本文介绍： 将上一篇讲的《Azure Custom Vision 分类混凝土粗细骨料》训练的模型部署到树莓派上。 视频演示： 本文中针对Custom Vision导出的容器在树莓派ARM版本下的docker 编译指令可参照readme.txt： docker buildx build --platform linux/arm/v7 -t <your image name> --load . 如果显示build-x指令不存在，则需要打开 docker desktop中的开关： enable cli experimental features： 常见问题： 1.Customer Vision 在树莓派上运行慢，超过4s的解决办法 针对树莓派设备，部署完成后如果一张图片的预测时间超过4s，则可以启用快速预测： 在custom vision导出的 arm dockerfile中， …
在 ubuntu中打开设置： 在ubuntu中搜索程序： 打开dconf editor，修改如下设置： 下载 vnc viewer：https://www.realvnc.com/en/connect/download/viewer/ 输入ubuntu的IP地址即可远程连接：
本文介绍一个案例，使用custom vision 对混凝土骨料进行分类： Azure Custom Vision（自定义视觉）是一种图像识别服务，可用于构建、部署和改进你自己的图像标识符。 图像标识符根据图像的视觉特征将标签（表示类或对象）应用于图像 。 自定义视觉服务使用机器学习算法分析图像。 你作为开发人员提交多组图像， 然后在提交时自行标记图像，此算法会针对该数据进行训练并计算其自己的准确度， 训练算法以后，即可在图像识别应用中测试它、重新训练它并最终使用它对新图像进行分类。 也可导出模型本身，方便脱机使用。 可以将自定义视觉功能分为两种功能： 图像分类 可将一个或多个标签应用到图像。 对象检测 与之类似，但还在图像中返回坐标，坐标中可以找到应用的标签。 图文步骤： 创建Custom Vision： 资源创建完成进入主界面： 创建项 …
本文介绍： 当Azure Functions执行失败时发送报警。 视频介绍： 图文介绍： 1.准备一个可以执行出错的Azure Functions并部署： （这部分内容讲过很多次了，可参照本博客中其他的文章，本文不再赘述）。 本例子中使用了默认的http 触发的 python Functions，修改functions中的代码，当http触发传递的参数不包含“name”时，执行1/0操作，故而报错异常。 代码如下： import logging import azure.functions as func def main(req: func.HttpRequest) -> func.HttpResponse: logging.info('Python HTTP trigger function processed a request.') name = …
使用Python Azure Functions时新建了.py文件并执行了import 操作，运行时提示如下错误： Result: Failure[2021-01-25T05:16:11.553Z] Exception: ModuleNotFoundError: No module named 'helper'. Troubleshooting Guide: https://aka.ms/functions-modulenotfound Stack: File "/usr/local/Cellar/azure-functions-core-tools@3/3.0.3233/workers/python/3.8/OSX/X64/azure_functions_worker/dispatcher.py", 解决方案： 在__init__.py文件中增加： import sys …
本文介绍： Azure Functions 执行过程中产生的日志默认记录在了Application Insights里。这也是我们创建Functions时会自动创建一个Application Insights的原因，如下图Functions 自带一个Application Insights： Azure Functions代码中的log相关的内容都可以在Functions 的Monitor页面查询到，注意查询结果可能出现5分钟延时。 如果我们想导出这些日志，可以点击Query in Application Insights页面，在application insights页面里导出数据： 切换到Application Insights Logs查询页面，即可导出数据：