本文整理了我自己在Java開發中常用的jar包以及常用的API記錄。

<!-- https://mvnrepository.com/artifact/org.apache.commons/commons-lang3 -->
        <dependency>
            <groupId>org.apache.commons</groupId>
            <artifactId>commons-lang3</artifactId>
            <version>3.8</version>
        </dependency>
        <!-- https://mvnrepository.com/artifact/commons-io/commons-io -->
        <dependency>
            <groupId>commons-io</groupId>
            <artifactId>commons-io</artifactId>
            <version>2.6</version>
        </dependency>
        <!-- https://mvnrepository.com/artifact/org.projectlombok/lombok -->
        <dependency>
            <groupId>org.projectlombok</groupId>
            <artifactId>lombok</artifactId>
            <version>1.18.8</version>
            <scope>provided</scope>
        </dependency>
        <dependency>
            <groupId>log4j</groupId>
            <artifactId>log4j</artifactId>
            <version>1.2.17</version>
        </dependency>

common-lang3

簡介

一個現在最為常用的jar包，封裝了許多常用的工具包

依賴：

<!-- https://mvnrepository.com/artifact/org.apache.commons/commons-lang3 -->
<dependency>
    <groupId>org.apache.commons</groupId>
    <artifactId>commons-lang3</artifactId>
    <version>3.4</version>
</dependency>

主要常見的類如下：

• 數組工具類 ArrayUtils
• 日期工具類 DateUtils DateFormatUtils
• 字符串工具類 StringUtils
• 数字工具類 NumberUtils
• 布爾工具類 BooleanUtils
• 反射相關工具類 FieldUtils、MethodUtils、MemberUtils、TypeUtils、ConstructorUtils
• 對象工具類 ObjectUtils
• 序列化工具類 SerializationUtils

API介紹

這裏我只介紹經常使用的幾個工具類及方法，ArrayUtils，StringUtils，NumberUtils，DateUtils，其他的請查看官方API文檔吧

1.ArrayUtils

2.NumberUtils

3.DateUtils

DateFormatUtils正如其名，是用來把時間轉為字符串，這裏就不再多說

4.StringUtils

common-io

簡介

常用的IO流工具包

<!-- https://mvnrepository.com/artifact/commons-io/commons-io -->
<dependency>
    <groupId>commons-io</groupId>
    <artifactId>commons-io</artifactId>
    <version>2.6</version>
</dependency>

API

我們主要關心的就是Utils後綴的那幾個類即可，可以看到，common-io庫提供了FileUtils,FileSystemUtils,FileNameUtils,FileFilterUtils,IOUtils

FileUtils

• 寫出文件
• 讀取文件
• 創建一個有父級文件夾的文件夾
• 複製文件和文件夾
• 刪除文件和文件夾
• URL轉文件
• 通過過濾器和擴展名來篩選文件和文件夾
• 比較文件內容
• 文件最後修改時間
• 文件校驗

FileSystemUtils

關於文件系統的相關操作，如查看C盤的大小，剩餘大小等操作

IOUtils

字面意思，是封裝了IO流的各種操作的工具類

Log4j

簡介

Log4J 是 Apache 的一個開源項目，通過在項目中使用 Log4J，我們可以控制日誌信息輸出到控制台、文件、GUI 組件、甚至是數據庫中。

我們可以控制每一條日誌的輸出格式，通過定義日誌的輸出級別，可以更靈活的控制日誌的輸出過程，方便項目的調試。

依賴：

<dependency>
    <groupId>log4j</groupId>
    <artifactId>log4j</artifactId>
    <version>1.2.17</version>
</dependency>

結構

Log4J 主要由 Loggers (日誌記錄器)、Appenders（輸出端）和 Layout（日誌格式化器）組成。

其中Loggers 控制日誌的輸出級別與日誌是否輸出；
Appenders 指定日誌的輸出方式（輸出到控制台、文件等）；
Layout 控制日誌信息的輸出格式。

日誌級別：

我們主要使用這四個：Error>Warn>Info>Debug

使用

我們可以使用兩種方式來運行Log4j，一種是java代碼方式，另外一種則是配置文件方式

例子（Java方式）

public class Log4JTest {
    public static void main(String[] args) {   
        //獲取Logger對象的實例（傳入當前類）         
        Logger logger = Logger.getLogger(Log4JTest.class);
        //使用默認的配置信息，不需要寫log4j.properties
        BasicConfigurator.configure();
        //設置日誌輸出級別為WARN，這將覆蓋配置文件中設置的級別，只有日誌級別低於WARN的日誌才輸出
        logger.setLevel(Level.WARN);
        logger.debug("這是debug");
        logger.info("這是info");
        logger.warn("這是warn");
        logger.error("這是error");
        logger.fatal("這是fatal");
    }
}

例子（配置文件方式）

上面的例子，我們想要實現打印Log，但是每次都要寫一遍，浪費時間和精力，所以，Log4j提供了另外一種方式來配置好我們的信息

創建一個名為log4j.properties的文件，此文件需要放在項目的根目錄（約定），如果是maven項目，直接放在resources文件夾中即可

log4j.properties

#控制台
log4j.appender.Console=org.apache.log4j.ConsoleAppender
log4j.appender.Console.layout=org.apache.log4j.PatternLayout
log4j.appender.Console.layout.ConversionPattern=%d [%t] %-5p [%c] - %m%n

#log jdbc
log4j.logger.java.sql.ResultSet=INFO
log4j.logger.org.apache=WARN
log4j.logger.java.sql.Connection=DEBUG
log4j.logger.java.sql.Statement=DEBUG
log4j.logger.java.sql.PreparedStatement=DEBUG

#log mybatis設置
#log4j.logger.org.apache.ibatis=DEBUG
log4j.logger.org.apache.ibatis.jdbc=error
log4j.logger.org.apache.ibatis.io=info
log4j.logger.org.apache.ibatis.datasource=info

#springMVC日誌
log4j.logger.org.springframework.web=WARN

# 文件輸出配置
log4j.appender.A = org.apache.log4j.DailyRollingFileAppender
log4j.appender.A.File = D:/log.txt #指定日誌的輸出路徑
log4j.appender.A.Append = true
log4j.appender.A.Threshold = DEBUG
log4j.appender.A.layout = org.apache.log4j.PatternLayout #使用自定義日誌格式化器
log4j.appender.A.layout.ConversionPattern = %-d{yyyy-MM-dd HH:mm:ss}  [ %t:%r ] - [ %p ]  %m%n #指定日誌的輸出格式
log4j.appender.A.encoding=UTF-8 #指定日誌的文件編碼

#指定日誌的輸出級別與輸出端
log4j.rootLogger=DEBUG,Console,A

#指定某個包名日誌級別（不能超過上面定義的級別，否則日誌不會輸出）
log4j.logger.com.wan=DEBUG

之後使用的話就比較簡單了

//Logger的初始化（這個推薦定義為全局變量，方便使用）
Logger logger = Logger.getLogger(Log4JTest.class);
//輸出Log
logger.info("這是info");

參考鏈接：

lombok

簡介

平常我們創建實體類的時候，需要get/set方法，極其麻煩，雖然IDEA等IDE都是有提供了快捷生成，不過，最好的解決方法還是省略不寫

而lombok就是這樣的一個框架，實現省略get/set方法，當然，lombok的功能不只有此，還有equal，toString方法也可以由此框架自動生成

lombok的原理是使用註解，之後就會在編譯過程中，給Class文件自動加上get/set等方法

不過IDEA似乎無法識別，代碼檢查還是會報錯，所以，使用IDEA的時候還得安裝一個插件，在plugin搜索lombok，之後安裝重啟即可，如圖

之後為Java項目添加依賴

<!-- https://mvnrepository.com/artifact/org.projectlombok/lombok -->
<dependency>
    <groupId>org.projectlombok</groupId>
    <artifactId>lombok</artifactId>
    <version>1.18.8</version>
    <scope>provided</scope>
</dependency>

使用示例

1.實體類省略get/set
估計Kotlin中的data關鍵字就是參照着lombok實現的

//這裏我們只需要為類添加Data註解，就會自動生成對應屬性的get/set方法，toString，equal等方法
@Data
public class User {
    private String username;
    private String password;
}

2.需要無參構造以及get/set方法

@Getter
@Setter
@NoArgsConstructor
public class User {
    private String username;
    private String password;
}

3.鏈式調用set方法

@Data
@Accessors(chain = true)
public class User {
    private String username;
    private String password;
}

//使用
User user = new User();
user.setUsername("helo").setPassword("123");

4.參數不為空

//如果調用此方法，就會抱一個空指針錯誤
public String print(@NotNull String str){
    ...
}

5.只需要toString

@ToString(callSuper=true, includeFieldNames=true)
public class User {
    private String username;
    private String password;
    //省略的get/set方法
}

6.builder模式創建實體類對象

@Data
@Builder
public class User {
    private String username;
    private String password;
}
//使用
User user1 = User.builder().username("user1").password("123").build();

7.工具類

@UtilityClass
public class MyUtils{
    //會將此方法自動轉為靜態方法
    public void print(String str){
        ...
    }
}
//使用
MyUtils.print("hello");

8.自動關閉流

public static void main(String[] args) throws Exception {
    //使用Cleanup會自動調用close方法
    @Cleanup InputStream in = new FileInputStream(args[0]);
    @Cleanup OutputStream out = new FileOutputStream(args[1]);
    byte[] b = new byte[1024];
    while (true) {
        int r = in.read(b);
        if (r == -1) break;
        out.write(b, 0, r);
    }
}

9.省略Logger時的初始化

@Log4j
@Log
public class User{
    //會自動添加此語句
    //Logger logger = Logger.getLogger(User.class);
    ...
}

參考：

本站聲明:網站內容來源於博客園,如有侵權,請聯繫我們,我們將及時處理【其他文章推薦】

※台北網頁設計公司這麼多，該如何挑選?? 網頁設計報價省錢懶人包"嚨底家"

※網頁設計公司推薦更多不同的設計風格，搶佔消費者視覺第一線

※想知道購買電動車哪裡補助最多?台中電動車補助資訊懶人包彙整

一、MTCNN的原理

　　搭建人臉識別系統的第一步是人臉檢測，也就是在圖片中找到人臉的位置。在這個過程中，系統的輸入是一張可能含有人臉的圖片，輸出是人臉位置的矩形框，如下圖所示。一般來說，人臉檢測應該可以正確檢測出圖片中存在的所有人臉，不能用遺漏，也不能有錯檢。　　

　　獲得包含人臉的矩形框后，第二步要做的就是人臉對齊（Face Alignment）。原始圖片中人臉的姿態、位置可能較大的區別，為了之後統一處理，要把人臉“擺正”。為此，需要檢測人臉中的關鍵點（Landmark），如眼睛的位置、鼻子的位置、嘴巴的位置、臉的輪廓點等。根據這些關鍵點可以使用仿射變換將人臉統一校準，以盡量消除姿勢不同帶來的誤差，人臉對齊的過程如下圖所示。

　　這裏介紹一種基於深度卷積神經網絡的人臉檢測和人臉對齊方法—-MTCNN，它是基於卷積神經網絡的一種高精度的實時人臉檢測和對齊技術。MT是英文單詞Multi-task的縮寫，意思就是這種方法可以同時完成人臉檢測的人臉對齊兩項任務。相比於傳統方法，MTCNN的性能更好，可以更精確的定位人臉，此外，MTCNN也可以做到實時的檢測。

　　MTCNN由三個神經網絡組成，分別是P-Net、R-Net、O-Net。在使用這些網絡之前，首先要將原始圖片縮放到不同尺度，形成一個“圖像金字塔”，如下圖所示。

　　接着會對每個尺度的圖片通過神經網絡計算一遍。這樣做的原因在於：原始圖片中的人臉存在不同的尺度，如有的人臉比較大，有的人臉比較小。對於比較小的人臉，可以在放大后的圖片上檢測；對於比較大的人臉，可以在縮小后的圖片上進行檢測。這樣，就可以在統一的尺度下檢測人臉了。

　　現在再來討論第一個網絡P-Net的結構，如下圖所示

　　P-Net的輸入是一個寬和高皆為12像素，同時是3通道的RGB圖像，該網絡要判斷這個12×12的圖像中是否含有人臉，並且給出人臉框和關鍵點的位置。因此對應的輸出應該由3部分組成：

　　（1）第一個部分要判斷該圖像是否是人臉（上圖中的face classification），輸出向量的形狀為1x1x2，也就是兩個值，分別為該圖像是人臉的概率，以及該圖像不是人臉的概率。這兩個值加起來應該嚴格等1。之所以使用兩個值來表示，是為了方便定義交叉熵損失。
　　（2）第二個部分給出框的精確位置（上圖中的bounding box regression），一般稱之為框回歸。P-Net輸入的12×12的圖像塊可能並不是完美的人臉框的位置，如有的時候人臉並不正好為方形，有的時候12×12的圖像塊可能偏左或偏右，因此需要輸出當前框位置相對於完美的人臉框位置的偏移。這個偏移由四個變量組成。一般地，對於圖像中的框，可以用四個數來表示它的位置：框左上角的橫坐標、框左上角的縱坐標、框的寬度、框的高度。因此，框回歸輸出的值是：框左上角的橫坐標的相對偏移、框左上角的縱坐標的相對偏移、框的寬度的誤差、框的 高度的誤差。輸出向量的形狀就是上圖中的1x1x4。
　　（3）第三個部分給出人臉的5個關鍵點的位置。5個關鍵點分別為：左眼的位置、右眼的位置、鼻子的位置、左嘴角的位置、右嘴角的位置。每個關鍵點又需要橫坐標和縱坐標來表示，因此輸出一共是10維（即1x1x10）

　　上面的介紹大致就是P-Net的結構了。在實際計算中，通過P-Net中第一層卷積的移動，會對圖像中每一個12×12的區域做一次人臉檢測，得到的結構如下圖所示：

　　圖中框的大小各有不同，除了框回歸的影響外，主要是因為將圖片金字塔的各個尺度都使用P-Net計算了一遍，因此形成了大小不同的人臉框。P-Net的結果還是比較粗糙的，所以接下來又使用R-Net進一步調優。R-Net的網絡結構如下圖所示。

　　這個結構與之前的P-Net非常類似，P-Net的輸入是12x12x3的圖像，R-Net是24x24x3的圖像，也就是說，R-Net判斷24x24x3的圖像中是否含有人臉，以及預測關鍵點的位置。R-Net的輸出和P-Net完全一樣，同樣有人臉判別、框回歸、關鍵點位置預測三部分組成。

　　在實際應用中，對每個P-Net輸出可能為人臉的區域都放縮到24×24的大小，在輸入到R-Net中，進行進一步的判定。得到的結果如下圖所示：

　　顯然R-Net消除了P-Net中很多誤判的情況。

　　進一步把所有得到的區域縮放成48×48的大小，輸入到最後的O-Net中，O-Net的結構同樣與P-Net類似，不同點在於它的輸入是48x48x3的圖像，網絡的通道數和層數也更多了。O-Net的網絡的結構如下圖所示：

　　檢測結果如下圖所示：

　　從P-Net到R-Net，最後再到O-Net，網絡輸入的圖片越來越大，卷積層的通道數越來越多，內部的層數也越來越多，因此它們識別人臉的準確率應該是越來越高的。同時，P-Net的運行速度是最快的，R-Net的速度其次，O-Net的運行速度最慢。之所以要使用三個網絡，是因為如果一開始直接對圖中的每個區域使用O-Net，速度會非常慢慢。實際上P-Net先做了一遍過濾，將過濾后的結果再交給R-Net進行過濾，最後將過濾后的結果交給效果最好但速度較慢的O-Net進行判別。這樣在每一步都提前減少了需要判別的數量，有效降低了處理時間。

　　最後介紹MTCNN的損失定義和訓練過程。MTCNN中每個網絡都有三部分輸出，因此損失也由三部分組成。針對人臉判別部分，直接使用交叉熵損失，針對框回歸和關鍵點判定，直接使用L2損失。最後這三部分損失各自乘以自身的權重再加起來，就形成最後的總損失了。在訓練P-Net和R-Net時，更關心框位置的準確性，而較少關注關鍵點判定的損失，因此關鍵點判定損失的權重很小。對於O-Net，關鍵點判定損失的權重較大。

二、使用深度卷積網絡提取特徵

　　經過人臉檢測和人臉對齊兩個步驟，就獲得了包含人臉的區域圖像，接下來就要進行人臉識別了。這一步一般是使用深度卷積網絡，將輸入的人臉圖像轉換為一個向量的表示，也就是所謂的“特徵”。

　　如何針對人臉來提取特徵？可以先來回憶VGG16的網絡結構（見），輸入神經網絡的是圖像，經過一系列卷積計算后，全連接分類得到類別概率。

　　在通常的圖像應用中，可以去掉全連接層，使用卷積層的最後一層當作圖像的“特徵”。但如果對人臉識別問題同樣採用這種方法，即使用卷積層最後一層做為人臉的“向量表示”，效果其實是不好的。這其中的原因和改進方法是什麼？在後面會談到，這裏先談談希望這種人臉的“向量表示”應該具有哪些性質。

　　在理想的狀況下，希望“向量表示”之間的距離可以直接反映人臉的相似度：

　　對於同一個人的兩張人臉圖像，對應的向量之間的歐幾里得距離應該比較小。對於不同人的兩張人臉圖像，對應的向量之間的歐幾里得距離應該比較大。

　　例如，設人臉圖像為$x_{1}$，$x_{2}$，對應的特徵為$f(x_{1})$，$f(x_{2})$，當$x_{1}$，$x_{2}$對應是同一個人的人臉時，$f(x_{1})$，$f(x_{2})$的距離$\left \| f(x_{1}),f(x_{2}) \right \|$₂應該很小，而當$x_{1}$，$x_{2}$是不同人的人臉時，$f(x_{1})$，$f(x_{2})$的距離$\left \| f(x_{1}),f(x_{2}) \right \|$₂應該很大。

　　在原始的CNN模型中，使用的是Softmax損失。Softmax是類別間的損失，對於人臉來說，每一類就是一個人。儘管使用Softmax損失可以區別出每個人，但其本質上沒有對每一類的向量表示之間的距離做出要求。

　　舉個例子，使用CNN對MNIST進行分類，設計一個特殊的卷積網絡，讓其最後一層的向量變為2維，此時可以畫出每一類對應的2維向量（圖中一種顏色對應一種類別），如下圖所示：

　　上圖是我們直接使用softmax訓練得到的結果，它就不符合我們希望特徵具有的特點：

　　（1）我們希望同一類對應的向量表示盡可能接近。但這裏同一類（如紫色），可能具有很大的類間距離；
　　（2）我們希望不同類對應的向量應該盡可能遠。但在圖中靠中心的位置，各個類別的距離都很近；

　　對於人臉圖像同樣會出現類似的情況，對此，有很改進方法。這裏介紹其中兩種：一種是三元組損失函數（Triplet Loss），一種是中心損失函數。 

三、三元組損失的定義

　　三元組損失函數的原理：既然目標是特徵之間的距離應該具備某些性質，那麼我們就圍繞這個距離來設計損失。具體的，我們每次都在訓練數據中抽出三張人臉圖像，第一張圖像記為$x_{i}^{a}$，第二張圖像記為$x_{i}^{p}$，第三張圖像記為$x_{i}^{n}$。在這樣的一個“三元組”中，$x_{i}^{a}$和$x_{i}^{p}$對應的是同一個人的圖像，而$x_{i}^{n}$是另外一個不同的人的人臉圖像。因此，距離$\left \| f(x_{i}^{a})-f(x_{i}^{p}) \right \|_{2}$應該較小，而距離$\left \| f(x_{i}^{a})-f(x_{i}^{n}) \right \|_{2}$應該較大。嚴格來說，三元組損失要求下面的式子成立：

　　　$\left \| f(x_{i}^{a})- f(x_{i}^{p})\right \|_{2}^{2}+\alpha <\left \| f(x_{i}^{a})- f(x_{i}^{p})\right \|_{2}^{2}$

　　然後計算相同人臉之間與不同人臉之間距離的平方

　　　$\left [ \left \| f(x_{i}^{a})-f(x_{i}^{p}) \right \|_{2}^{2}+\alpha -\left \| f(x_{i}^{a})-f(x_{i}^{n}) \right \|_{2}^{2} \right ]_{+}$

　　上式表達相同人臉間的距離平方至少要比不同人臉間的距離平方小α（取平方主要是為了方便求導），據此，上式實際上就是相當於一個損失函數。這樣的話，當三元組的距離滿足 $\left \| f(x_{i}^{a})- f(x_{i}^{p})\right \|_{2}^{2}+\alpha <\left \| f(x_{i}^{a})- f(x_{i}^{p})\right \|_{2}^{2}$時，不產生任何損失，此時$L_{i}=0$。當距離不滿足上述等式時，就會有值為$\left \| f(x_{i}^{a})-f(x_{i}^{p}) \right \|_{2}^{2}+\alpha -\left \| f(x_{i}^{a})-f(x_{i}^{n}) \right \|_{2}^{2}$的損失。此外，在訓練時會固定$\left \| f(x) \right \|_{2}=1$，以保證特徵不會無限地“遠離”。

　　三元組損失直接對距離進行優化，因此可以解決人臉的特徵表示問題。但是在訓練過程中，三元組的選擇非常地有技巧性。如果每次都是隨機選擇三元組，雖然模型可以正確的收斂，但是並不能達到最好的性能。如果加入”難例挖掘”，即每次都選擇最難分辨率的三元組進行訓練，模型又往往不能正確的收斂。對此，又提出每次都選擇那些“半難”(Semi-hard)的數據進行訓練，讓模型在可以收斂的同時也保持良好的性能。此外，使用三元組損失訓練人臉模型通常還需要非常大的人臉數據集，才能取得較好的效果。

四、中心損失的定義

　　與三元組損失不同，中心損失(Center Loss)不直接對距離進行優化，它保留了原有的分類模型，但又為每個類(在人臉模型中，一個類就對應一個人)指定了一個類別中心。同一類的圖像對應的特徵都應該盡量靠近自己的類別中心，不同類的類別中心盡量遠離。與三元組損失函數相比，使用中心損失訓練人臉模型不需要使用特別的採樣方法，而且利用較少的圖像就可以達到與單元組損失相似的效果。下面我們一起來學習中心損失的定義：

 　　還是設輸入的人臉圖像為$x_{i}$，該人臉對應的類別為$y_{i}$，對每個類別都規定一個類別中心，記作$c_{yi}$。希望每個人臉圖像對應的特徵$f(x_{i})$都盡可能接近其中心$c_{yi}$。因此定義中心損失為：

 　　　$L_{i}=\frac{1}{2}\left \| f(x_{i})-c_{yi}\right \|_{2}^{2}$

　　多張圖像的中心損失就是將它們的值加在一起：

　　　$L_{center}=\sum\limits_{i}L_i$

　　這是一個非常簡單的定義。不過還有一個問題沒有解決，那就是如何確定每個類別的中心$c_{yi}$呢？從理論上來說，類別$y_{i}$的最佳中心應該是它對應的所有圖片的特徵的平均值。但如果採取這樣的定義，那麼在每一次梯度下降時，都要對所有圖片計算一次$c_{yi}$，計算複雜度就太高了。針對這種情況，不妨近似一處理下，在初始階段，先隨機確定$c_{yi}$，接着在每個batch內，使用$L_i=\|f(x_i)-c_{yi}\|_2^2$對當前batch內的$c_{yi}$ 也計算梯度，並使用該梯度更新$c_{yi}$ 。此外，不能只使用中心損失來訓練分類模型，還需要加入Softmax損失，也就是說，最終的損失由兩部分構成，即$L = L_{softmax}+\lambda L_{center}$，其中$\lambda $是一個超參數。

　　最後來總結使用中心損失來訓練人臉模型的過程。首先隨機初始化各个中心$c_{yi}$，接着不斷地取出batch進行訓練，在每個batch中，使用總的損失$L$，除了使用神經網絡模型的參數對模型進行更新外，也對$c_{yi}$進行計算梯度，並更新中心的位置。

　　中心損失可以讓訓練處的特徵具有“內聚性”。還是以MNIST的例子來說，在未加入中心損失時，訓練的結果不具有內聚性。再加入中心損失后，得到的特徵如下圖所示。 

從圖中可以看出，當中心損失的權重λ越大時，生成的特徵就會具有越明顯的“內聚性” 。

五、使用特徵設計應用

當提取出特徵后，剩下的問題就非常簡單了。因為這種特徵已經具有了相同人對應的向量的距離小，不同人對應的向量距離大的特點，接下來，一般的應用有以下幾類：

• 人臉驗證（Face Identification）。就是檢測A、B是否屬於同一個人。只需要計算向量之間的距離，設定合適的報警閾值（threshold）即可。
• 人臉識別（Face Recognition）。這個應用是最多的，給定一張圖片，檢測數據庫中與之最相似的人臉。顯然可以被轉換為一個求距離的最近鄰問題。
• 人臉聚類（Face Clustering）。在數據庫中對人臉進行聚類，直接用K-means即可。

本站聲明:網站內容來源於博客園,如有侵權,請聯繫我們,我們將及時處理【其他文章推薦】

※帶您來了解什麼是 USB CONNECTOR  ?

※自行創業 缺乏曝光? 下一步"網站設計"幫您第一時間規劃公司的門面形象

※如何讓商品強力曝光呢? 網頁設計公司幫您建置最吸引人的網站，提高曝光率!!

※綠能、環保無空污,成為電動車最新代名詞，目前市場使用率逐漸普及化

※廣告預算用在刀口上，網站設計公司幫您達到更多曝光效益

台灣山葉（YAMAHA）和 Gogoro 在 2018 年宣布展開合作之後，不少消費者都好奇兩家公司會擦出什麼樣的火花。YAMAHA 終於在 6 月 27 日正式發表電動速克達 EC-05，也是雙方合作的第一款機車。

EC-05 採用 Gogoro 市售車種的平台架構，搭配 YAMAHA 的原創設計，未來也會掛上 YAMAHA 的品牌。EC-05 會以換電為動力來源，支援 Gogoro 旗下的換電站 GoStation，不過車主在購車後需要另行和 Gogoro 簽約購買換電服務。新款的電動速克達由 Gogoro 負責製造，並透過 YAMAHA 的通路進行銷售。

EC-05 的動力系統是 G2 鋁合金水冷永磁同步馬達（S-Version），配合 MOSFET 水冷馬達控制器。安全極速達到時速 90 公里，靜止加速到時速 50 公里僅需 3.9 秒。空車重量為 106 公斤，加上電池則為 126 公斤，擁有 25L 的置物空間。EC-05 可以連結智慧型手機和 Apple Watch，並使用 NFC 和藍牙進行連結。

EC-05 的電池位於車身當中，座墊底層結構、置物箱的開口部位與收納空間都和 Gogoro 現有車種相同，不過重塑車身線條的設計風格。里程表則根據 Gogoro 原有的元件進行調整，略為提高並向前方移動，減少騎乘者所需的視線移動。坐墊結構與材質沿用 Gogoro 的現行車種，不過座墊後方略為墊高，提供加速時的止滑和支撐。

EC-05 的電池位於車身內部，擁有 25L 的置物空間。

EC-05 的里程表和 Gogoro 的車種類似，不過略為提高並向前方移動。

EC-05 的頭燈。

EC-05 的尾燈。

YAMAHA 表示，EC-05 能夠幫助擴展台灣市場的產品線，不僅回應多樣化顧客的需求，也向電動車領域跨出一步。YAMAHA 指出 EC-05 將為 YAMAHA 未來的電動機車家族打下基礎，似乎暗示未來會推出更多與 Gogoro 合作的車款。YAMAHA 台灣總經理小川真司表示，YAMAHA 日本母公司與其他大廠合作的機車聯盟目前只限於日本國內的市場，因此並不會影響台灣子公司和 Gogoro 的合作。

小川真司認為雖然 EC-05 內部與 Gogoro 的車種相同，但 YAMAHA 的風格與 Gogoro 不同，而且雙方的消費族群也不一樣，可以給不同生活方式的族群不同的選擇。此外，YAMAHA 在台灣市場已經深耕多年，有更多的經銷商夥伴，無論是銷售或保養都能更貼近消費者。YAMAHA 對 EC-05 頗具信心，喊出了一年 2 萬台的銷售目標。

EC-05 提供藍灰色、深黑色、深藍灰色和白銀色 4 種顏色讓消費者選擇，定價為台幣 99,800 元，補助最多的桃園市汰換二行程機車換購電動機車補助 33,000 元，因此最低台幣 66,800 元起。預計將在 7 月 1 日開放預購，8 月 1 日正式上市。YAMAHA 將在台北、台中和高雄展開 EC-05 的巡迴賞車活動，活動期間參與的消費者將有機會抽中電動速克達 EC-05。

EC-05 共推出藍灰色、深黑色、深藍灰色和白銀色四款顏色。

（合作媒體：。圖片來源：）

延伸閱讀：

本站聲明:網站內容來源於EnergyTrend https://www.energytrend.com.tw/ev/,如有侵權,請聯繫我們,我們將及時處理

【其他文章推薦】

※帶您來了解什麼是 USB CONNECTOR  ?

※自行創業 缺乏曝光? 下一步"網站設計"幫您第一時間規劃公司的門面形象

※如何讓商品強力曝光呢? 網頁設計公司幫您建置最吸引人的網站，提高曝光率!!

※綠能、環保無空污,成為電動車最新代名詞，目前市場使用率逐漸普及化

※廣告預算用在刀口上，網站設計公司幫您達到更多曝光效益

人生苦短，我用 Python

前文傳送門：

Docker 基礎

首先說一件事情，就在本文寫作前一天，Mirantis 這家公司宣布收購了 Docker 的企業業務和團隊。並且在官網上也掛出了相關的文字。

沒別的意思，相關的新聞通告一下。

Docker 官網地址：

什麼是 Docker ？

emmmmm，說實話，Docker 是什麼並不好說，下面通過四點大致解釋下 Docker 到底是個什麼東西。

1. Docker 是全球領先的軟件容器平台。
2. Docker使用Google公司推出的Go語言進行開發實現，基於Linux內核的cgroup，namespace，以及AUFS類的UnionFS等技術，對進程進行封裝隔離，屬於操作系統層面的虛擬化技術。
3. 由於隔離的進程獨立於宿主和其它的隔離的進程，因此也稱其為容器。Docke最初實現是基於LXC。
4. 用戶可以方便地創建和使用容器，把自己的應用放入容器。

Docker 容器的特點：

1. 輕量化：在一台機器上運行的多個Docker容器可以共享這台機器的操作系統內核；它們能夠迅速啟動，只需佔用很少的計算和內存資源。鏡像是通過文件系統層進行構造的，並共享一些公共文件。這樣就能盡量降低磁盤用量，並能更快地下載鏡像。
2. 標準化：Docker容器基於開放式標準，能夠在所有主流Linux版本、Microsoft Windows以及包括VM、裸機服務器和雲在內的任何基礎設施上運行。
3. 安全：Docker賦予應用的隔離性不僅限於彼此隔離，還獨立於底層的基礎設施。Docker默認提供最強的隔離，因此應用出現問題，也只是單個容器的問題，而不會波及到整台機器。

為什麼要用Docker：

• Docker的鏡像提供了除內核外完整的運行時環境，確保了應用運行環境一致性，從而不會再出現“這段代碼在我機器上沒問題啊”這類問題；——一致的運行環境
• 可以做到秒級、甚至毫秒級的啟動時間。大大的節約了開發、測試、部署的時間。——更快速的啟動時間
• 避免公用的服務器，資源會容易受到其他用戶的影響。——隔離性
• 善於處理集中爆發的服務器使用壓力；——彈性伸縮，快速擴展
• 可以很輕易的將在一個平台上運行的應用，遷移到另一個平台上，而不用擔心運行環境的變化導致應用無法正常運行的情況。——遷移方便
• 使用Docker可以通過定製應用鏡像來實現持續集成、持續交付、部署。——持續交付和部署

說起容器，與虛擬機的比較是一個永恆的話題，因為它做的事情和虛擬機做的事情非常的接近。

傳統虛擬機技術是虛擬出一套硬件后，在其上運行一個完整操作系統，在該系統上再運行所需應用進程；而容器內的應用進程直接運行於宿主的內核，容器內沒有自己的內核，而且也沒有進行硬件虛擬。因此容器要比傳統虛擬機更為輕便。

Docker 安裝

Win10 下的安裝

首先介紹一下 win 環境下 Docker 的安裝，打開官網，下載最新版的 Docker Desktop 。

Docker 官方下載地址：

下載前可能需要先註冊下 Docker Hub ，註冊完成後會直接跳轉下載頁面。

下載完成后默認配置 next 就好了。

驗證：

在 CMD 命令行中執行：

docker info

請確保 Docker 正常啟動狀態，否則會報錯的。

小編本地電腦執行后显示如下：

Client:
 Debug Mode: false

Server:
 Containers: 26
  Running: 0
  Paused: 0
  Stopped: 26
 Images: 28
 Server Version: 19.03.1
 ...

內容有些多，我就不全貼出來了，主要會显示一些當前 Docker 相關的信息。

CentOS 下的安裝

懶人神器，使用 CentOS 下的包管理工具 yum 進行安裝，直接輸入：

yum install docker

然後靜靜等待進度條走完，驗證命令和上面一致，同樣需確保 Docker 服務正常啟動。

CentOS 中 Docker 基本操作命令：

# docker 啟動
systemctl start docker
# 重啟 docker服務
systemctl restart docker
# 關閉 docker 服務
systemctl stop docker

驗證結果：

Docker 基礎

首先了解兩個概念：

鏡像：Docker 鏡像是用於創建 Docker 容器的模板。

容器：容器是獨立運行的一個或一組應用。

講人話就是鏡像可以是我們自己的程序，也可以是第三方廠商提供的組件，比如數據庫，緩存服務等等，而這個鏡像想要運行的話，就要放在容器裏面運行，它自己是不能單獨運行的，就好比炒菜，光有菜不行，還要有鍋，菜是在鍋里炒出來的。

因為 Docker 默認的鏡像源是在遙遠的太平洋彼岸，訪問速度會有些慢，建議各位同學配置一個國內的鏡像源。

國內的鏡像源有很多的，百度一下可以找到很多，小編這裏使用的阿里雲提供的容器鏡像加速服務，大家可以登錄自己的淘寶賬號，在阿里雲上找到容器鏡像服務：

具體的配置方案阿里雲已經提供出來了，小編這裏不再贅述，大家自己登錄阿里雲查看吧。

上面這些都配置完成后，我們來講幾個最基礎的 Docker 命令：

獲取鏡像

語法：docker pull NAME[:TAG]
其中，NAME是鏡像倉庫的名稱（用來區分鏡像），TAG是鏡像的標籤（用來表示版本信息）

查看鏡像

語法：docker images

可以看到，小編的機器上目前有一個 mysql5.7 鏡像。

搜索鏡像

語法：docker search [image-name]
從docker倉庫搜索docker鏡像

刪除鏡像

語法：docker rmi NAME
用來刪除指定鏡像，其中後面的參數可以是tag，如果是tag時，實際上是刪除該tag，只要該鏡像還有其他tag，就不會刪除該鏡像。當後面的參數為鏡像ID時，則會徹底刪除整個鏡像，連通所有標籤一同刪除

實戰 hello-world

首先輸入 docker pull hello-world 來拉取 hello-world 鏡像：

拉取成功后，我們使用 docker images 來查看下這個 hello-world 鏡像 ：

好了，我們已經看到這個 hello-world 鏡像了，現在來嘗試一下啟動，使用命令 docker run hello-world ：

若是出現了上圖的內容則說明hello-world運行成功，如果沒出現的話，emmmmmmmmmm，你們可能就要想想自己之前的操作了。

本篇文章到這裏就結束了，希望各位同學能自己動手實踐一下，畢竟實踐出真知嘛。

參考

本站聲明:網站內容來源於博客園,如有侵權,請聯繫我們,我們將及時處理【其他文章推薦】

※帶您來了解什麼是 USB CONNECTOR  ?

※自行創業 缺乏曝光? 下一步"網站設計"幫您第一時間規劃公司的門面形象

※如何讓商品強力曝光呢? 網頁設計公司幫您建置最吸引人的網站，提高曝光率!!

※綠能、環保無空污,成為電動車最新代名詞，目前市場使用率逐漸普及化

※廣告預算用在刀口上，網站設計公司幫您達到更多曝光效益

　　本文專家：田靖博士，南部戰區疾病預防控制中心，主治醫師

　　我們都知道艾滋病很可怕，得了基本上就需要終生抗爭。

　　最近，僅次於艾滋病的第二大性接觸疾病——梅毒，突然成了微博上最熱門的話題。

　　某知名企業創始人稱自己“在浴池洗浴感染梅毒，打了 6 天針后治癒”。

微博截圖

　　先是洗浴感染梅毒驚呆眾網友，只要在公共中心泡過澡、游過泳的都表示瑟瑟發抖。

　　還有對 6 天治癒梅毒表示疑問，畢竟我們所知的梅毒是比較可怕的。

　　那泡澡到底會不會感染梅毒？梅毒究竟該如何治癒？我們就網友關心的這些問題科普一下。

　　洗浴、游泳真會感染梅毒嗎？

　　梅毒螺旋體（Treponema pallidum，TP）又稱為蒼白螺旋體，是造成感染梅毒的“罪魁禍首”。

　　目前全球每年約有 1200 萬新發梅毒病例，我國梅毒發病率呈上升趨勢。

　　梅毒的感染途徑有——

　　1、血液傳播和性接觸傳播

　　梅毒螺旋體僅可以感染人類，血液傳播和性接觸傳播是主要途徑。95% 以上的感染者通過危險的無保護的性行為感染，而男同性戀人群中的梅毒感染率近年來急劇上升。

　　2、母嬰傳播。梅毒可以通過垂直傳播途徑，由感染梅毒的母親傳染給新生兒。

　　梅毒螺旋體病毒感染人類需要具備一定的病毒載量，在某些特殊條件下才能發生，如通過性接觸直接接觸梅毒感染者的創面或者血液傳播，同時也取決於被感染者的身體狀況等。

　　因此，常規使用公共設施和出入公共場所，如游泳池游泳、接觸馬桶墊、共用餐具、衣物接觸等情況都不會感染梅毒。

　　並且游泳池中的水通常含有漂白粉等消毒劑，不適合淋球菌、梅毒螺旋體等性病病原體存活。所以，去正規的游泳館不存在感染梅毒的可能性。

　　梅毒有什麼危害？

　　按照《梅毒診斷標準》(WS273-2018)，根據梅毒感染的不同階段以及出現癥狀的差異可以將梅毒分為I期、II 期、III 期、胎傳和隱形梅毒。

　　I 期~III 期梅毒對於患者的損害是不同的，能造成——

1. 硬下疳、腹股溝或患部近位淋巴結腫大；
2. 多個部位的瀰漫性皮損，最終造成頭面部以及四肢產生結節性梅毒疹；
3. 關節出現結節；
4. 皮膚、口腔、舌咽出現樹膠腫；
5. 產生骨梅毒、眼梅毒、心血管梅毒、神經梅毒和其他內臟梅毒等。

　　胎傳：所有未經有效治療的梅毒母親所生的嬰兒可能感染胎傳梅毒，根據發病時間分為早期胎傳梅毒、晚期胎傳梅毒和隱性胎傳梅毒。

　　隱形梅毒：無臨床癥狀與體征的隱性梅毒患者，仍然具有傳染性，部分病人可以發生晚期損害。

　　晚期梅毒可導致不可逆的心血管損傷和中樞系統損害，嚴重者可導致死亡。

　　中樞神經系統的梅毒感染可以發生在疾病的任何時期，病程越長、精神癥狀越嚴重。

　　此外，梅毒與艾滋病常常是一對“好兄弟”。在感染艾滋病的患者中，大約有 42.8% 的患者都曾感染梅毒。

　　梅毒感染會造成皮膚破損，增加體液中 CD4+ 細胞的數量，為 HIV 的感染提供更多的靶細胞，促進 HIV 的傳播，因此從這個意義上來說，感染梅毒是艾滋病的“幫凶”。

　　梅毒真能 6 天治癒嗎？

　　不一定！

　　因為涉及個人體質、治療抗生素的使用方案及青霉素是否過敏等問題，治療周期和結果都會因人而已，最重要是嚴格遵循醫囑和臨床檢查結果。

　　因此，治癒的時間根據選擇藥物和患者的病情來確定，不能簡單用時間判斷！

　　感染梅毒該如何治療？

　　青霉素是治療梅毒的首選藥物之一，對病原菌的細胞壁生成進行抑制 ， 從而降低抗原反應素，可短期改善認知功能。青霉素過敏者可採用紅黴素治療。

　　多西環素是非青霉素的一種，及早治療血清轉陰率可達 83%-100%，成為當前治療早期梅毒（梅毒螺旋體感染<2 年，II 期早期梅毒）的主要手段。

　　頭孢曲松鈉及苄星青霉素聯合治療梅毒比單一用藥效果好。

　　不過，抗生素治療僅對免疫系統正常的患者有效。當患者產生梅毒血清抵抗時，單獨使用青霉素，無論增加劑量還是延長治療時間，都對患者無效。

　　梅毒治療后，15%~41% 的患者可能形成梅毒血清固定，使用免疫調節劑再治療梅毒血清固定患者有一定的效果，但存在爭議。

　　所以，治療梅毒需要嚴格遵循醫囑，才能達到有效治癒。

　　此外，還要保持健康良好的生活方式，防止不安全的性行為。

本站聲明:網站內容來源於博客園,如有侵權,請聯繫我們,我們將及時處理【其他文章推薦】

※帶您來了解什麼是 USB CONNECTOR  ?

※自行創業 缺乏曝光? 下一步"網站設計"幫您第一時間規劃公司的門面形象

※如何讓商品強力曝光呢? 網頁設計公司幫您建置最吸引人的網站，提高曝光率!!

※綠能、環保無空污,成為電動車最新代名詞，目前市場使用率逐漸普及化

※廣告預算用在刀口上，網站設計公司幫您達到更多曝光效益

　　作者：JoJo

　　【TechWeb】10 月 27 日，近日，國網電動汽車服務有限公司發布了充電服務創新模式“車電服務包”。國網電動汽車公司總經理沈建新表示，國網電動汽車公司將加大車聯網的規模，擴大平台充電樁的數量。同時，國網電動汽車公司將在半年內實現“即插即充、無感支付”在公共場站、專用場站、私人充電樁業務場景全覆蓋，加速布局主要城市充電網絡。

　　該措施首先是提供主機廠車電包服務範圍內場景全覆蓋、布局更密集的充電設施服務網絡。 國網目前已建成 9 萬自營充電樁，其中高功率直流快充 6.5 萬根。對此，沈建新表示，未來還將引入更多社會資源，擴大充電樁規模，保證主要城市充電站布點半徑不超過 500 米，同一站點充電等候不超過 30 分鐘，確保充電服務套餐用戶實現區域內充電暢行。

　　其次，是加快即插即充、無感支付新技術全覆蓋。2020 年 6 月前，通過技術升級及硬件改造，國網電動汽車公司將完成國網系統充電樁全面支持即插即充，新投入車聯網平台的充電樁全部滿足“即插即充、無感支付”要求，實現“充綠色電，比加油更方便”。

　　此次發布的“車電服務包”是與四家車企聯合推出與新車綁定銷售的充電產品，用戶一次付費購買“車電服務包”並綁定車輛后，即可在國網充電樁上享受“即插即充、無感支付”。電動汽車插入充電槍后，充電過程不需要人為干預，自動完成認證、充電啟動、充電停止以及訂單生成與結算，實現了車、樁、網、能源的泛在互聯與高效互動，是國家電網公司泛在電力物聯網建設的典型終端。

本站聲明:網站內容來源於博客園,如有侵權,請聯繫我們,我們將及時處理【其他文章推薦】

※為什麼 USB CONNECTOR 是電子產業重要的元件?

※網頁設計一頭霧水??該從何著手呢? 找到專業技術的網頁設計公司，幫您輕鬆架站!

※想要讓你的商品成為最夯、最多人討論的話題?網頁設計公司讓你強力曝光

※想知道最厲害的台北網頁設計公司推薦、台中網頁設計公司推薦專業設計師”嚨底家”!!

電動車最讓傳統內燃機汽車車主心生疑慮的地方，就是電池續航力不如油箱裡的油讓人安心，半路沒電了，即使來到充電站，不像加油很快就能加滿，充電需要充上好一陣子。為了解決這個電動車發展的障礙，北歐人想到一個好點子，那就是讓電動車可以在馬路上、譬如等紅燈的時候，就能無線充電，這樣電力生生不息，就不怕沒電啦！點子雖好，測試卻遇上了巨大的障礙。

芬蘭國營電力公司芬電（Fortum）原本於 2019 年 3 月時，宣布與挪威首都奧斯陸以及美國公司動量動力（Momentum Dynamics）合作，要嘗試打造 75 千瓦（kilowatt）的無線快速充電基礎設施，初步目標是放在計程車上，因為計程車司機時間就是金錢，不想在充電樁慢慢等充電，但是行駛的里程又較一般車輛更長，不過計程車常會在車站、旅館等處排隊等客，這個等客人的時間，正好用來無線充電。

尤其是北歐國家為了空氣污染等因素鼓勵電動車計程車，以奧斯陸來說，規劃 2023 年要達到計程車「零排放」，也就是要全電動車化，這種基礎設施就更需要了。奧斯陸市積極想發展無線充電技術以說服計程車司機都改為全電動車，因為雖然挪威是全球電動車滲透率最高的國家，但計程車司機仍然大多繼續使用舊的燃油汽車，其中一大原因就是不願意等待充電時間。

奧斯陸市打算先在車站的計程車等客排隊處的路面建設無線充電系統，讓計程車一邊等客一邊充電，當計程車先一步測試無線充電成功，之後，就能推廣到所有車輛，讓每輛電動車都能利用路邊停車時無線充電，或等紅燈時無線充電，再也不用擔心充電問題。

芬電的無線充電系統將由動量動力來製造，設計上只要車輛停到預設的充電處，就可以開始無線充電，系統並內建金屬感應器，以免有鐵鋁罐不小心滾到車底，在無線充電的電磁作用下變熱而發生危險，另外動量動力也計劃安裝生物組織感應器，以免小孩或貓跑到車底受到電磁波影響，目前該系統的充電效率達 94%，與插電充電相差無幾，系統造價則約比傳統充電樁貴上 20%，每個充電點造價 3 萬歐元。不過，成本還不是最大的問題。

計畫仍在紙上談兵階段，將延遲到 2020 年

這個點子就理論上很好，不料執行面卻遇上嚴重問題，導致至今一事無成，問題出在哪？這是個傳統的雞生蛋、蛋生雞問題，那就是：想要無線充電，需要兩方面配合，一方面路面要建立無線充電的基礎建設，這部分奧斯陸市雖然正在計劃進行，但是另一方面，車廠也要打造出能無線充電的電動車，兩方配合才能實現無線充電。但是，沒有基礎建設，車廠打造無線充電車毫無意義，而沒有相對應能無線充電的車，建設基礎建設也毫無意義。

計劃合作的各方找遍了無數車廠，雖然車廠的興趣蠻高，但是相對於要在電動車上添加無線充電模組，這個無線充電模組又只能先在奧斯陸試用，在其他地方是廢鐵一塊，車廠現在的注意力比較著重於如何更順利量產現有電動車之上，尤其是要降低成本，在這個大方向上，要車廠增加成本去添加無線充電模組，可說背道而馳。

這下計畫遇到了困難，要是沒車可適用，打造基礎設施又有何意義呢？當然可以用現有車輛改造，但那就失去前期測試的意義，因為芬電希望測試結果能很快擴散到其他城市，因此使用量產車來測試才有意義。於是計畫只能繼續在紙上談兵階段，目前初步將延遲到 2020 年春季。

奧斯陸市的進行意願仍然很高，無線充電計程車的測試要何時才能開始進行，就得看車廠方面何時能抽出注意力來思考未來車款的無線充電規劃問題了。

（合作媒體：。首圖來源：）

本站聲明:網站內容來源於EnergyTrend https://www.energytrend.com.tw/ev/,如有侵權,請聯繫我們,我們將及時處理

【其他文章推薦】

※帶您來了解什麼是 USB CONNECTOR  ?

※平板收購,iphone手機收購,二手筆電回收,二手iphone收購-全台皆可收購

※自行創業 缺乏曝光? 下一步"網站設計"幫您第一時間規劃公司的門面形象

※如何讓商品強力曝光呢? 網頁設計公司幫您建置最吸引人的網站，提高曝光率!!

※綠能、環保無空污,成為電動車最新代名詞，目前市場使用率逐漸普及化

※廣告預算用在刀口上，網站設計公司幫您達到更多曝光效益