ESP32线控LED与温湿度监控

上一篇文章讲述了如果将ESP32与Google助手结合起来做一个声控LED灯,但是后来发现连接Adafruit IO的网络状态不太好,而且我们购买的国产模块并不需要接100Ω电阻。这次我们直接抛弃掉声控,改为USB线控,配合一个桌面客户端进行控制。我们可以直接在电脑上看到温湿度,下面的拾色器可以任意调节LED灯的颜色,右侧的开关决定了是否开启炫彩效果,如果需要关灯的话只需要把颜色调到黑色即可。

开源代码:ESP32 Wire-controlled LED with DHT22 Sensor

阅读更多...

基于ESP8266和DHT22的迷你气象站

本文并非第一次发表,仅为旧版本两篇文章的合并恢复。

本来是想发一篇关于Blockchain的文章,因为最近区块链好像很火,但是从网上找来的教程都比较详细,自己动手用Python写一个也不是太难,所以以后有机会再写。

那么今天我们就来玩一些硬核一点的东西,尝试用ESP8266来搭建一个迷你气象站。(萌新之作,大佬们轻喷。)

先放一张成品图镇文章:

阅读更多...

Adobe XD x Flutter = 所见即所得的移动UI设计

一直以来我想找一款类似于腾讯Demo的软件,可以方便地将绘制的UI直接导出为代码,达到所见即所得的效果。在Flutter开发的过程中,尽管现在构建UI已经非常方便,但对于复杂的视觉效果和交互还是不太方便。最近Google宣布推出了一款Adobe XD插件可以直接将设计的页面导出为Widget,所见即所得的移动UI设计成为可能。

在使用Adobe XD之前,我们需要新建一个Flutter项目,并在pubspec.yaml中添加adobe_xd包。假如我们的UI使用到了图片,也需要在assets内写明图片的路径。同时需要在Adobe XD上安装插件XD to Flutter,除了官方插件外还有其他第三方导出到Flutter的插件,如果感兴趣也能去体验。

阅读更多...

使用飞桨框架部署SSD目标检测模型

这篇文章详细介绍使用飞桨进行SSD目标检测模型训练,并将其部署到服务器和移动端。

非常感谢许多网友无私的付出,以及开源社区的努力,给了很多入门者快速学习的机会。文末会给出一些有用的资料,本文的代码基于百度AI Studio官方示例代码,文章的代码在PaddlePaddle 1.7.1上运行通过,Python版本为3.7。

SSD模型

如果你对经典的CNN模型比较熟悉的话,那么SSD也并不难理解。SSD大体上来说是将图片分为6种不同大小的网格,找到目标中心的落点,确定物体的位置。在分成不同网格之后,会在此之上取到不同数目的先验框,对先验框进行回归、分类预测。先验框的数目足够多,几乎能够涵盖整个图片,因此我们可以找到包含物体的很多个先验框,最后进行非极大抑制就能得到正确结果。

阅读更多...

Real-time Object Detection on Android using Paddle-Lite

Recently I have created a repository on GitHub named Real-time Object Detector. It’s a Flutter App using the Paddle-Lite framework and Yolo v3 model to detect specific objects. However, I found that some mobile inference framework popular in China like Paddle-Lite by Baidu and MNN by Alibaba is not so well-known by developers out of China. So I decided to write this article explaining how to create your Deep Learning model and make it run on your phone.

If you don’t know how a model looks like inside, it doesn’t matter. There should be no barrier to a starter. Let’s start.

阅读更多...

基于Paddle-Lite的实时目标检测程序(Flutter & YOLO v3)

有任何疑问或建议欢迎在下方评论以及通过关于界面的联系方式找到我。

很早之前接触到了PaddlePaddle框架以及PaddleDetection工具,被他们的简单易用所吸引,可以看出百度在DL领域的发力,同时,这些工具极大降低了训练模型的门槛并减少了所需时间,非常适合新手入门。

因为最近自己在学习跨平台开发的一大趋势Flutter,所以让我们来探索一下怎么在移动设备上实现实时的目标检测。

这次我们使用的是Paddle-Lite,这款引擎允许我们在手机等场景上面实现轻量化的高效预测,跑一次预测的耗时较短,并且不需要太多的计算资源,比较适合我们的应用场景。

阅读更多...

Windows 10驱动开发环境配置(WDK)

最近因为有个进程很烦杀不掉,于是想到了用驱动来杀,在此记录一下在Windows 10下面配置驱动开发环境。因为程序比较简单我直接在本机载入了,大家调试的时候还是要利用虚拟机调试呀。

因为我只是驱动入门者(或者说门都没入),所以可能存在错误,欢迎大家指正。

安装WDK

我们的开发环境是Visual Studio Community 2019,已经配置好了使用C++的桌面开发环境,这时候我们还需要安装Windows Driver Kit。

我们需要从Download the Windows Driver Kit (WDK)上面下载安装包,并且联网在线安装。安装WDK完成之后会安装VS的插件,这一步需要保证网络顺畅,如果安装卡住的话可以关闭窗口,然后在WDK安装目录下面的Vsix文件夹找到安装文件手动安装。

阅读更多...

Fuchsia上头指南

本文不保证完全正确,希望对本文有意见的朋友通过写在关于界面的联系方式联系我。

如果有任何问题可以直接通过评论讲述你的问题。

本教程适用于2020年3月的源码版本。

Google在2016年做出了初始版本的Fuchsia系统,这是一个基于全新Zircon内核的操作系统,主要适用于嵌入式系统。我们可以看到项目使用了C、C++、Dart、Go、Python等多种语言,从Google Git中的commit log可以看到项目目前仍然在积极开发,官方也放出了开发者网站Fuchsia.dev

同时允许我们自己编译这个系统进行尝试,下面我们来探索一下。

阅读更多...

无损调整实体机Linux根目录大小(GParted)

最近把Android开发环境和一些重要文件全部迁移到了Linux上面,同时利用Wine使QQ和微信能在跑起来,Windows越来越用得少了,但是问题是我的SSD本身只有512G,当初给Linux并没有分配多少,于是需要给根目录扩容。

我们首先进到Windows下面,在网上随便找一些分区助手,将Windows分区大小减少20G,并调整Linux所在分区的位置紧跟到Windows分区之后,这样的话Windows的20G空间就移到Linux分区的尾部了。这时候推荐一款名为GParted的分区软件,在常规情况下我们可以在软件源里面找到并安装它,但这时候我们需要下载基于Debian的GParted Live,并烧录ISO到一个U盘上面。

阅读更多...
  • Copyrights © 2020 Kevin Li
  • 访问人数: | 浏览次数:

请我喝杯咖啡吧~