Doi技术团队

然后开始编写人脸识别和人脸注册工具类，使用 insightface.app.FaceAnalysis()可以获取模型对象，这里包含了三个模型，首先是人脸检测模型，然后是人脸特征提取模型，和最后的性别年龄识别模型。使用 model.prepare()可以配置 ctx_id指定使用哪一块GPU，如果是负数则是使用CPU执行预测，nms配置的是人脸检测的阈值。load_faces()函数是加载人脸库中的人脸，用于之后的人脸识别对比。

本教程是通过PaddlePaddle的PaddleSeg实现的，该开源库的地址为：http://github.com/PaddlPaddle/PaddleSeg ，使用开源库提供的预训练模型实现人物的图像语义分割，最终部署到Android应用上。关于如何在Android应用上使用PaddlePaddle模型，可以参考笔者的这篇文章《基于Paddle Lite在Android手机上实现图像分类》。

本教程开源代码地址：https://github.com/yeyupiaoling/ChangeHumanBackground

说实话，这个修饰符我用得很少，不是因为他没有用，实际上他和 v-model的功能基本上（为什么是基本，下文有解释）是一样的，但是 v-model在一个组件上只能出现一次，试想一下，如果你需要双向绑定多个变量怎么办？最基础的写法如下：

这篇文章的主角是 JS 正则表达式中的 test方法，这个方法是用来检查正则表达式是否能匹配上给定字符串的，在我发现这个问题之前，我的使用方式是：

毛玻璃这种模糊效果在各种应用程序中见得不少，实际上这种显示效果在 CSS 中也能做到，而且可以分成两种类型，分别是元素本身模糊与元素背景模糊（指的是被元素覆盖的区域），光是用文字描述可能不太清晰，以下是对比图：

PP-YOLO是PaddleDetection优化和改进的YOLOv3的模型，其精度(COCO数据集mAP)和推理速度均优于YOLOv4模型，PP-YOLO在COCO test-dev2017数据集上精度达到45.9%，在单卡V100上FP32推理速度为72.9 FPS, V100上开启TensorRT下FP16推理速度为155.6 FPS。

本教程源码地址：https://github.com/yeyupiaoling/PP-YOLO

三步实现Ubuntu修改开机引导顺序

1. 执行以下命令，编辑配置文件：

sudo vim /etc/default/grub

2. 将第一行非注释代码改成你要启动的系统顺序就可以，如笔者的Windows系统是第三个，所以设置为2。

GRUB_DEFAULT=2

3. 最后更新启动引导即可，重启试试。

sudo update-grub

Git 强制覆盖本地命令

• 第一个是：拉取所有更新，不同步；
• 第二个是：本地代码同步线上最新版本(会覆盖本地所有与远程仓库上同名的文件)；
• 第三个是：再更新一次

Paddle Lite是飞桨基于Paddle Mobile全新升级推出的端侧推理引擎，在多硬件、多平台以及硬件混合调度的支持上更加完备，为包括手机在内的端侧场景的AI应用提供高效轻量的推理能力，有效解决手机算力和内存限制等问题，致力于推动AI应用更广泛的落地。