模型出错了，请稍后重试~
从明天开始，我开始休年假，准备去云南逛一逛，估计这段时间又无法更新公众号，还请大家谅解。
| 导语 最近几年，学术界、工业界、投资界各方一起发力，人工智能发展得如火如荼，硬件、算法与数据共同发展，带来了各行各业的深度应用。而我们前端er更像一个事不关己的旁观者。在前端领域，我们如何乘上这个风口，又有什么样的方法可以用AI赋能我们的老本行。文章没有啰嗦，只有code和干货 众所周知，前端相关的业务相当于整个业务的用户体验前哨站。 除了在性能优化、动画等传统的体验上做努力，我们又如何在：目标(手势、肢体)识别、语音识别分析、无障碍、语音分析、增强现实、情绪识别、画像细分等等，基于人工智能的交互体
Google 推出 TensorFlow.js 已有多年，JavaScript 也不知不觉成为了世界上最好的语言。相信对于大多数没接触过机器学习的前端工程师来说，都有一个共同的疑惑：TensorFlow.js 到底能做些什么？
你最喜欢用什么工具来编写机器学习模型？数据科学家们对这个永恒的问题会给出各种不同的答案。一些人喜欢RStudio，另一些人更喜欢Jupyter Notebooks。我绝对属于后者。
本文首先介绍了TensorFlow.js的重要性及其组件，并介绍使用其在浏览器中构建机器学习模型的方法。然后，构建使用计算机的网络摄像头检测身体姿势的应用程序。
从前面的Tensorflow环境搭建到目标检测模型迁移学习，已经完成了一个简答的扑克牌检测器，不管是从图片还是视频都能从画面中识别出有扑克的目标，并标识出扑克点数。但是，我想在想让他放在浏览器上可能实际使用，那么要如何让Tensorflow模型转换成web格式的呢？接下来将从实践的角度详细介绍一下部署方法！
“剪刀石头布”是我们小时候经常玩的游戏，日常生活中做一些纠结的决策，有时候也常常使用这种规则得出最后的选择，我们人眼能很轻松地认知这些手势，“石头”呈握拳状，“布”掌心摊开，“剪刀”食指和中指分叉，如何让机器识别这些手势呢？
在上一篇推送《重磅好消息！TensorFlow开始支持微信小程序》中，介绍了TensorFlow开始支持微信小程序平台，并计划将我之前开发的人工智能微信小程序识狗君使用tensorflow js改写。
最近业余时间做些创新探索，在微信小程序上实现找到纸或笔记本，定位，然后取到纸上的简笔画，之后进行简笔画识别，找到对应位置（之后可以在此位置上加载对应3d模型，实现ar效果, 对应ar官方案例：https://github.com/bbSpider/miniprogramThree）
选自Medium 作者：Mike Shi 机器之心编译 参与：Pedro、刘晓坤 Tensorflow.js 是一个能在你的浏览器里运行的全新深度学习库。本文将会介绍从原生 Tiny YOLO Darknet 模型到 Keras 的转换，再到 Tensorflow.js 的转换，如何利用其作一些预测，在编写 Tensorflow.js 遇到的一些问题，以及介绍使用联网摄像头/图像轻松地进行预测检测。 项目地址：https://github.com/ModelDepot/tfjs-yolo-tiny YOL
TensorFlow.js 的发布可以说是 JS 社区开发者的福音！但是在浏览器中训练一些模型还是会存在一些问题与不同，如何可以让训练效果更好？本文为大家总结了 18 个 Tips，希望可以帮助大家训练出更好的模型。
在成功调用官网打包好的tensorflowjs模型后，怎么调用自己的模型呢？又需要做哪些处理呢？
【导读】TensorFlow.js 的发布可以说是 JS 社区开发者的福音！但是在浏览器中训练一些模型还是会存在一些问题与不同，如何可以让训练效果更好？本文的作者，是一位前端工程师，经过自己不断的经验积累，为大家总结了 18 个 Tips，希望可以帮助大家训练出更好的模型。
Tensorflow.js 官方提供了很多常用模型库，涵盖了平时开发中大部分场景的模型。例如，前面提到的图片识别，除此之外还有人体姿态识别，目标物体识别，语音文字等识别。其中一些可能是 Python 转换而来，但都是开发人员用海量数据或资源训练的，个人觉得准确度能满足大部分功能开发要求。这里要介绍的是目标物体识别模型 ——CooSSD。
大家好 我一直探索更好玩地介绍机器学习，降低学习门槛，用其开发有趣，有价值的应用。之前介绍过很多机器学习应用方面的玩法，比如：gRPC部署训练好的机器学习模型，使用FastAPI构建机器学习API，用streamlit快速生成机器学习web应用 ，在Excel里玩机器学习。
TensorFlow.js 是谷歌在 2018 TensorFlow 开发者峰会推出的开源库，它可以使用 Java 和灵活且直观的 API 在浏览器中定义、训练和运行机器学习模型。另外，TensorFlow.js 可以导入离线训练的 TensorFlow 和 Keras 模型进行预测，并可以对 WebGL 实现无缝支持。
随着机器学习技术的普及，不再仅限于Python和数据科学专家。通过TensorFlow.js，你可以将强大的机器学习能力带入你的JavaScript应用中。不论是网页、移动端还是桌面应用，集成机器学习都能显著提升功能性和用户体验。在本指南中，我们将探讨如何设置TensorFlow.js，构建和训练模型，并实现实际应用。
TensorFlow一直努力扩展自己的基础平台环境，除了熟悉的Python，当前的TensorFlow还实现了支持Javascript/C++/Java/Go/Swift(预发布版)共6种语言。 越来越多的普通程序员，可以容易的在自己工作的环境加入机器学习特征，让产品更智能。
在 VFP 9 中，数据分组有三个增强。 第一个增强，是当报表中有多个自左向右而不是自顶向下打印的字段时，VFP 把组标头放在哪里。图12展示了在以前版本中，报表引擎把组标头放在细节带区的行里；它（指组标头）占据了第一列，而细节带区的内容只好从第二列开始。第一列被保留给组标头带区，即使你把这个带区的高度设置为0也一样，而且这么做的话，第一列就会是空白的。另外，它的高度还是固定的——等于细节带区的高度——所以如果组标头带区的高度高于细节带区的高度，那么组标头对象还可能会掩盖住细节带区的第二行中的对象们。
TensorFlow 的 JS 版本终于出啦，deeplearn.js 正式收编至 TensorFlow 项目，并改名为 TensorFlow.js ： 采用 WebGL 加速的基于浏览器的 JS 机器学习库。 摘要： 本文涉及 TensorFlow 基本概念的理解，迁移学习技术的实践应用，全文从技术聊到产品的玩法，设计师／产品经理只有懂得技术的新特性，才能为产品融入新的玩法。设计师也应该关注新技术带来的新的交互方式的变化，研究怎么样的交互方式才适合基于浏览器的深度学习应用。 阅读本文需要有 tensorf
TensorFlow 的 JS 版本终于出啦，deeplearn.js 正式收编至 TensorFlow 项目，并改名为 TensorFlow.js ：
支持上次修改的HTTP请求，以方便内容缓存。 相同的合同作为Servlet API中的getLastModified方法。 通过委派到org.springframework.web.servlet.HandlerAdapter.getLastModified实施。 默认情况下，任何控制器或HttpRequestHandler Spring的默认框架内可以实现此接口，以实现最后修改时间检查。 注：另类处理的实现方法有不同的最后修改的处理方式。 例如，Spring 2.5的（使用注释的控制器的方法@RequestMapping ）通过提供上次修改支持org.springframework.web.context.request.WebRequest.checkNotModified方法，允许主处理程序方法中最后一次修改检查。
缓存相关的内容占了 FastCGI 模块将近一小半的内容，当然，用过的人可能不多。而今天的内容说实话，我平常也没怎么用过。第一个是缓冲区相关的知识，其实和我们之前学习过的 client_body_buffer_size 有点类似，但它是针对后端动态程序的响应缓冲区来说的。另一个也是响应有关的，主要是响应头相关的一些配置。
我们在网上可以看到大量优秀的摄影作品，如何利用机器从网上获取大量的图片，从中提取出最佳的摆拍姿势供拍照时参考？首先我们得有大量的优秀摄影图片。然后，需要思考如何获得摄影作品中人物姿势的数据？待下文慢慢道来：
用npm install @tensorflow-models/body-pix安装，然后用es6模块来导入：
2016年7月18日，披露了一个名为HTTPoxy的CGI应用程序漏洞。攻击者可以通过传递带有请求的HTTPProxy 标头来利用易受攻击的部署，这会在联系支持服务时更改应用程序使用的URL。这可用于泄漏凭据，修改对应用程序的响应等。
这不仅仅是在构建产品，在这种情况下，部署是必要的 - 如果您要为管理生成报告，它也适用。十年前，高管不会质疑假设并将自己的数字插入Excel表格以查看发生了哪些变化，这是不可想象的。今天，一张难以理解的matplotlib数据的PDF可能会给初级副总裁留下深刻印象，但在经验丰富的高级副总裁眼中，这可能会给ML带来怀疑。
TensorFlow.js是为JavaScript开发者准备的开源库，可以使用JavaScript和高级图层API完全在浏览器中定义，训练和运行机器学习模型！如果你是一名机器学习新手，那么TensorFlow.js是开始学习的好方法。
前一段时间为了在微信小程序中使用tensorflow.js，对tfjs-core代码做了一些修改，具体情况请参考我之前写的几篇文档：
本文结构： 什么是 TensorFlow.js 为什么要在浏览器中运行机器学习算法 应用举例：regression 和 tflearn 的代码比较 ---- 1. 什么是 TensorFlow.js TensorFlow.js 是一个开源库，不仅可以在浏览器中运行机器学习模型，还可以训练模型。 具有 GPU 加速功能，并自动支持 WebGL 可以导入已经训练好的模型，也可以在浏览器中重新训练现有的所有机器学习模型 运行 Tensorflow.js 只需要你的浏览器，而且在本地开发的代码与发送给用户的代
假设你回到两年前，现在要让我写一个算法，拍摄一只手的图像，并确定它是石头、剪刀还是布。我会说这有可能实现，但需要给我 6 个月时间。
这里附上 Youtube 上这段视频的源代码，作者是 Siraj Raval：https://youtu.be/9KqNk5keyCc
推荐理由：打开SQL技能树的新思路。原文地址：https://medium.com/towards-data-science/how-to-use-openai-chatgpt-api-in-sql-9b60d2526a9e
curl 支持多种协议，如DICT、FILE、FTP、FTPS、Gopher、HTTP、HTTPS、IMAP、IMAPS、LDAP、LDAPS、POP3、POP3S、RTMP、RTSP、SCP、SFTP、SMTP、SMTPS、Telnet和TFTP。
iShot Pro是一款非常优秀的Mac截图软件，软件非常易于操作，主页面还设置了学习教程，可以轻松玩转软件所有功能，并且功能非常强大，不仅可以实现多种截图方式，还可以进行标注、贴图、取色、录屏、录音、OCR识别、截图翻译等功能，非常值得入手。
物联网 (IoT) 设备必须连接互联网。通过连接到互联网，设备就能相互协作，以及与后端服务协同工作。互联网的基础网络协议是TCP/IP。MQTT（消息队列遥测传输） 是基于 TCP/IP 协议栈而构建的，已成为 IoT 通信的标准。
正好可以趁这段时间学习学习，于是我还是沉下心搞了一下技术研究，接下来就说说从年前宅到现在折腾的东西吧。
本文将介绍如何从源码构建出 TensorFlow JS 库(tfjs)。对于大多数微信小程序开发者而言，并不需要经历这一步，要做的仅仅是把编译好的 tfjs 库加入微信小程序工程中。但我还是希望说说如何从源码编译出 tfjs 库，为什么呢？主要出于两个原因：
该文章介绍了.NET 4.5之前和之后版本对HTTP编程模型的不同之处，主要从请求和响应方面进行对比，并分析了.NET 4.5版本对HTTP编程模型的改进和优化。
概述 继续requests基础分享，本文主要分享以下内容： 请求头定制 POST请求 请求头定制示例 在requests中想要为请求添加自定义头信息，只需要简单的传入一个dict（即python字典类型对象）即可。 下面我们看一个简单的示例： #-*- coding:utf-8 -*-__author__ = "苦叶子"# 导入模块import requestsif __name__ == "__main__": print("开源优测 - requests自定义请求头基本示例") url
恩，这是一个很简单的表情识别——实际上就是入门级别的图片分类。使用方法就是在不同类别录入你女朋友的表情，然后在训练完毕后，会及时判断现在你女朋友的表情，再也不用猜她的想法了。
首先你听的最多的应该就是 HTTP 是一种 超文本传输协议(Hypertext Transfer Protocol)，这你一定能说出来，但是这样还不够，假如你是大厂面试官，这不可能是他想要的最终结果，我们在面试的时候往往把自己知道的尽可能多的说出来，才有和面试官谈价钱的资本。那么什么是超文本传输协议？
我是一名程序员，我的主要编程语言是 Java，我更是一名 Web 开发人员，所以我必须要了解 HTTP，所以本篇文章就来带你从 HTTP 入门到进阶，看完让你有一种恍然大悟、醍醐灌顶的感觉。
缓冲区的内容还是和 FastCGI 是相似的，测试方式也是相同的，这个咱们就不多说了。另外一个 Cookie 相关的配置指令则是 Proxy 模块所特有的，但其实也就是重写或修改后端响应的 Cookie 中的一些信息，一般来说用得也不是特别多，大家还是以了解的心态来看待。
通过上篇文章的学习，普通的 PHP 与 Nginx 的连接就已经没啥大问题了。一般的网站直接那套配置就够了，这也是 Nginx 非常友好的一面。很多在默认的配置文件中注释掉的内容，只要打开就是可以直接使用的。不过，FastCGI 可不是一个小模块，还有很多的配置指令，要想深入，要想调优，这些指令还是多少要了解一下的。
在前面的一篇文章《TensorFlow.js 微信小程序插件开始支持 WebAssembly》中，我们谈到了 Tensorflow.js（tfjs） 的新后端 WebAssembly（WASM）。这篇文章进一步挖掘 tfjs WASM 后端的更多信息，并探讨一下 tfjs 为何要引入 WASM 后端。
深度学习技术的不断普及，越来越多的语言可以用来进行深度学习项目的开发，即使是JavaScript这样曾经只是在浏览器中运行的用于处理轻型任务的脚本语言。
在基本的配置学习之后，其实大部分的业务场景就已经够用了，没错，就那一个 proxy_pass 指令，真的就够了。但是，对于许多更复杂的业务场景来说，Nginx 的代理模块还是提供了更多的功能，做为每个想成为架构师的码农来说，这一部分不说多精通，至少也都得有些了解。今天学习的代理模块缓存与错误处理和 FastCGI 模块非常类似，很多内容我们照搬之前的测试方式就可以了。
谈到人工智能、机器学习，我们可能会觉得很神秘，其实机器学习背后的理论并不复杂。就如同原子弹这么尖端的科技，其背后的理论就是一个很简单的公式：
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM
