LEADERG AI ZOO 先進人工智能軟體 (Low Code ,提供豐富範例程式, Jupyter Lab 操作介面, AI Model Zoo, Deep Learning, 深度學習, Machine Learning, 機器學習, Big Data, 大數據)

LEADERG AI ZOO 進階人工智能軟體.png

 

程式碼大補帖,收集及整理各種好用的人工智能演算法及範例程式,把 AI 變簡單,幫助有程式設計經驗的使用者,節省開發時間,快速開發 AI 程式。可應用於產品瑕疵檢測、醫學影像分析、大數據分析、股票價格推論、人工智能教學、犯罪偵防、門禁考勤、智慧長照、公共安全、交通流量、車牌辨識、程式教學、研究開發等。

 

將人工智慧演算法,加上人人都會使用的操作介面,一鍵安裝,易學易用,進行深度學習、分析資料,降低 AI 應用的進入門檻,加快 edge AI 的落地速度,幫助產業解決缺乏 AI 人才的問題。

 

每月提供最新演算法下載,目前共有一百九十幾種演算法,提供原始碼及參考出處,幫助學界便於做研究及發表論文,亦方便業界自行客製 AI 產品進行量產,免收權利金。

 

提供豐富範例、文章、及教學影片,適合老師當作課程教材。

 

內建 Python, CUDA, cuDNN, TensorFlow, Keras, PyTorch 等軟體套件及範例程式,幫助大家大幅省去安裝套件及尋找範例程式的麻煩。

 

Low Code 概念,提供豐富範例程式,優化後的程式碼稍作修改即可應用於研究教學及產品開發。

 

上網輸入序號啟動後,離線也可使用,適用於無法上網的工廠生產線、醫院、政府單位等。

 

Windows 版本支援一鍵安裝完整 Python 開發環境,大幅節省安裝時間。

 

Linux 版本支援 Docker container 多人連線教學環境快速建置,可以指定每位使用者可以使用的 CPU, RAM, GPU 資源。

 

大幅降低技術門檻,對於產業 AI 化有很大幫助,於2018年6月參加國際 AI 大賽獲得第一名,獎金新台幣300萬元。

 

 

[ 架構圖 ]

 

LEADERG-AI-ZOO-AI Software-Architecture-20200505.png

 

 

 

整理各種人工智慧演算法,節省開發時間,讓您輕鬆使用 AI ,歡迎老師當作課程教材。

 

首屆 TAIRA AI 總決賽最終獲得評審團青睞,在眾多優秀對手中脫穎而出,奪得首獎新台幣300萬!解決產業缺乏 AI 人才的問題。無論是產品競爭力、技術門檻,以及與企業的對接度等項目,均獲得非常高的評價!

 

感謝晶圓、封測、面板、石化、電子、系統整合、設備、醫院、教育等產業客戶採用。

 

感謝多所學校老師採用。

 

 

 

[ 特色 ]

 

 

    • 支援深度學習

    • 支援人工智慧演算法

    • 支援影像處理

    • 支援多種影像運算方法

    • 支援影像分析

    • 支援條碼辨識

    • 支援 QR code

    • 支援多核心及多處理器的電腦

    • 支援 GPU 加速

    • 支援自訂函式庫

    • 支援 TensorFlow 2.4.0

    • 支援 PyTorch 1.7.0

    • 支援 CUDA 11.0

    • 支援 cuDNN 8.0.4

    • 本機執行,資料不用上傳到雲端,避免公司機密外洩

    • 每月提供最新演算法下載

    • 價格公道

    • 支援 CPU 運算,適合一般電腦教室教學

    • 支援 GPU 運算,加速研究開發

    • 一鍵安裝 Python 開發環境: CUDA, cuDNN, Terminal, Jupyter Lab, Spyder, labelImg, lableMe, ...

 

 

 

[ 硬體需求 ]

 

    • x64 處理器

    • 16 GB 主記憶體或以上

    • 硬碟需要 150 GB 以上空間

    • 使用者畫面解析度需要 1280 x 720 以上

    • 滑鼠或其他使用者介面點擊裝置   

 

    • 支援 CUDA, cuDNN, TensorRT 的 NVIDIA GPU (GPU 記憶體需 24 GB 以上)

    • 支援 OpenVINO 的 Intel VPU 或 FPGA (運算加速選配)

 

 

 

[ 軟體優勢 ]

 

    • 簡單好上手,開發整合速度快

    • 於支援期間,針對內建解決方案,有提供技術支援

    • 經過半導體產業、面板產業、石化產業、 PCB 產業等大廠驗證

    • 參加國際 AI 大賽得到第一名,獎金新台幣300萬

    • 感謝晶圓、封測、面板、銅箔、 PCB 等產業大廠採用

    • Windows 版本支援免安裝,內建最新版 Python, PyTorch, TorchVision, TensorFlow, Keras, CUDA, cuDNN, ... ,支援 CPU 及 GPU 運算,不需麻煩另外安裝環境,解壓縮後即可立刻使用

    • 內建常用深度學習解決方案,所有方案皆驗證過

    • 價格合理

 

 

 

[ 適合對象 ]

 

 

本產品為進階人工智慧軟體,適合具有程式設計能力的使用者,例如:學生、研究助理、學校老師、醫院資訊室、軟體工程師、製程工程師、研發部門、資訊部門等。

 

如果使用者不會寫程式,或不想寫程式,請參考 LEADERG APP 人工智慧軟體

 

 

 

[ 案例及效益 ] 

 

 

案例:學校客戶

效益:用於教學及研究,內建有業界經驗的豐富範例程式,符合產學合作及未來就業需求。

 

 

案例:醫院客戶1

效益:用於醫療影像分析、語意辨識,內建有業界經驗的豐富範例程式,開發速度快。導入後,可節省醫護時間,每年可省下數千萬元。

 

 

案例:醫院客戶2

效益:用於病理影像檢測、錶頭監控、藥品監控、語音辨識等,大幅節省醫護人員時間。

 

 

案例:設備商客戶

效益:用於瑕疵影像分析,內建有業界經驗的豐富範例程式,開發速度快,縮短機台交期。

 

 

案例:半導體廠客戶

效益:用於精密自動量測及瑕疵檢測,導入前每年都有瑕疵爆大量的狀況,導入後每年可省下一億。

 

 

案例:工廠客戶

效益:用於取代人工目檢,減員增效,目檢漏失率可降至0%,人員需求可降至原來的三分之一,導入後每年可省下數千萬元。

 

 

案例:政府客戶

效益:用於化學分析,內建有業界經驗的豐富範例程式,開發速度快,縮短部署時間。

 

 

 

[ 軟體比較 ]

 

 

 

LEADERG

AI ZOO

MATLAB Halcon/Cognex eVision
總體性能
總體成本
AI 影像演算法
傳統影像演算法
條碼辨識
聲音演算法
提供原始碼
量產權利金

 

 

 

[ 軟體授權 ]

 

本軟體提供完整程式碼,便於做研究及發表論文,亦可以自行客製 AI 產品進行量產,免收權利金。

 

本軟體不是開放原始碼。請私下使用,不可發佈到網路上。

 

本軟體不提供任何保證,如需保證,需另外專案付費: THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY, FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM, OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE SOFTWARE.

 

 

 

[ LEADERG AI ZOO 版本說明 ]

 

 

LEADERG AI ZOO 進階人工智慧軟體單機版: 

 

授權一台電腦,永久授權,一年下載,一年技術支援

 

 

LEADERG AI ZOO 進階人工智慧軟體企業版部門授權: 

 

授權一個部門員工的電腦,永久授權,一年下載,一年技術支援

 

 

LEADERG AI ZOO 進階人工智慧軟體企業版公司授權: 

 

授權一間公司員工的電腦,永久授權,一年下載,一年技術支援

 

 

LEADERG AI ZOO 進階人工智慧軟體教育版系所授權: 

 

授權一個系所師生的電腦,永久授權,一年下載,一年技術支援

 

 

LEADERG AI ZOO 進階人工智慧軟體教育版學院授權: 

 

授權一所學院師生的電腦,永久授權,一年下載,一年技術支援

 

 

LEADERG AI ZOO 進階人工智慧軟體教育版全校授權: 

 

授權一所學校師生的電腦,永久授權,一年下載,一年技術支援

 

 

 

[ 解決方案 ]

 

 

企業資訊部門快速導入 AI 解決方案:針對客製化 AI 服務需求,提供範例程式加上20小時客製化教學。

 

 

企業資訊部門快速導入 AI web API 解決方案:針對客製化 AI web API 需求,提供演算法範例程式加上20小時客製化教學。

 

 

企業研發部門快速導入 AI 解決方案:針對客製化 AI 產品研發需求,提供範例程式加上20小時客製化教學。

 

 

醫院快速導入病理影像分析 AI 解決方案:針對客製化 AI 病理影像分析需求,提供範例程式加上20小時客製化教學。

 

 

工廠快速導入瑕疵檢測影像分析 AI AOI 解決方案:針對客製化瑕疵檢測 AI AOI 需求,提供範例程式加上20小時客製化教學。

 

 

公司行銷部門快速導入銷售預測 AI 大數據分析解決方案:針對客製化銷售預測 AI 大數據分析需求,提供範例程式加上20小時客製化教學。

 

 

 

[ 支援作業系統 ]

 

Windows 10 64位元 或 Ubuntu Linux 18.04 64位元,二擇一。

如需支援兩種作業系統,需購買兩套授權。

Windows 及 Linux 版本訓練出來的模型檔可以通用。

大部分演算法同時支援 Windows 及 Linux 作業系統。

但是少部分演算法只有支援 Windows 或 Linux 作業系統的其中一種。

Windows 的開發環境比較好用,但是演算法執行速度較慢。

通常在產品量產前或是有速度需求時,才會用 Linux 版本。

 

 

 

[ 技術文章及影片 ]

 

https://tw.leaderg.com/dir/index?sn=11114

 

 

 

[ 技術支援 ]

 

提供1小時視訊操作教學。

 

軟體下載及技術支援時間為一年。

 

針對軟體操作或範例程式的問題提供電子郵件技術支援服務。

 

如果是軟體客製化問題,請購買我們的客製化收費教育訓練。

 

https://tw.leaderg.com/article/index?sn=9246

 

 

 

[ 購買方式 ] 

 

https://tw.leaderg.com/article/index?sn=11056

 

 

 

[ 人工智慧演算法 ]

 

 

演算法 Jupyter-BERT
說明 BERT 文本訓練、文本生成、句子判斷

 

演算法 Jupyter-Chatterbot
說明 聊天機器人

 

演算法 Jupyter-COM
說明 串列埠

 

演算法 Jupyter-CURL
說明 使用 CURL 函式庫抓取網頁

 

演算法 Jupyter-Data-Conv1D-Keras
說明 使用 1 維卷積神經網路進行資料分析

 

演算法 Jupyter-Data-Dense-Sin-PyTorch
說明 使用 Densenet 學習 sin 波及推論

 

演算法 Jupyter-Data-Dense-Stock-PyTorch
說明 使用 Densenet 進行 stock 預測

 

演算法 Jupyter-Data-Dense-Fraud-Detection
說明 詐騙偵測

 

演算法 Jupyter-Data-Genetic-Algorithm-Flow-Shop
說明 基因演算法工廠排程

 

演算法 Jupyter-Data-Genetic-Algorithm-Job-Shop
說明 基因演算法工廠排程

 

演算法 Jupyter-Data-Genetic-Algorithm-Job-Shop-NSGA-II
說明 基因演算法工廠排程

 

演算法 Jupyter-Data-Gradient-Boosting-Classification
說明 使用 Gradient-Boosting 進行鐵達尼號生存預測

 

演算法 Jupyter-Data-Gradient-Boosting-Regression
說明 使用 Gradient-Boosting 預測波士頓房價

 

演算法 Jupyter-Data-JSON
說明 使用 Python 讀入 json,印出內容,寫入 output.json

 

演算法 Jupyter-Data-LightGBM-Classification
說明 使用 LightGBM 進行鐵達尼號生存預測

 

演算法 Jupyter-Data-LightGBM-Regression
說明 使用 LightGBM 預測波士頓房價

 

演算法 Jupyter-Data-LSTM-PyTorch
說明 使用 LSTM PyTorch 預測股票價格

 

演算法 Jupyter-Data-Matplot-Stock
說明 Python 畫數據的曲線圖

 

演算法 Jupyter-Data-Read-Sin
說明 Python 讀取 Sin 波的值與畫成表格

 

演算法 Jupyter-Data-Read-Write-CSV
說明 Python 進行 CSV 數據的存取 

 

演算法 Jupyter-Data-Read-Write-Excel
說明 Python 進行 Excel 數據的存取 

 

演算法 Jupyter-Data-Regression-Forest
說明 使用 Regression-Forest 預測波士頓房價

 

演算法 Jupyter-Data-Regression-Forest-Sin
說明 使用 Regression-Forest 預測 Sin 波

 

演算法 Jupyter-Data-Regression-Forest-Stock
說明 使用 Regression-Forest 預測股價

 

演算法 Jupyter-Data-SVM
說明 使用 SVM 進行資料分群

 

演算法 Jupyter-Data-Taiwan-Mask
說明 查台灣藥局口罩庫存的資料爬蟲

 

演算法 Jupyter-Data-XGBoost-Classification
說明 使用 XGBoost 進行鐵達尼號生存預測

 

演算法 Jupyter-Data-XGBoost-GPU-Test
說明 XGBoost GPU 測試

 

演算法 Jupyter-Data-XGBoost-Regression
說明 使用 XGBoost 預測波士頓房價

 

演算法 Jupyter-Data-XGBoost-Regression-Stock-Taiwan
說明 使用 XGBoost 預測股票價格

 

演算法 Jupyter-Data-XGBoost-Regression-Time-Series
說明 使用 XGBoost Regression 時間序列預測股票

 

演算法 Jupyter-File-Batch-Rename
說明 批量改檔名

 

演算法 Jupyter-File-Download
說明 下載檔案並顯示進度條

 

演算法 Jupyter-GPT-2
說明 GPT-2 自動生成文本

 

演算法 Jupyter-GPT-2-Chinese
說明 GPT-2 自動生成中文文本

 

演算法 Jupyter-Http-Server-AIOHTTP
說明 Python AIOHTTP Web Server

 

演算法 Jupyter-Http-Server-Flask
說明 Python Flask 輕量級Web應用框架

 

演算法 Jupyter-Image-Augmentation
說明 影像擴增

 

演算法 Jupyter-Image-Barcode
說明 讀取一維、二維條碼

 

演算法 Jupyter-Image-Barcode-Generator
說明 生成條碼

 

演算法 Jupyter-Image-Batch-Resize
說明 影像批量縮放

 

演算法 Jupyter-Image-Classification-AlexNet-PyTorch
說明 使用 PyTorch AlexNet 進行影像瑕疵分類

 

演算法 Jupyter-Image-Classification-Attention-PyTorch
說明 使用 PyTorch Attention 進行影像瑕疵分類

 

演算法 Jupyter-Image-Classification-CSPResNeXt-50-CPP
說明 使用 PyTorch CSPResNeXt 進行影像瑕疵分類

 

演算法 Jupyter-Image-Classification-DenseNet-OCR-Keras
說明 使用 DenseNet 進行字元辨識

 

演算法 Jupyter-Image-Classification-DenseNet121-PyTorch
說明 使用 PyTorch DenseNet121 進行影像瑕疵分類

 

演算法 Jupyter-Image-Classification-EfficientNet-PyTorch
說明 使用 PyTorch EfficientNet 進行影像瑕疵分類

 

演算法 Jupyter-Image-Classification-GoogleNet-PyTorch
說明 使用 PyTorch GoogleNet 進行影像瑕疵分類

 

演算法 Jupyter-Image-Classification-InceptionV2-PyTorch
說明 使用 PyTorch InceptionV2 進行影像瑕疵分類

 

演算法 Jupyter-Image-Classification-InceptionV3-CAM-PyTorch
說明 在 PyTorch 下使用 InceptionV3  與 Class Activation Mapping 可視化來進行影像分類。

 

演算法 Jupyter-Image-Classification-InceptionV3-PyTorch
說明 使用 PyTorch InceptionV3 進行影像瑕疵分類

 

演算法 Jupyter-Image-Classification-InceptionV4-PyTorch
說明 使用 PyTorch InceptionV4 進行影像瑕疵分類

 

演算法 Jupyter-Image-Classification-Inception_ResNet_v1-PyTorch
說明 使用 PyTorch Inception_ResNet_v1 進行影像瑕疵分類

 

演算法 Jupyter-Image-Classification-Inception_ResNet_v2-PyTorch
說明 使用 PyTorch Inception_ResNet_v2 進行影像瑕疵分類

 

演算法 Jupyter-Image-Classification-MNASNet-PyTorch
說明 使用 PyTorch MNASNet 進行影像瑕疵分類

 

演算法 Jupyter-Image-Classification-MobileNetV1-PyTorch
說明 使用 PyTorch MobileNetV1 進行影像瑕疵分類

 

演算法 Jupyter-Image-Classification-MobileNetV2-PyTorch
說明 使用 PyTorch MobileNetV2 進行影像瑕疵分類

 

演算法 Jupyter-Image-Classification-MobileNetV3-PyTorch
說明 使用 PyTorch MobileNetV3 進行影像瑕疵分類

 

演算法 Jupyter-Image-Classification-PreactresNet18-PyTorch
說明 使用 PyTorch PreactresNet18 進行影像瑕疵分類

 

演算法 Jupyter-Image-Classification-RegNet-PyTorch
說明 使用 PyTorch RegNet 進行影像瑕疵分類

 

演算法 Jupyter-Image-Classification-Resnet_in_Resnet-PyTorch
說明 使用 PyTorch Resnet_in_Resnet 進行影像瑕疵分類

 

演算法 Jupyter-Image-Classification-ResNet50-PyTorch
說明 使用 PyTorch ResNet50 進行影像瑕疵分類

 

演算法 Jupyter-Image-Classification-ResNeXt101-PyTorch
說明 使用 PyTorch ResNeXt101 進行影像瑕疵分類

 

演算法 Jupyter-Image-Classification-SENet-PyTorch
說明 使用 PyTorch SENet 進行影像瑕疵分類

 

演算法 Jupyter-Image-Classification-ShuffleNetV1-PyTorch
說明 使用 PyTorch ShuffleNetV1 進行影像瑕疵分類

 

演算法 Jupyter-Image-Classification-ShuffleNetV2-PyTorch
說明 使用 PyTorch ShuffleNetV2 進行影像瑕疵分類

 

演算法 Jupyter-Image-Classification-SqueezeNet-PyTorch
說明 使用 PyTorch SqueezeNet 進行影像瑕疵分類

 

演算法 Jupyter-Image-Classification-VGG16-PyTorch
說明 使用 PyTorch VGG16 進行影像瑕疵分類

 

演算法 Jupyter-Image-Classification-Xception-PyTorch
說明 使用 PyTorch Xception 進行影像瑕疵分類

 

演算法 Jupyter-Image-CycleGAN-PyTorch
說明 使用 CycleGAN 轉換馬到斑馬

 

演算法 Jupyter-Image-DICOM
說明 DICOM 醫療數位影像

 

演算法 Jupyter-Image-FaceNet
說明 FaceNet 人臉辨識

 

演算法 Jupyter-Image-Fingerprint-Recognition
說明 指紋影像辨識

 

演算法 Jupyter-Image-GAN-Compression-PyTorch
說明 GAN 壓縮模型使用

 

演算法 Jupyter-Image-Ganomaly
說明 使用 GANomaly 進行影像異常檢測

 

演算法 Jupyter-Image-Gauge-Reader
說明 錶頭刻度辨識

 

演算法 Jupyter-Image-Human-Pose-PyTorch
說明 偵測人體姿勢

 

演算法 Jupyter-Image-LPRNet-PyTorch
說明 使用 LPRNet 辨識車牌

 

演算法 Jupyter-Image-Object-Detection-CSPResNeXt50-PANet-SPP-CPP
說明 使用 CSPResNeXt50 PANet 進行瑕疵檢測

 

演算法 Jupyter-Image-Object-Detection-DETR-PyTorch
說明 使用 PyTorch DETR 進行瑕疵檢測

 

演算法 Jupyter-Image-Object-Detection-EfficientDet-Keras
說明 使用 Keras EfficientDet 進行瑕疵檢測

 

演算法 Jupyter-Image-Object-Detection-FasterRCNN-Keras
說明 使用 Keras FasterRCNN 進行瑕疵檢測

 

演算法 Jupyter-Image-Object-Detection-MobileNetV1-SSD300-PyTorch
說明 使用 PyTorch MobileNetV1-SSD300 進行瑕疵檢測

 

演算法 Jupyter-Image-Object-Detection-MobileNetV1-SSD512-PyTorch
說明 使用 PyTorch MobileNetV1-SSD512 進行瑕疵檢測

 

演算法 Jupyter-Image-Object-Detection-MobileNetV2-SSD300-PyTorch
說明 使用 PyTorch MobileNetV2-SSD300 進行瑕疵檢測

 

演算法 Jupyter-Image-Object-Detection-MobileNetV2-SSD512-PyTorch
說明 使用 PyTorch MobileNetV2-SSD512 進行瑕疵檢測

 

演算法 Jupyter-Image-Object-Detection-MobileNetV3-SSD300-PyTorch
說明 使用 PyTorch MobileNetV3-SSD300 進行瑕疵檢測

 

演算法 Jupyter-Image-Object-Detection-MobileNetV3-SSD512-PyTorch
說明 使用 PyTorch MobileNetV3-SSD512 進行瑕疵檢測

 

演算法 Jupyter-Image-Object-Detection-ResNet152-SSD512-PyTorch
說明 使用 PyTorch ResNet152-SSD512 進行瑕疵檢測

 

演算法 Jupyter-Image-Object-Detection-ResNet50-SSD300-PyTorch
說明 使用 PyTorch ResNet50-SSD300 進行瑕疵檢測

 

演算法 Jupyter-Image-Object-Detection-ResNet50-SSD512-PyTorch
說明 使用 PyTorch ResNet50-SSD512 進行瑕疵檢測

 

演算法 Jupyter-Image-Object-Detection-VGG16-SSD512-PyTorch
說明 使用 PyTorch VGG16-SSD512 進行瑕疵檢測

 

演算法 Jupyter-Image-Object-Detection-VGG19-SSD512-PyTorch
說明 使用 PyTorch VGG19-SSD512 進行瑕疵檢測

 

演算法 Jupyter-Image-Object-Detection-YOLOv4-CPP
說明 使用 YOLOv4 進行瑕疵檢測

 

演算法 Jupyter-Image-Object-Detection-YOLOv4-Multiple-Object-Tracking-CPP
說明 使用 YOLOv4 進行多物件追蹤

 

演算法 Jupyter-Image-Object-Detection-YOLOv4-Tiny-CPP
說明 使用 YOLOv4 Tiny進行瑕疵檢測

 

演算法 Jupyter-Image-OCR
說明 Python 使用 Tesseract-OCR 進行字元辨識

 

演算法 Jupyter-Image-ONNX
說明 使用 ONNX 模型進行影像分類、影像偵測、影像切割

 

演算法 Jupyter-Image-OpenCV-Adaptive-Threshold
說明 Python OpenCV 自適應二值化

 

演算法 Jupyter-Image-OpenCV-Add
說明 Python OpenCV 影像相加

 

演算法 Jupyter-Image-OpenCV-Bilateral-Filter
說明 Python OpenCV 雙邊濾波器

 

演算法 Jupyter-Image-OpenCV-Binarize
說明 Python OpenCV 做二值化

 

演算法 Jupyter-Image-OpenCV-Black-Hat
說明 Python OpenCV 做形態學 Black Hat

 

演算法 Jupyter-Image-OpenCV-Blob
說明 Python OpenCV Blob 二值化影像幾何形狀提取與分離

 

演算法 Jupyter-Image-OpenCV-Blur
說明 Python OpenCV 模糊處理

 

演算法 Jupyter-Image-OpenCV-Brightness
說明 Python OpenCV 影像明暗度

 

演算法 Jupyter-Image-OpenCV-Canny
說明 Python OpenCV 邊緣偵測 Canny

 

演算法 Jupyter-Image-OpenCV-Capture-Image
說明 Python OpenCV 從 webcam 連續擷取影像並顯示在螢幕上

 

演算法 Jupyter-Image-OpenCV-Connected-Components
說明 Python OpenCV 影像連通元件標記法

 

演算法 Jupyter-Image-OpenCV-Copy
說明 Python OpenCV 影像複製

 

演算法 Jupyter-Image-OpenCV-Create-And-Fill
說明 Python OpenCV 建立影像與填充

 

演算法 Jupyter-Image-OpenCV-Crop
說明 Python OpenCV 影像裁切

 

演算法 Jupyter-Image-OpenCV-DCT
說明 Python OpenCV 影像 DCT 頻率域

 

演算法 Jupyter-Image-OpenCV-DeBlur
說明 Python OpenCV 影像去模糊

 

演算法 Jupyter-Image-OpenCV-DFT
說明 Python OpenCV 影像 DFT 頻率域

 

演算法 Jupyter-Image-OpenCV-Dilation
說明 OpenCV 影像膨脹範例

 

演算法 Jupyter-Image-OpenCV-Erosion
說明 OpenCV 影像侵蝕範例

 

演算法 Jupyter-Image-OpenCV-Filter2D
說明 OpenCV filter2D 濾波範例

 

演算法 Jupyter-Image-OpenCV-Find-Contours
說明 OpenCV 影像找輪廓範例

 

演算法 Jupyter-Image-OpenCV-Gaussian-Blur
說明 OpenCV 影像高斯模糊範例

 

演算法 Jupyter-Image-OpenCV-GetWH
說明 OpenCV 取得影像長寬範例

 

演算法 Jupyter-Image-OpenCV-Gray
說明 Python OpenCV 讀取 input.png 的彩色圖檔,轉換成灰階後顯示在螢幕上

 

演算法 Jupyter-Image-OpenCV-Histogram-Calculation
說明 OpenCV 直方圖計算範例

 

演算法 Jupyter-Image-OpenCV-Histogram-Comparison
說明 OpenCV 直方圖比較範例

 

演算法 Jupyter-Image-OpenCV-Histogram-Equalization
說明 OpenCV 直方圖均衡化範例

 

演算法 Jupyter-Image-OpenCV-Hough-Circle-Transform
說明 OpenCV 霍夫圓轉換範例

 

演算法 Jupyter-Image-OpenCV-Hough-Transform
說明 OpenCV 霍夫線轉換範例

 

演算法 Jupyter-Image-OpenCV-InRange
說明 OpenCV inRange 範例

 

演算法 Jupyter-Image-OpenCV-Laplace
說明 OpenCV Laplace 範例

 

演算法 Jupyter-Image-OpenCV-Median-Blur
說明 OpenCV 模糊化範例

 

演算法 Jupyter-Image-OpenCV-Merge
說明 OpenCV 影像 Merge 範例

 

演算法 Jupyter-Image-OpenCV-Morphological-Gradient
說明 OpenCV 影像梯度範例

 

演算法 Jupyter-Image-OpenCV-Opening-And-Closing
說明 OpenCV 形態學開運算、閉運算範例

 

演算法 Jupyter-Image-OpenCV-Read-Write-Image-File
說明 Python OpenCV 讀取 input.png 存成 output.jpg

 

演算法 Jupyter-Image-OpenCV-ReMap
說明 OpenCV 影像 ReMap 範例

 

演算法 Jupyter-Image-OpenCV-Resize
說明 OpenCV 影像縮放範例

 

演算法 Jupyter-Image-OpenCV-Rotate
說明 OpenCV 影像旋轉範例

 

演算法 Jupyter-Image-OpenCV-Sharpness
說明 OpenCV 影像銳化範例

 

演算法 Jupyter-Image-OpenCV-Shift
說明 OpenCV 影像平移範例

 

演算法 Jupyter-Image-OpenCV-Sobel
說明 OpenCV Sobel 演算法範例

 

演算法 Jupyter-Image-OpenCV-Split
說明 OpenCV 通道分離範例

 

演算法 Jupyter-Image-OpenCV-Top-Hat
說明 OpenCV 頂帽運算範例

 

演算法 Jupyter-Image-Pix2Pix-PyTorch
說明 使用 pix2pix GAN 進行地圖轉換

 

演算法 Jupyter-Image-PSGAN-PyTorch
說明 使用 PSGAN 進行人臉化妝

 

演算法 Jupyter-Image-QRcode-Generator
說明 生成QR code 條碼

 

演算法 Jupyter-Image-Screen-Capture
說明 Python 擷取桌面畫面後,儲存到 output.png

 

演算法 Jupyter-Image-Segmentation-3D-UNet-PyTorch
說明 使用 U-Net 3D 進行影像分割

 

演算法 Jupyter-Image-Segmentation-MaskRCNN-Keras
說明 使用 MaskRCNN 進行影像物件分割

 

演算法 Jupyter-Image-Segmentation-UNet-Keras
說明 使用 U-Net 進行影像分割

 

演算法 Jupyter-Image-Segmentation-YOLACT-PyTorch
說明 使用 YOLACT 進行影像物件分割

 

演算法 Jupyter-Image-Stitching
說明 使用 brisk 特徵提取演算法進行影像拼接

 

演算法 Jupyter-Image-Super-Resolution-PyTorch
說明 使用 SRGAN 進行超分辨率

 

演算法 Jupyter-Keyboard
說明 Python 送出鍵盤訊號

 

演算法 Jupyter-Model-Keras-To-ONNX
說明 把 Keras 的模型轉成 ONNX 的模型

 

演算法 Jupyter-Model-ONNX-To-OpenVINO
說明 把 ONNX 的模型轉成 OpenVINO 的模型

 

演算法 Jupyter-Model-ONNX-To-TensorRT
說明 把 ONNX 的模型轉成 TensorRT 的模型

 

演算法 Jupyter-Model-PyTorch-To-ONNX
說明 把 PyTorch 的模型轉成 ONNX 的模型

 

演算法 Jupyter-Model-TensorFlow-To-ONNX
說明 把 TensorFlow 的模型轉成 ONNX 的模型

 

演算法 Jupyter-Model-View-Netron
說明 顯示模型架構

 

演算法 Jupyter-Model-YOLOv3-CPP-to-OpenVINO
說明 把 YOLOv3 CPP 的模型轉成 OpenVINO 的模型

 

演算法 Jupyter-Model-YOLOv4-CPP-to-PyTorch
說明 把 YOLOv4 CPP 的模型轉成 PyTorch 模型

 

演算法 Jupyter-Mouse
說明 Python 送出移動滑鼠指令

 

演算法 Jupyter-MySQL
說明 Python MySQL 連接,資料刪除、修改、查詢

 

演算法 Jupyter-NVR
說明 NVR 錄影

 

演算法 Jupyter-OpenVINO
說明

OpenVINO 範例

Image_Crossroad_Camera

Image_Gaze_Estimation

Image_Human_Pose_Estimation

Image_Interactive_Face_Detection

Image_Mask_RCNN

Image_Multi_Channel_Face_Detection

Image_Multi_Channel_Human_Pose_Estimation

Image_Multi_Channel_Object_Detection_YOLOv3

Image_Object_Detection_Faster_Rcnn

Image_Object_Detection_YOLOv3 Image_Pedestrian_Tracker

Image_Security_Barrier_Camera Image_Segmentation

Image_Smart_Classroom

Image_Super_Resolution

Image_Super_Resolution_Text

Image_Text_Detection

Image_Text_Recognition

 

演算法 Jupyter-PySide2
說明 Python PySide2

 

演算法 Jupyter-PySide2-OpenCV-Webcam
說明 PySide2 介面顯示 webcam 即時影像

 

演算法 Jupyter-Python-DLL
說明 Python 使用 DLL 範例

 

演算法 Jupyter-Python-For
說明 Python For 迴圈範例

 

演算法 Jupyter-Python-Function
說明 Python 函式範例

 

演算法 Jupyter-Python-Function-Call
說明 Python 呼叫函式範例

 

演算法 Jupyter-Python-Hello-World
說明 Python print範例

 

演算法 Jupyter-Python-If
說明 Python If 範例

 

演算法 Jupyter-Python-Import
說明 Python import 範例

 

演算法 Jupyter-Python-Print
說明 Python 印出值範例

 

演算法 Jupyter-Python-Thread
說明 Python 執行緒範例

 

演算法 Jupyter-Python-Variable
說明 Python 值範例

 

演算法 Jupyter-Python-While
說明 Python while 迴圈使用範例

 

演算法 Jupyter-PyTorch-CUDA-Test
說明 PyTorch CUDA 測試

 

演算法 Jupyter-Quote
說明 Python Quote

 

演算法 Jupyter-SMTP
說明 Python 簡單郵件傳輸

 

演算法 Jupyter-Sound-Play-Music
說明 Python 音樂播放 mp3

 

演算法 Jupyter-Sound-Play-Sound
說明 Python 聲音播放 wav

 

演算法 Jupyter-Sound-Spectrogram
說明 Python 聲音頻譜

 

演算法 Jupyter-Speech-Simple-Recognizer
說明 語音分析

 

演算法 Jupyter-Speech-To-Text
說明 Python 語音轉文字

 

演算法 Jupyter-TensorFlow-CUDA-Test
說明 Python TensorFlow CUDA 測試

 

演算法 Jupyter-Text-To-Speech
說明 Python 文字轉語音

 

演算法 VS-OpenCV-Webcam
說明 C# OpenCV Webcam 範例

 

演算法 Web-OpenCV-CPP-Webcam
說明 OpenCV 讀取 Webcam 影像顯示在網頁上

 

演算法 Jupyter-Image-OpenCV-Gray
說明 Python OpenCV 讀取 input.png 的彩色圖檔,轉換成灰階後顯示在螢幕上

 

演算法 Jupyter-Image-OpenCV-Histogram-Calculation
說明 OpenCV 直方圖計算範例

 

演算法 Jupyter-Image-OpenCV-Histogram-Comparison
說明 OpenCV 直方圖比較範例

 

演算法 Jupyter-Image-OpenCV-Histogram-Equalization
說明 OpenCV 直方圖均衡化範例

 

演算法 Jupyter-Image-OpenCV-Hough-Circle-Transform
說明 OpenCV 霍夫圓轉換範例

 

演算法 Jupyter-Image-OpenCV-Hough-Transform
說明 OpenCV 霍夫線轉換範例

 

演算法 Jupyter-Image-OpenCV-InRange
說明 OpenCV inRange 範例

 

演算法 Jupyter-Image-OpenCV-Laplace
說明 OpenCV Laplace 範例

 

演算法 Jupyter-Image-OpenCV-Median-Blur
說明 OpenCV 模糊化範例

 

演算法 Jupyter-Image-OpenCV-Merge
說明 OpenCV 影像 Merge 範例

 

演算法 Jupyter-Image-OpenCV-Morphological-Gradient
說明 OpenCV 影像梯度範例

 

演算法 Jupyter-Image-OpenCV-Opening-And-Closing
說明 OpenCV 形態學開運算、閉運算範例

 

演算法 Jupyter-Image-OpenCV-Read-Write-Image-File
說明 Python OpenCV 讀取 input.png 存成 output.jpg

 

演算法 Jupyter-Image-OpenCV-ReMap
說明 OpenCV 影像 ReMap 範例

 

演算法 Jupyter-Image-OpenCV-Resize
說明 OpenCV 影像縮放範例

 

演算法 Jupyter-Image-OpenCV-Rotate
說明 OpenCV 影像旋轉範例

 

演算法 Jupyter-Image-OpenCV-Sharpness
說明 OpenCV 影像銳化範例

 

演算法 Jupyter-Image-OpenCV-Shift
說明 OpenCV 影像平移範例

 

演算法 Jupyter-Image-OpenCV-Sobel
說明 OpenCV Sobel 演算法範例

 

演算法 Jupyter-Image-OpenCV-Split
說明 OpenCV 通道分離範例

 

演算法 Jupyter-Image-OpenCV-Top-Hat
說明 OpenCV 頂帽運算範例

 

演算法 Jupyter-Image-QRcode-Generator
說明 生成QR code 條碼

 

演算法 Jupyter-Image-Screen-Capture
說明 Python 擷取桌面畫面後,儲存到 output.png

 

演算法 Jupyter-Image-Segmentation-MaskRCNN-Keras
說明 使用 MaskRCNN 進行影像物件分割

 

演算法 Jupyter-Image-Segmentation-UNet-Keras
說明 使用 U-Net 進行影像語意分割

 

演算法 Jupyter-Image-Segmentation-YOLACT-PyTorch
說明 使用 YOLACT 進行影像物件分割

 

演算法 Jupyter-Image-Stitching
說明 使用 brisk 特徵提取演算法進行影像拼接

 

演算法 Jupyter-Keyboard
說明 Python 送出鍵盤訊號

 

演算法 Jupyter-Model-Keras-To-ONNX
說明 把 Keras 的模型轉成 ONNX 的模型

 

演算法 Jupyter-Model-ONNX-To-OpenVINO
說明 把 ONNX 的模型轉成 OpenVINO 的模型

 

演算法 Jupyter-Model-ONNX-To-TensorRT
說明 把 ONNX 的模型轉成 TensorRT 的模型

 

演算法 Jupyter-Model-PyTorch-To-ONNX
說明 把 PyTorch 的模型轉成 ONNX 的模型

 

演算法 Jupyter-Model-TensorFlow-To-ONNX
說明 把 TensorFlow 的模型轉成 ONNX 的模型

 

演算法 Jupyter-Model-View-Netron
說明 顯示模型架構

 

演算法 Jupyter-Model-YOLOv3-CPP-to-OpenVINO
說明 把 YOLOv3 CPP 的模型轉成 OpenVINO 的模型

 

演算法 Jupyter-Model-YOLOv4-CPP-to-PyTorch
說明 把 YOLOv4 CPP 的模型轉成 PyTorch 模型

 

演算法 Jupyter-Mouse
說明 Python 送出移動滑鼠指令

 

演算法 Jupyter-MySQL
說明 Python MySQL 連接,資料刪除、修改、查詢

 

演算法 Jupyter-OpenVINO
說明

OpenVINO 範例

Image_Crossroad_Camera

Image_Gaze_Estimation

Image_Human_Pose_Estimation

Image_Interactive_Face_Detection

Image_Mask_RCNN Image_Multi_Channel_Face_Detection Image_Multi_Channel_Human_Pose_Estimation

Image_Multi_Channel_Object_Detection_YOLOv3

Image_Object_Detection_Faster_Rcnn

Image_Object_Detection_YOLOv3

Image_Pedestrian_Tracker

Image_Security_Barrier_Camera

Image_Segmentation Image_Smart_Classroom

Image_Super_Resolution

Image_Super_Resolution_Text

Image_Text_Detection

Image_Text_Recognition

 

演算法 Jupyter-PySide2
說明 Python PySide2

 

演算法 Jupyter-PySide2-OpenCV-Webcam
說明 PySide2 介面顯示 webcam 即時影像

 

演算法 Jupyter-Python-DLL
說明 Python 使用 DLL 範例

 

演算法 Jupyter-Python-For
說明 Python For 迴圈範例

 

演算法 Jupyter-Python-Function
說明 Python 函式範例

 

演算法 Jupyter-Python-Import
說明 Python import 範例

 

演算法 Jupyter-Python-Print
說明 Python 印出值範例

 

演算法 Jupyter-Python-Thread
說明 Python 執行緒範例

 

演算法 Jupyter-Python-Variable
說明 Python 值範例

 

演算法 Jupyter-Python-While
說明 Python while 迴圈使用範例

 

演算法 Jupyter-PyTorch-CUDA-Test
說明 PyTorch CUDA 測試

 

演算法 Jupyter-Quote
說明 Python Quote

 

演算法 Jupyter-SMTP
說明 Python 簡單郵件傳輸

 

演算法 Jupyter-Sound-Play-Music
說明 Python 音樂播放 mp3

 

演算法 Jupyter-Sound-Play-Sound
說明 Python 聲音播放 wav

 

演算法 Jupyter-Sound-Spectrogram
說明 Python 聲音頻譜

 

演算法 Jupyter-Speech-To-Text
說明 Python 語音轉文字

 

演算法 Jupyter-TensorFlow-CUDA-Test
說明 Python TensorFlow CUDA 測試

 

演算法 Jupyter-Text-To-Speech
說明 Python 文字轉語音

 

演算法 VS-OpenCV-Webcam
說明 C# OpenCV Webcam 範例

 

演算法 Web-OpenCV-CPP-Webcam
說明 OpenCV 讀取 Webcam 影像顯示在網頁上

 

演算法 Web-OpenCV-CPP-Python-Webcam
說明 使用 Python OpenCV 讀取 Webcam 影像顯示在網頁上

 

 

 

 

[ Windows 10 軟體操作流程及畫面 ]

 

 

 

 

[ 操作步驟及說明 ]

 

[Python Tools]

 

1. 解壓縮檔案。下載完成後,請您先使用 7zip 解壓縮檔案。

 

AI-ZOO 壓縮檔.png

 

2. 開啟應用程式。開啟資料夾,找到 LEADERG-AI-ZOO.exe,滑鼠點擊左鍵兩下開啟應用程式。

 

AI-ZOO 執行檔.png

 

 3. 啟動應用程式。如果您已經啟動過應用程式,可以跳過此步驟。

 

請您先點擊 [Activate] 按鈕,接著在視窗內輸入您的啟動驗證碼,按下 enter 鍵,

當畫面出現 OK,即成功啟動應用程式。

最後只要再重新啟動應用程式,您就可以開始使用 AI-ZOO。

 

啟動程式.png

啟動結果.png

 

4. 下載安裝 Python 環境。您的裝置如果有支援 NVIDIA GPU 加速運算,請點擊 [Download Python (GPU)] ;未支援NVIDIA GPU 加速運算,請點擊 [Download Python (CPU)]。

點擊下載後,請耐心等候。如下圖,畫面將逐一顯示下載進度條、解壓縮進度條、update path,最後重新啟動開始使用 AI-ZOO。

 

下載 Python-按鈕 .png

下載 Python-下載進度條.png

下載 Python-解壓縮進度條.png

下載 Python-完成.png

 

5. 在 Terminal 輸入指令。您的裝置如果有支援 NVIDIA GPU 加速運算,請點擊 [Terminal (GPU)] ;未支援 NVIDIA GPU 加速運算,請點擊 [Terminal (CPU)]。

開啟命令提示字元視窗後,您就可以開始輸入指令。

 

命令提示字元.png

 

6. Jupyter Lab,詳細使用介紹請參閱 https://tw.leaderg.com/article/index?sn=11157

您的裝置如果有支援 NVIDIA GPU 加速運算,請點擊 [Jupyter Lab (GPU)] ;未支援 NVIDIA GPU 加速運算,請點擊 [Jupyter Lab (CPU)]。

 

Jupyter Lab 按鈕運行示意圖.png

 

7. Spyder,Python 語言開發環境。您的裝置如果有支援 NVIDIA GPU 加速運算,請點擊 [Spyder (GPU)] ;未支援 NVIDIA GPU 加速運算,請點擊 [Spyder (CPU)]。

開啟 Spyder 後,您可以開始撰寫屬於您的程式碼、或載入現有的 .py 程式碼。

 

Spyder-Python 程式編輯器.png

 

[Solutions]

 

1. 如何下載解決方案 : 請點擊 [Download Solutions],接著選擇您有興趣的解決方案,按下 [下載]。

 

下載解決方案.png

 

2. 如何開啟解決方案所在位置 : 點選 [Browse Solutions],開啟解決方案的檔案位置。

 

開啟 Solutions 資料夾.png

 

3. 如何運行解決方案 : 請參閱 [Python Tools]第六點,使用 Jupyter Lab 來運行解決方案。

 

運行解決方案.png

 

[Annotation Tools]

 

1. Annotation 標註軟體。點擊即可使用,詳細使用說明請參閱影片中的 17:21 : https://tw.leaderg.com/article/index?sn=11126

 

Annotation 標註軟體.png

 

2. LabelImg 標註軟體。點擊即可使用,詳細說明請參閱 :

https://tw.leaderg.com/article/index?sn=11159

 

LabelImg 標註.png

 

3. Labelme 標註軟體。點擊即可使用,詳細說明請參閱 :

https://tw.leaderg.com/article/index?sn=11129

 

LabelImg 標註.png

 

[Advanced Tools]

 

1. Activate 啟動應用程式。詳細使用方式請參閱 [Python Tools] 的第三點。

2. Update 軟體更新。點擊此按鈕會檢查當前的 AI-ZOO 是否為最新版本。如果不是最新版本,將自動升級到最新釋出的 AI-ZOO 版本。

 

升級軟體.png

 

3. Doc and Video 如果您想了解更多關於 AI-ZOO 的技術文章與說明,請點擊 [Doc and Video]。

 

文件說明與教學影片.png

 

4. How To Buy 您如果覺得 AI-ZOO 有符合您的需求想進一步購買,請點擊此按鈕。

 

如何購買.png

 

 

 

[ Ubuntu 18.04 軟體操作流程及畫面 ]

 

1. 安裝與建置系統環境 :

 

1). 使用 7z 指令解壓縮 LEADERG-AI-ZOO.7z。在 Terminal 終端機上輸入 7z x LEADERG-AI-ZOO.7z,解壓縮。

 

2). 請開啟 LEADERG-AI-ZOO,找到 Install_Ubuntu.txt。

 

安裝記事本.png

 

3). 安裝與更新顯示驅動。請在 Install_Ubuntu.txt 中找到 # Install GPU driver ++ 與 # Install GPU driver --,將此段運行指令依序在 terminal 上執行。

如下圖,紅框區域,由上至下逐一複製貼上運行所有指令,即可完成顯示卡驅動安裝。

 

安裝顯卡驅動.png

 

輸入指令.png

 

4). 安裝 docker。請在 Install_Ubuntu.txt 中找到 # Install Docker ++ 與 # Install Docker --,將此段運行指令依序在 terminal 上執行。

如下圖紅框處,由上至下逐一複製貼上運行指令,即可完成 docker 的安裝。

 

安裝 docker.png

 

2. 安裝與建置 AI-ZOO :

 

1). 啟動 AI-ZOO。在 AI-ZOO 資料夾底下找到 activate.sh,開啟與輸入授權碼,按下 enter 鍵,完成啟動。

 

2). 使用 docker 建置 AI-ZOO 環境。點擊運行 docker_image_list.sh 確認是否有存在 leadergaizoo,如果存在,請先點擊運行 docker_image_remove.sh,接著運行 docker_image_load.sh 載入 AI-ZOO 映像檔。

 

  • docker_image_list.sh : 列出裝置上所有的 image。

 

  • docker_image_load.sh : 載入放置於 docker_image 內的 leadergaizoo image。 

 

  • docker_image_remove.sh : 移除裝置上的 leadergaizoo image。

(如果出現 image 已被使用的錯誤,請先停止與移除容器 docker_container_all_stop.sh、docker_container_all_remove.sh,待載入新的 image 後再運行 docker_container_xxxx_run.sh)

 

 

docker image.png

 

3). 開始使用 AI-ZOO。依照使用者區分,主要有兩種,可依需求同時或擇其一使用,每位使用者都有自己獨立資料夾,互不干擾 : 

 

a). 新增單一使用者容器,可使用較多裝置資源。 

 

•    點擊運行 docker_container_8001_run.sh,輸入 sudo 密碼, 啟動成功後,在瀏覽器網址輸入 http://127.0.0.1:8001 即可開始使用。

 

•    Jupyterlab 預設密碼為 leadergaizoo,基於安全性考量建議設定自己的密碼,設定步驟請參閱下一步驟 4). 設定 Jupyterlab 密碼。

 

•    目前初始設定的使用資源為  10 GB 記憶體、4 顆 CPU、所有 GPU。

 

•    使用的資料夾路徑為 : LEADERG-AI-ZOO-Linux/docker_users/user8001。 

 

•    額外可以使用的 port : 8801 (可用於 tensorboard、visdom、...)

 

 

b). 新增多個使用者容器 (預設為 3 個,可修改 .sh 內容調整個數),分配部分裝置資源。

 

•    點擊運行 docker_container_9001_run.sh,輸入 sudo 密碼, 啟動成功後,三位使用者可以個別在瀏覽器上的網址輸入 http://127.0.0.1:9001http://127.0.0.1:9002http://127.0.0.1:9003 來進行使用。

 

•    Jupyterlab 預設密碼為 leadergaizoo,基於安全性考量建議設定自己的密碼,設定步驟請參閱下一步驟 4). 設定 Jupyterlab 密碼。 

 

•    目前初始設定的使用資源為  5 GB 記憶體、1 顆 CPU、0 顆 GPU,解決方案讀取權限唯讀。

 

•    使用者 9001的資料夾路徑為 : LEADERG-AI-ZOO-Linux/docker_users/user9001。

 

•   使用者 9001 可以額外使用的 port : 9901 (可用於 tensorboard、visdom、...)

 

•   9002~90xx 使用者以此類推,9002 資料夾為 user9002、額外可以使用的 port 為 9902。

 

 

    常見錯誤處理,如果運行 docker_container_xxxx_run.sh 出現以下錯誤,xxxx 可自行依照需求替換成 8001 或 9001:

docker: Error response from daemon: Conflict. The container name "/leadergaizooxxx" is already in use by container...。

=> 表示容器於之前已有新增,請先點擊 docker_container_list.sh 查看所有容器清單與狀態。

 

docker container list.png

 

找到 Leadergaizooxxx 的 STATUS:

如果是 Up,表示容器已啟用,直接在瀏覽器輸入網址即可使用。

如果是 Exited,表示容器已停用,請點擊 docker_container_xxxx_start.sh,在瀏覽器輸入網址即可使用。

 

 

    docker_container_8001_run.sh 單一容器資源分配設定:

 

  • user_memory=10240MB  //可以使用的記憶體大小  
  • user_cpus=4  //可以用多少顆 CPU  
  • gpu_device=all  //可以使用的 GPU。例如 : gpu_device=0 即使用第 0 顆 GPU;gpu_device=0,1 即使用第 0、1 顆 GPU;gpu_device=all 為使用所有的 GPU。

 

docker container setting2.png

 

 

    docker_container_9001_run.sh 多個容器資源分配設定:

 

  • user_memory=5120MB //每位使用者可使用的記憶體大小  
  • user_cpus=1 //每位使用者可以用多少顆 CPU  
  • user_start=1 
  • user_end=3

//新增從 user9001~ user9003,共新增 3 個容器給 3 位使用者。

//如果 user_start=1、user_end=5,則從 user9001~ user9005,共新增 5 個容器給 5 位使用者。

//user_start 與 user_end 如果有修改,其餘相關的檔案皆需跟著修改:

docker_container_9001_restart.sh、docker_container_9001_start.sh、docker_container_9001_stop.sh、docker_container_9001_remove.sh、docker_container_9001_remove_folder.sh。

 

docker container setting.png  

    使用者讀取解決方案權限唯讀,但需要編輯解決方案的情況。

在 Jupyterlab 的terminal 輸入 cp -rf solutions_read_only/Jupyter-xxx ./,將解決方案複製至自己的資料夾,即可編輯檔案,此動作不會更動到原本的解決方案內容。

 

    docker_container 說明

 

  • docker_container_xxxx_run.sh : 新增新的容器給使用者使用。

 

  • docker_container_xxxx_restart.sh : 重新啟動容器。

 

  • docker_container_xxxx_start.sh : 啟動容器。

 

  • docker_container_xxxx_stop.sh : 停止容器。

 

  • docker_container_all_stop.sh : 停止所有容器,包含 user8001、user9001~ user9003、...。

 

  • docker_container_xxxx_remove.sh : 刪除容器。需注意的一點為移除後,使用者的環境將移除,但不刪除使用者資料夾。

(如果出現此錯誤 Error response from daemon: You cannot remove a running container. Stop the container before attempting removal or force remove,請先停止容器 docker_container_xxxx_stop.sh 再刪除。)

 

  • docker_container_all_remove.sh : 刪除所有容器,包含 user8001、user9001~ user9003、...。

(如果出現此錯誤 Error response from daemon: You cannot remove a running container. Stop the container before attempting removal or force remove,請先停止容器 docker_container_all_stop.sh再刪除。)

 

  • docker_container_xxxx_remove_folder.sh : 刪除使用者的資料夾。8001 為移除 user8001 的資料夾、9001 為移除 user9001~ user9003 的資料夾。

 

  • docker_container_list.sh : 列出裝置目前已新增的容器。

 

 

4). 設定 Jupyterlab 密碼

 

開啟 JupyterLab 後,請開啟 LEADERG-AI-ZOO-Linux /solutions/readme.txt,按步驟進行即可完成設定密碼或重置密碼。

 

# Change container password by using terminal

jupyter notebook password

# Please use JupyterLab -> File -> Shut Down -> Shut Down to enable new password

# Remove docker_users/userxxx/.jupyter folder to reset password

 

 

設置密碼步驟示意圖如下:

 

Jupyterlab 密碼設置 1.png

 

Jupyterlab 密碼設置 2.png

 

Jupyterlab 密碼設置 3.png

 

Jupyterlab 密碼設置 4.png

 

Jupyterlab 密碼設置 5.png

 

 

 

 

[ Windows 版本操作影片 ]

 

 

 

 

[ 軟體下載連結 ] 

 

LEADERG AI ZOO - Windows 64 位元版下載:

 

https://www.leaderg.com/ai-zoo/download

 

 

LEADERG AI ZOO - Ubuntu Linux 18.04 64 位元版下載:

 

請提供授權碼,寄 email 到 leaderg@leaderg.com 索取。

 

 

 

[ 軟體試用 ] 

 

本軟體為原始碼產品,恕不提供試用。

 

 

 


延伸閱讀

1.
人工智能技術文章

2.
人工智能軟體、電腦、教育

3.
LEADERG 人工智能教育訓練課程 (影像分析, 影像分類, 物件偵測, 影像切割, 資料分析, deep learning, 深度學習, machine learning, 機器學習, big data, 大數據)

4.
購買方式

購買方式

歡迎聯絡我們索取報價單,幫助您購買適合的產品。
客服信箱: leaderg@leaderg.com
客服電話: 02-2784-9788

感謝客戶們的支持

臺灣大學、清華大學、陽明交通大學、成功大學、臺北醫學大學、臺北護理健康大學、中興大學、暨南大學、宜蘭大學、聯合大學、國防大學、海軍軍官學校、逢甲大學、長庚大學、義守大學、實踐大學、台科大、北科大、臺中科大、雲林科大、勤益科大、虎尾科大、屏東科大、高雄科大、朝陽科大、明志科大、南臺科大、榮民總醫院、長庚醫院、慈濟醫院、義大醫院、中山科學研究院、國防部軍備局、法務部調查局、原子能委員會核能研究所、農業委員會特有生物研究保育中心、勞動部勞動研究所、金屬工業研究發展中心、台灣儀器科技研究中心、車輛測試中心、台灣自來水公司、台積電、聯電、南亞科、華邦電子、精材科技、華信光電、友達光電、群創光電、瀚宇彩晶、台塑、台塑網、南亞塑膠、台灣化學纖維、中國石油、羅技電子、義隆電子、隆達電子、達方電子、大聯大 - 世平興業、盟立自動化、迅得機械、南茂科技、順達科技、致伸科技、竹陞科技、研揚科技、敦陽科技、竑騰科技、先豐通訊、神達電腦、百佳泰、科音國際、鴻鵠國際等。