有详细的备注，步骤易懂，有每个函数的详细引见，详见https://blog.csdn.net/u014509577/article/details/80262896?utm_medium=distribute.pc_relevant_download.none-task-blog-BlogCommendFromBaidu-9.nonecase&depth_1-utm_source=distribute.pc_relevant_download.none-task-blog-BlogCommendFromBaidu-9.nonecas适合入门小白，备注详细，输入main即可执行。

有详细的备注，步骤易懂，有每个函数的详细引见，详见https://blog.csdn.net/u014509577/article/details/80262896?utm_medium=distribute.pc_relevant_download.none-task-blog-BlogCommendFromBaidu-9.nonecase&depth_1-utm_source=distribute.pc_relevant_download.none-task-blog-BlogCommendFromBaidu-9.nonecas适合入门小白，备注详细，输入main即可执行。

pythonKeras库装置包Keras-2.1.2-py2.py3-none-any.whl

识别结果大概是这样{'result':{'face_num':1,'face_list':[{'quality':{'occlusion':{'right_eye':0,'left_cheek':0.1459853947,'right_cheek':0.05144193396,'left_eye':0.465408802,'mouth':0.02919708006,'chin_contour':0.01420217194,'nose':0},'illumination':116,'blur':7.266304692e-06,'completeness':1},'age':22,'face_token':'dc6f8f9df5d977ea476e2d04acdf5063','race':{'type':'white','probability':0.6173604727},'glasses':{'type':'common','probability':0.9834988713},'gender':{'type':'male','probability':0.655915916},'face_probability':0.9185044169,'beauty':51.21487427,'angle':{'roll':-2.750922441,'yaw':28.97134399,'pitch':5.202290535},'location':{'height':65,'top':112.0704803,'width':76,'left':76.20765686,'rotation':-4},'face_type':{'type':'human','probability':0.9992217422},'face_shape':{'type':'oval','probability':0.4419156313},'expression':{'type':'none','probability':0.9999142885}}]},'error_msg':'SUCCESS','timestamp':1537413754,'cached':0,'error_code':0,'log_id':9465840013520}年龄：22颜值：51.21487427表情-type(none:不笑；
smile:微笑；
laugh:大笑)：none表情-probability(表情置信度，范围【0~1】，0最小、1最大)：0.9999142885脸型-type(square:正方形triangle:三角形oval:椭圆heart:心形round:圆形)：oval脸型-probability(置信度，范围【0~1】，代表这是人脸形状判断正确的概率，0最小、1最大)：0.4419156313性别-type(male:男性female:女性)：male性别-probability(性别置信度，范围【0~1】，0代表概率最小、1代表最大。
)：0.655915916能否带眼镜-type(none:无眼镜，common:普通眼镜，sun:墨镜)：common能否带眼镜-probability(眼镜置信度，范围【0~1】，0代表概率最小、1代表最大。
)：0.9834988713人种-type(yellow:黄种人white:白种人black:黑种人arabs:阿拉伯人)：white人种-probability(人种置信度，范围【0~1】，0代表概率最小、1代表最大。
)：0.6173604727真实人脸/卡通人脸-type(human:真实人脸cartoon:卡通人脸)：human真实人脸/卡通人脸-probability(人脸类型判断正确的置信度，范围【0~1】，0代表概率最小、1代表最大。
)：0.9992217422

在计算loss的时候，最常见的一句话就是tf.nn.softmax_cross_entropy_with_logits，那么它到底是怎么做的呢？首先明确一点，loss是代价值，也就是我们要最小化的值tf.nn.softmax_cross_entropy_with_logits(logits,labels,name=None)除去name参数用以指定该操作的name，与方法有关的一共两个参数：第一个参数logits：就是神经网络最初一层的输出，如果有batch的话，它的大小就是[batchsize，num_classes]，单样本的话，大小就是num_classes第二个参数lab

语音命令控制即通过语音实现对于相应任务的完成，此API接口次要实现语音交互式输出，即在语音提示下完成任务所需的人工信息；
简单的说就是语音转文本；
但是又不止于语音转文本，该模块包括了语音识别即语音转文本、语音输出即文本转语音以及录音判断功能

语音命令控制即通过语音实现对于相应任务的完成，此API接口次要实现语音交互式输出，即在语音提示下完成任务所需的人工信息；
简单的说就是语音转文本；
但是又不止于语音转文本，该模块包括了语音识别即语音转文本、语音输出即文本转语音以及录音判断功能

stm32发送at指令串口调试助手设置波特率。
stm32发送at指令。
stm32发送at指令串口调试助手设置波特率115200数据位8中止位1奇偶位NONE。
at指令

JPype1_py3-0.5.5.2-cp35-none-win_amd64.whl(md5)。
使用pipinstallwheel安装wheel成功后，再次安装该文件pipinstall****.whl即可。
主要用于手动安装python3.5对应的jpype1。
网上很多地址是LFD提供的代码包链接，但是发现18.3月我下载的一天链接不能下载了。
本人搜索能力不行，没有直接找官网不断在博客里搜索浪费半天时间，现把找到的也亲测有效的公布在这里，也可以自行在官网下载。

下载get-pip.py后，施行sudopythonget-pip.pyinstallpip-20.2-py2.py3-none-any.whl

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。