右鍵建置 選擇Release / x64 ALL_BUILD右鍵建置 最後在lib底下有出現相關lib以及bin

常常Visual Studio建立專案時，會缺少各種xxx.dll，這邊紀錄一下解決方法 :  將 dll 丟進去 system32  丟進 Visual Studio 專案內

工作編譯CGAL發生的問題， 最後檢查發現應該是CGAL版本與MSVC版本對應不一樣， boost_1_65_1-msvc-14.1-64.exe = MSVC 14 boost_1_65_1-msvc-12.0-64.exe = MSVC 12 總之就是太粗心了...要注意

於cmd底下 chcp 65001  //將編碼轉UTF-8 貌似這樣還是不行，若有新解法會在更新

當ubuntu下指令sudo apt install之時，出現以下錯誤訊息 E: Could not get lock /var/lib/dpkg/lock-frontend - open (11: Resource temporarily unavailable) E: Unable to acquire the dpkg frontend lock (/var/lib/dpkg/lock-frontend), is another process using it? 解決方式如下 sudo rm -R /var/lib/apt/lists/lock sudo rm -R/var/lib/dpkg/lock sudo rm -R/var/cache/apt/archives/lock

先更改密碼，在切換使用者帳號至root sudo passwd root sudo su -

動態連結函式庫 （英語： Dynamic-link library ，縮寫為 DLL ）是 微軟公司 在 微軟視窗 作業系統 中實現共用 函式函式庫 概念的一種實作方式。這些函式庫函式的 副檔名 是 .DLL 、 .OCX （包含 ActiveX 控制的函式庫）或者 .DRV （舊式的系統 驅動程式 ）。 所謂動態連結，就是把一些經常會共用的程式碼（靜態連結的 OBJ 程式庫）製作成DLL檔，當執行檔呼叫到DLL檔內的函式時，Windows作業系統才會把DLL檔載入記憶體內，DLL檔本身的結構就是可執行檔，當程式有需求時函式才進行連結。透過動態連結方式，記憶體浪費的情形將可大幅降低。 靜態連結函式庫 則是直接 連結 到執行檔。 DLL的檔案格式與視窗 EXE 檔案一樣——也就是說，等同於 32位元 視窗的 可移植執行檔案 （PE）和 16位元 視窗的 New Executable （NE）。作為EXE格式，DLL可以包括 原始碼 、 資料 和 資源 的多種組合。 轉至  WIKI

首先更新apt到最新並下載ipython3以及相關套件 sudo apt update sudo apt install python3-pip  sudo apt install notebook 接著進入ipython去產生SHA密碼 ipython import IPython IPython.lib.passrd() 輸入密碼會產生sha密碼 接著產生swarm cluster sudo docker service create --name 'cluster名稱' -d -p 8888:8888 -e GRANT_SUDO=yes jupyter/base-notebook start-notebook.sh --NotebookApp.password='SHA密碼' sudo docker service scale 'cluster名稱'=1 sudo docker exec --user root -it 'cluster名稱' bash NFS 共享Storage設置 sudo apt install nfs-kernel-server (manager node) sudo apt install nfs-common (worker node) sudo vim /etc/exports sudo mkdir -p /mount/nfs_volume /mount/nfs_volume 192.168.80.0/24(rw,sync,no_root_sqush) sudo nfs-kernel-servel restart mount -t nfs 192.168.80.129:/mount/nfs_volume /mount/nfs_volume 最後暫定指令，指令必須連結至jupyter的預設目錄 sudo docker service create --name jup-base --mount 'type=volume,src=nfs_volume,dst=/home/jovyan/work,volume-driver=local,volume-nocopy=true,volume-op

sudo gedit /etc/hostname #將內容更改為新名稱 sudo gedit /etc/hosts #將127.0.1.1旁邊的名稱更改為新名稱

docker ps #顯示正在執行之container docker ps -a #顯示所有未死之container docker stats #查看CPU、記憶體和網路使用狀況 docker pull #下載映像檔 docker images #查看目前以下載的映像檔 docker rmi #刪除映像檔 docker run -it -d -p 8080:80 tensorflow/tensorflow:nightly-py3-jupyter  #-d :背景執行 #--name : 取一個指定名稱，方便管理 #-i : 讓標準輸入維持在打開的狀態 #-t : 替container配置一個虛擬的終端機 #-p : 將主機的Port綁定到container的port，上述例子就是把主機的8080 port綁至container的80 port #--rm : 當container執行結束後自動移除 docker exec -it xxxxxxx bash #進入container docker stop xxxxxx #停止執行中的container，無記憶體存 docker start xxxxxx #啟動停止中的container docker restart xxxxxx #重開啟動container docker rm xxxxxx #刪除container，完全消失 docker pause xxxxxx #暫停執行中的container，有記憶體存 docker unpause xxxxxx #執行暫停中的container docker rename xxxxxx #重新命名container docker kill xxxxxx #刪除執行中的container，但還是存在 docker logs xxxxxx #查看紀錄 docker attach xxxxxx #進入container 以下是需注意的小技巧 如果已經在container內，要暫時要離container內部回到Host中，可以按 ctrl+p and ctrl+q，此時container狀態還是會維持在up，這種方法是將container丟到背景繼續執行。若想回去container，可以用docker attac

顯示Currently running servers，可顯示token去設定密碼 jupyter notebook list 設定密碼 jupyter notebook password 產生預設config jupyter notebook --generate-config

docker service create --name="名稱" nginx docker service ps "集群名稱" docker service ls docker service rm xxxxx # 刪除正在執行中的映像檔 docker node rm -f "node name" #移除node  docker node demote "node name"#降級node docker node promote "node name"#升級node docker node update --availability drain "node name" #維護node docker node update --availability active "node name" #回復node

紀錄一下最近的生活... - 2018/08 碩士畢業 2018/08 兵役開始 2018/12 兵役結束 2019/01 前東家上工 2019/05 出國遊玩 2019/09 前東家離職 2019/10 新公司上工 - 去年2018年順利在八月碩士畢業，也在碩士前被某間小公司相中，得到Offer，但在此前需要服完中華民國應盡的兵役義務，八月底進去十二月多出來，一月馬上直接進入公司擔任AI工程師職務並上工。 其實我也是懶惰，沒打算去找更多公司去比較，太年輕沒想太多，在高雄薪水不錯，離家也近，感覺也沒什麼好挑剔的，進來以後才發現有很多事物，是比薪水還重要的，讓我簡短說明一下。 - 第一天上工就要求我去尋找有沒有什麼Idea可以開發，因為他們也不知道要我做什麼，畢竟我是第一個被找進去做AI相關的工程師，想的Idea又不能跟太遜，必須要跟別人不一樣且可以有收益的，對我來說是相當的困難，如果我想得到的話，當初碩士論文題目以及大學專題題目，我早就想出一堆驚人的題材了，因此我腦中有個想法，我是不是走錯地方了? 沒有團隊只有我一人，沒有已開發的產品，沒有前人的Code或是想法，一切都要我一個人自己來，我能拿到的資源就是一台筆電，其他的AI主機或是攝影機也拿不太到，基本上一切都要靠自己，還要依靠自己的人脈，這一切都讓我越來越害怕，但自己覺得是不是要做久一點才好，不要太早走，不然履歷不好看，也有一點點自己想要拚出一片天，直到... 公司出現一些問題，讓我發現即使我做出成績，年底的年終或加薪也不太可能發生，說我能力不足也是有可能，但一個人盲目地做這些東西，成長真的有限，因此產生了想走的念頭。 有一天以前的學長問我要不要去他們公司面試，我就開始猶豫了，是不是時間到了，一切就這麼剛好都在八九月，外界詢問我，公司也有些問題，我自己也累了，於是我開始面試了新公司。 - 我面試了兩間公司，一間在高雄楠梓加工區，另一間在南科，我在面試的時候都特別詢問，你們團隊有幾人，會分工嗎，我一進去就可以有工作做嗎，我在意的反而是工作內容和工作環境，跟我剛出社會想要的完全不同，最後兩間公司的內容與環境差不多，轉而薪水評估，設原公司薪水為N，高雄少個2-3K我就留在高雄，結果高雄那間公司-5K，台南公司+3K

裝了VMware 15 player以及Ubuntu16.04，想複製文字至虛擬機時都無法，解法如下 : sudo apt autoremove open-vm-tools sudo apt install open-vm-tools sudo apt install open-vm-tools-desktop

此紀錄安裝以及建置過程: 1. 兩台以上的Ubuntu 16.04 manager 192.168.80.1 worker01 192.168.80.2 2. hosts文件設置 sudo vim /etc/hosts 新增以下配置至尾 192.168.80.1 manager 192.168.80.2 worker01 3. 安裝Docker-ce 於此步驟在所有主機上安裝Docker-ce Community Edition，使用以下命令安裝Docker-ce相關依賴套件 sudo apt install apt-transport-https software-properties-common ca-certificates -y 接著增加Docker金鑰和Docker-ce的repo加入至套件清單中 curl -fsSL https://download.docker.com/linux/debian/gpg | sudo apt-key add - cd /etc/apt/sources.list.d sudo vim docker.list 增加下列指令 deb https://download.docker.com/linux/ubuntu zesty edge 儲存並離開，接著以下指令 sudo apt update sudo apt install docker-ce  測試是否安裝成功 sudo docker run hello-world 驗證安裝成功後，啟動docker並設置系統開機時啟動 systemctl start docker systemctl enable docker 接著建立普通用戶或是非root用戶，並將用戶新增至"docker"的組裡 useradd -m -s /bin/bash user01 sudo usermod -aG docker user01 登入user01用戶並驗證執行 sudo su - user01 docker run hello-world 接著創建Swarm的Cluster，首先在manager節點上初始化Swarm，並將work0

執行Vmware workstation 15 player時，噴出以下訊息 : VMware Player and Device/Credential Guard are not compatible. VMware Player can be run after disabling Device/Credential Guard. 可能原因是Device Guard或Credential Guard和Workstation不相容，又或是Windows系統的Hyper-V不相容問題，解決方法如下 : 1. 禁用Device Guard或Credential Guard : 執行 -> 輸入 gpedit.msc ->開啟 "本機群組原則編輯器" 依序找尋 "本機電腦原則" -> "電腦設定" -> "系統管理範本" -> "系統" -> "Device Guard" ->"開啟虛擬化型安全性" -> 選擇 "已停用" 2. 對開始按滑鼠右鍵選擇 "應用程式與功能" -> "程式與功能" -> "開啟或關閉Windows功能" -> 關閉Hyper-V 3. 以管理員身分執行cmd -> 輸入指令 "bcdedit /set hypervisorlaunchtype off" 並且重新啟動電腦 

Language Information : C++ Description : Reverse Integer URL :  https://leetcode.com/problems/reverse-integer/ Code : class Solution { public: int reverse(long long int x) { long long int sum = 0; long long int num = abs(x); vector<int> vec; while(num>0){ long long int temp = num%10; vec.push_back(temp); num = num/10; } for(int i=0;i<vec.size();i++){ sum += vec[i]*pow(10,vec.size()-i-1); } if(x<0){ sum = 0-sum; } if(sum < INT_MIN || sum > INT_MAX){ return 0; }else{ return (int)sum; } } }; - 使用迴圈去%10並存入vector， 在使用迴圈反過來乘上十的N次方， 要注意負數， 再來要注意到此題要求最終答案小於int的範圍要回傳0。

Language Information : C++ Description : Two Sum URL :  https://leetcode.com/problems/two-sum/ Code : class Solution { public: vector<int> twoSum(vector<int>& nums, int target) { vector<int> vec; for(int i=0;i<nums.size();i++){ for(int j=i+1;j<nums.size();j++){ if(target-nums[i]==nums[j]){ vec.push_back(i); vec.push_back(j); break; } } } return vec; } }; - 宣告一個 arrayList  = []去存結果， 使用最外層的 for loop 巡 nums 這個 input list， 宣告參數 subSum 讓 target 減去正在被巡的for element， 使用內層 for loop 再次巡 nums 並找出是否還有相減後相符的數字， 找到後將其位置 append 至 arrayList， 若未找到則將 subSum 歸零，重新繼續尋找。

Language Information : Python3 Description : Two Sum URL :  https://leetcode.com/problems/two-sum/ Code : class Solution: def twoSum(self, nums: List[int], target: int) -> List[int]: arrayList = [] for i in range(len(nums)): subSum = target - nums[i] for x in range(i,len(nums)): if x==i: continue elif subSum == nums[x]: arrayList.append(i) arrayList.append(x) return arrayList break else: pass subSum = 0 - 宣告一個 arrayList  = []去存結果， 使用最外層的 for loop 巡 nums 這個 input list， 宣告參數 subSum 讓 target 減去正在被巡的for element， 使用內層 for loop 再次巡 nums 並找出是否還有相減後相符的數字， 找到後將其位置 append 至 arrayList， 若未找到則將 subSum 歸零，重新繼續尋找。

1.transforms.ToTensor() ToTensor()將shape(H,W,C)轉為shape(C,H,W)的tensor, 將每一個數值歸一化為[0,1], 直接將數值除255 2.transforms,Normalize() transforms.Compose([transforms.ToTensor(),transforms.Normalize(std=(0.5,0.5,0.5),mean=(0.5,0.5,0.5))]), 將輸入歸一化至[0,1], 再使用公式 (x-mean)/std, 將圖片的三通到分佈至[-1,1]

安裝過程噴錯 Error using mex Unknown MEX argument '-R2017b-largeArrayDims'. Error in mexopencv.make (line 97) if ~opts.dryrun, eval(cmd); end 解決方法，去make.m的第275~281行，註解掉 % real/imaginary storage format for complex arrays if ~mexopencv.isOctave() && ~verLessThan('matlab', '9.4') % keep using the "separate complex storage", as opposed to the % "interleaved complex storage" introduced in R2018a % (see MX_HAS_INTERLEAVED_COMPLEX) %mex_flags = ['-R2017b' mex_flags]; end

在windows 的 cmd 下 ls 會出現 'ls' 不是內部或外部命令、可執行的程式或批次檔。 解決方法 : 在C:/Windows下新增 'ls.bat'，內容為 : @echo off dir 完成!

先下載OpenCV，版本自選，應該會得到xxx.zip - 安裝相關套件 $yum install cmake $yum install gcc gcc-c++ kernel-devel gcc-essential gcc-gfortran $yum install git ibgnomeui-devel gtk2 gtk2-devel gtk2-devel-docs - 確認自己有沒有pkg-config --version ，我是使用 0.27.1，沒有的話自行裝一下 - 安裝epel擴展及其他相關擴展 $yum -y install epel-release $yum localinstall –nogpgcheck https://download1.rpmfusion.org/free/el/rpmfusion-free-release-7.noarch.rpm $yum localinstall –nogpgcheck https://download1.rpmfusion.org/nonfree/el/rpmfusion-nonfree-release-7.noarch.rpm - 安裝ffmpeg-deve $yum -y install ffmpeg ffmpeg-devel $ffmpeg -version - 安裝opencv其他依賴 $yum install python-devel numpy $yum install libdc1394-devel $yum install libv4l-devel $yum install gstreamer-plugins-base-devel - Cmake編譯 $cd opencv $mkdir build $cd build $cmake -D WITH_TBB=ON -D WITH_EIGEN=ON ..  $cmake -D BUILD_DOCS=ON -D BUILD_TESTS=OFF -D BUILD_PERF_TESTS=OFF -D BUILD_EXAMPLES=OFF ..  $cmake -D WITH_OPENCL=OFF -D WITH_CUDA=OFF -D BUILD_opencv_gpu=OFF -D BUILD_opencv_gpua

主要環境 : Windows, TensorFlow, C++, Visual Studio 安裝流程簡單說一下，網路有很多資料，都差不多。 以下為我安裝的各版本，只能說版本真的很重要，要去看文件是否有相通，版本可看 版本對應查詢 。 TensorFlow v1.10 Python v3.5 Visual Studio v2015 Cmake v3.12.0 SWIG v3.0.12 Git v2.20.1 首先先去Github下載對應的版本TensorFlow，記住不要錯...發生別的問題請自行解決。 接著CMake配置如圖，tensorflow的勾選部份自己斟酌吧，後來我有增加打勾tensorflow_GRPC_SUPPORT，網路上的人不推薦，這就看各位吧 : 接著Open Project，進入VS2015編譯，接著我只講我遇到的BUG與解法，沒遇過的別問我，我也不想碰到。 1.找不到 device_attributes.pb_text.h 個人解法: 工具 專案與方案 建置並執行 設置為 1 為平行專案組件的最大數目 2.找不到grpc/grpcpp.h 個人解法: 直接git clone https://github.com/grpc/grpc.git 將噴錯的專案右鍵"屬性" c/c++ 其他include目錄 增加clone下載的grpc\include 3.噴c_api.cc.obj有問題，從錯誤去看，看內容是有關WorkerCacheInterface之類的，我判斷是跟沒有弄到/tensorflow/core/distributed_runtime可能有些許關係，再往下查發現這跟grpc套件可能有關。 因此我重新使用CMake 把tensorflow_ENABLE_GRPC_SUPPORT打勾 把解法二的include增加都拿掉 重新編譯 成功產生tensorflow.lib/dll 4.fatal error LNK1181: 無法打開輸入文件“\pywrap_tensorflow_internal.lib” 個人解法 : 將 _beam_search_ops、_gpu_ops、_lst

假設 Input : 28×28 Filter : 2×2 Stride: 2 透過公式 N = (Input - Filter) / Stride + 1 N = (28 - 2) / 2 + 1 = 14

怎樣編譯都出問題...直到看到這個表格...版本對了真的很重要呢...浪費我一整天... CPU 版本 Python 版本 编译器 构建工具 tensorflow-1.12.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3 tensorflow-1.11.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3 tensorflow-1.10.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3 tensorflow-1.9.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3 tensorflow-1.8.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3 tensorflow-1.7.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3 tensorflow-1.6.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3 tensorflow-1.5.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3 tensorflow-1.4.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3 tensorflow-1.3.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3 tensorflow-1.2.0 3.5-3.6 MSVC 2015 update 3 Cmake v3.6.3 tensorflow-1.1.0 3.5 MSVC 2015 update 3 Cmake v3.6.3 tensorflow-1.0.0 3.5 MSVC 2015 update 3 Cmake v3.6.3 GPU 版本 Python 版本 编译器 构建工具 cuDNN CUDA tensorflow_gpu-1.12.0 3.5-3.6 MSVC 2015 update 3 Bazel 0.15.0 7 9 tensorflow_gpu-1.11.0 3.5-3.6 MSVC 2015 update 3 Bazel 0.15

最近要在Spyder上安裝OpenCV ，而我在Anaconda裡有架設兩個環境 ，所以剛好兩個環境的Python版本不一樣，一個為 3.6.8 ，另一個則為 3.7.1 ，因此我在這遇到的原因是版本不一，把版本改一下即可! Python查看版本指令 : 1.進入Anaconda Prompt，activate自己環境 2.進入python 3.>>>help()

TensorFlow安裝或更新版本至1.12.0時，會噴出下圖顯示numpy噴錯。 貌似有相容性問題，因此將numpy版本從1.16.0降至1.15.4就行了。 pip install -i https://pypi.tuna.tsinghua.edu.cn/simple numpy==1.15.4