文档建议反馈控制台
首页
学习
活动
专区
圈层
工具
MCP广场
文章/答案/技术大牛
发布

分享4个保护文件安全的小妙招，全方位保护文件

如何在日常操作中有效防止文件被误删、外泄或被黑客攻击？今天，我们就来分享4个简单实用的文件保护小妙招，无需专业背景也能轻松上手，全方位守护你的办公文件安全。...小贴士：建议为不同部门创建用户组（如“财务组”“人事组”），统一管理权限，避免逐个设置。三、定期自动备份，防止文件意外丢失硬件故障、病毒攻击、误删操作……都可能导致文件永久丢失。...在“使用文件历史记录来备份”下，点击【添加驱动器】。系统会自动检测可用设备，选择你的外接硬盘。点击【更多选项】，设置备份频率（建议每小时一次）和保存时长（如“永久”）。点击【立即备份】，开始首次备份。...透明加密使文件在创建保存时自动加密，用户无感知使用，脱离授权环境显示乱码；落地加密确保外来文件进入本机时自动加密；剪贴板加密防止复制粘贴泄漏。2....未注册设备插入时立即报警并阻止使用，杜绝通过移动设备拷贝文件的风险。7. 禁止打印支持禁用打印机或设置打印审批流程，员工需提交申请通过后方可打印。

22810

教程 | 如何使用Docker、TensorFlow目标检测API和OpenCV实现实时目标检测和视频处理

选自TowardsDataScience 作者：Léo Beaucourt 机器之心编译 参与：李诗萌、路雪 本文展示了如何使用 Docker 容器中的 TensorFlow 目标检测 API，通过网络摄像头执行实时目标检测...为了进一步加强项目的可移植性，我试着将自己的项目整合到 Docker 容器中。这一过程的主要困难在于处理流入和流出容器的视频流。...此外，我还在项目中添加了视频后处理功能，这一功能也使用了多进程，以减少视频处理的时间（如果使用原始的 TensorFlow 目标检测 API 处理视频，会需要非常非常长的时间）。...用于数据科学的 Docker 鉴于大量文章对 TensorFlow 目标检测 API 的实现进行了说明，因此此处不再赘述。作为一名数据科学家，我将展示如何在日常工作中使用 Docker。...就视频处理而言，使用线程是不可能的，因为必须先读取所有视频帧，worker 才能对输入队列中的第一帧视频应用目标检测。当输入队列满了时，后面读取的视频帧会丢失。

3.5K60
    • 您找到你想要的搜索结果了吗？
    是的
    没有找到

    基于 TensorFlow 、OpenCV 和 Docker 的实时视频目标检测

    翻译 | 于志鹏 徐普 校对 | 陶玉龙 整理 | 孔令双 在本文中，我将介绍如何在 Docker 容器中使用 Tensorflow Object-detection API 来执行实时...我将使用 python 的 multiprocessing 库，增加处理网络摄像头时的 FPS。为了进一步提高可移植性，我将项目集成到 Docker 容器中。...此外，在次项目我还添加了一个视频后处理功能，同样使用 multiprocessing 库来减少处理时间（使用 Tensorflow 原始目标检测 API 处理时间会非常长）。...Docker在数据科学中的应用 我不在这里描述 Tensorflow 目标检测 API 的实现，因为相关的文档很多。我将展示数据科学家在日常工作中如何使用 Docker。...因此现在在主流python 脚本之前没有必要调用 init openCV.py 视频处理 为了能通过我的摄像头实时运行目标检测API ，我使用线程和多进程处理的python 库。

    2.9K20

    使用Tensorflow对象检测在安卓手机上“寻找”皮卡丘

    在TensorFlow的许多功能和工具中，隐藏着一个名为TensorFlow对象探测API（TensorFlow Object Detection API）的组件。...本文的目的是描述我在训练自己的自定义对象检测模型时所采取的步骤，并展示我的皮卡丘检测技能，以便你可以自己尝试。首先，我将从程序包的介绍开始。...在应用中的检测的屏幕截图 Tensorflow对象检测API 这个程序包是TensorFlow对对象检测问题的响应——也就是说，在一个框架中检测实际对象(皮卡丘)的过程。...一些被使用的图像 一旦你获得了所有的图像，下一步就是对它们进行标记。这是什么意思? 因为我们在做对象检测，所以我们需要一个关于物体到底是什么的基本事实。...其中大部分没有被检测到 总结和回顾 在本文中，我解释了使用TensorFlow对象检测库来训练自定义模型的所有必要步骤。

    2.7K50

    Flink与AI的完美融合：深入解析Flink ML库及TensorFlowPyTorch联动

    这种原生集成大大简化了机器学习流水线的复杂度，同时显著降低了延迟。 Flink 与主流 AI 框架如 TensorFlow 和 PyTorch 的联动，进一步扩展了其应用场景。...例如，在实时视频分析中，Flink 可以处理高速传入的视频流，提取关键帧并调用 TensorFlow 服务进行对象识别；在工业物联网场景中，PyTorch 训练的异常检测模型可以通过 Flink 进行实时推理...此外，Flink ML 支持与外部机器学习框架（如 TensorFlow 和 PyTorch）的深度集成，通过标准化的数据交换格式和 API 实现灵活扩展。...内存管理方面，需要特别注意Flink的堆外内存配置。当使用嵌入式部署模式时，建议分配独立的堆外内存区域给TensorFlow使用，避免与Flink的内存管理产生冲突。...）交互时，网络波动或服务不可用可能导致数据丢失或重复处理。

    32610

    精通 TensorFlow 1.x：16~19

    它不会学习新类型的图片，但会尝试将它们分类为已经学过的类别之一。该应用使用 Google 预训练的初始模型构建。 TF Detect：这是一个物体检测应用，可检测设备相机输入中的多个物体。...在下一章中，我们将学习如何在 R 统计软件中使用 TensorFlow 和 RStudio 发布的 R 包。...keras包提供对 Keras API 的支持 tfruns包用于 TensorBoard 风格的模型和训练类可视化 在本章中，我们将学习如何在 R 中使用 TensorFlow，并将涵盖以下主题： 在...当出现问题时，TensorFlow API 还提供一些额外的支持来修复代码。...要使用调试器，该过程通常如下： 在代码中的断点处设置要中断的位置并检查变量 在调试模式下运行代码 当代码在断点处中断时，检查它然后继续下一步 一些调试器还允许您在代码执行时以交互方式观察变量，而不仅仅是在断点处

    5.5K10

    浏览器中的机器学习：使用预训练模型

    在本文，我们将探索如何在TensorFlow.js中加载预训练的机器学习模型，完成图片分类任务。...MobileNets是一种小型、低延迟、低耗能模型，满足各种资源受限的使用场景，可用于分类、检测、嵌入和分割，功能上类似于其他流行的大型模型（如Inception）。...比如访问 https://github.com/tensorflow/tfjs-models/tree/master/mobilenet ，我们可以看到该mobilenet对象提供两个主要的API：...这个示例写的比较简单，从浏览器控制台输出log，显示结果，在chrome浏览器中可以打开开发者工具查看： 加载json格式的MobileNets模型 使用封装好的JS对象确实方便，但使用自己训练的模型时...参考文献： tensorflow官网 你还可以读 一步步提高手写数字的识别率(1)(2)(3) TensorFlow.js简介 浏览器中的手写数字识别

    1.5K20

    校园视频AI分析识别算法 TensorFlow

    校园视频AI分析识别算法通过分布式TensorFlow模型训练，校园视频AI分析识别算法对学生的行为进行实时监测，当系统检测到学生出现打架、翻墙、倒地、抽烟等异常行为时算法将自动发出警报提示。...TF生成会话的时候，可愿意通过设置tf.log_device_placemaent参数来打印每一个运算的设备。...目前谷歌已把TensorFlow应用到很多内部项目，如谷歌语音识别，GMail，谷歌图片搜索等。...校园视频AI分析识别算法训练过程中TensorFlow主要特性有：使用灵活：TensorFlow是一个灵活的神经网络学习平台，采用图计算模型，支持High-Level的API，支持Python、C++、...接下来描述校园视频AI分析识别算法训练过程具体实际操作过程中的一些技术细节注意的地方：第一步创建一个session对象.如果无任何创建参数,会话构造器将启动默认图.sess = tf.

    57810

    TensorFlow 智能移动项目：1~5

    在下一章中，我们将学习如何变得更聪明，如何识别图片中所有有趣的对象以及如何在智能手机上随时随地对其进行定位。 三、检测物体及其位置 对象检测比上一章中讨论的图像分类迈出了一步。...在过去的几年中，更快，更准确的对象检测算法相继问世.2017 年 6 月，谷歌发布了 TensorFlow 对象检测 API，该 API 集成了几种领先的对象检测算法。...设置 TensorFlow 对象检测 API TensorFlow 对象检测 API 在其官方网站上有详细记录，您一定要查看其“快速入门：用于现成的推断的 Jupyter 笔记本”指南，快速介绍了如何在...如何在 iOS 中使用我们的经过训练的对象检测模型？...然后，我们详细介绍了如何使用 TensorFlow 对象检测 API 通过预训练的模型进行现成的推理，以及如何在 Python 中重新训练预训练的 TensorFlow 对象检测模型。

    5.6K20

    独家 | 在浏览器中使用TensorFlow.js和Python构建机器学习模型（附代码）

    TensorFlow.js的两个组件——Core API和Layer API。 了解如何构建一个很棒的使用Tensorflow.js对网络摄像头中的图像进行分类的模型。...谷歌的预训练模型：TensorFlow.js配备了一套由谷歌预训练的模型，用于对象检测、图像分割、语音识别、文本毒性分类等任务。...当你看到一个页面显示“Tensorflow.js Core API”时，使用Ctrl+Shift+I键打开控制台（console）。...提供了大量来自谷歌的预训练模型，用于许多有用的任务，如目标检测、语音识别、图像分割等。...PoseNet.on()：每当检测到一个新的姿势时，就执行这个函数。 modelReady()：当PoseNet完成加载时，我们调用这个函数来显示模型的状态。

    2K20

    在浏览器中使用TensorFlow.js和Python构建机器学习模型（附代码）

    TensorFlow.js的两个组件——Core API和Layer API。 了解如何构建一个很棒的使用Tensorflow.js对网络摄像头中的图像进行分类的模型。...谷歌的预训练模型：TensorFlow.js配备了一套由谷歌预训练的模型，用于对象检测、图像分割、语音识别、文本毒性分类等任务。...“Tensorflow.js Core API”时，使用Ctrl+Shift+I键打开控制台（console）。...提供了大量来自谷歌的预训练模型，用于许多有用的任务，如目标检测、语音识别、图像分割等。...PoseNet.on()：每当检测到一个新的姿势时，就执行这个函数。 modelReady()：当PoseNet完成加载时，我们调用这个函数来显示模型的状态。

    2.6K00

    深度学习：开启人工智能的新纪元

    CNNs专门针对图像识别任务设计，通过卷积、池化和完全连接的层来提取图像特征，彻底改变了图像识别、对象检测和语义分割应用程序。 在自然语言处理（NLP）领域，深度学习的应用也非常广泛。...通过使用不同的卷积核，网络可以学习到各种特征，如颜色、纹理、形状等。 池化层的作用是降低特征图的维度，减少参数数量，防止过拟合，并使模型对输入的微小变化更加鲁棒。...通过监控验证集上的性能，当验证集上的性能开始下降时停止训练，避免进一步拟合训练集。 这些正则化技术可以单独使用，也可以组合使用，以获得更好的正则化效果。...使用预训练模型时，可以采用不同的策略，如冻结模型的部分层，只训练最后几层，或者对整个模型进行微调。预训练模型的使用可以显著提高模型在新任务上的性能，尤其是在数据量有限的情况下。...使用TensorFlow的Object Detection API进行目标检测： python import numpy as np import tensorflow as tf from object_detection.utils

    50611

    如何仅使用TensorFlow C＋来训练深度神经网络

    更多干货内容请关注微信公众号“AI 前线”，（ID：ai-front） 正如你所知，TensorFlow（TF）的核心由 C ++ 构建，但是如今还是 Python API 使用起来比较便利一些。...但从使用 TF C ++ 构建神经网络开始，我就意识到即使是在简单的 DNN 中，也有很多东西会丢失。 请记住这一点，进行外部操作训练网络肯定是不可行的，因为你很可能将丢失梯度运算。...从头开始构建 TensorFlow 会避免这些问题，而且需要确保使用的是最新版本的 API。 接下来只需要安装 bazel构建工具就可以了，然后遵照你的操作系统指示进行操作。...使用以下方法，我们可以轻松地调试张量： C ++ API 的独特之处在于，我们需要一个 Scope 对象来保存图构造的状态，这个对象将在运算中传递。...第一步是使用一个函数调用，将正向操作的梯度添加到图形中。

    1.2K50

    TensorFlow和深度学习入门教程

    最后两行计算正确识别的数字的百分比。留给读者使用TensorFlow API参考书，以供读者理解。你也可以跳过它们。...： TensorFlow和NumPy的是朋友：准备计算图时，你只有操纵TensorFlow张量和如命令tf.matmul，tf.reshape等等。...它随机排除一些输出，并将其余的输出提高1 / pkeep。以下是您如何在两层网络中使用它： 您可以在网络中的每个中间层之后添加丢失数据（dropout）。这是实验室的可选步骤。...有正规化技术，如丢失数据（dropout），可以强制它以更好的方式学习，但过拟合也有更深的根源。 当神经网络对于手头的问题具有太多的自由度时，会发生基本的过拟合。...你可以用它回忆起你学到的东西： ? 下一步 在完全连接和卷积网络之后，您应该看看循环神经网络。 在本教程中，您已经学习了如何在矩阵级构建Tensorflow模型。

    1.9K60

    .NET3.5 GDI+ 图形操作1

    GDI+构成了Windows XP操作系统及其后续版本的子系统的应用程序编程接口（API）。GDI+负责在屏幕和打印机上显示信息，它是GDI的改进，同时也是.NET框架结构的重要组成部分。...和GDI一样，它提供了对二维图形图像和文字排版处理的支持，通过GDI+能够创建与设备无关的应用程序。使用GDI+可以创建图形、绘制文本以及将图形图像作为对象来操作，旨在提高性能和易用性。...GIF文件每像素最多能存储8位，所以它们只限于使用256种颜色 ◇联合摄影专家组（JPEG） JPEG是一种适应于自然景观（如扫描的照片）的压缩方案。...像GIF文件一样，PNG文件在压缩时也不损失信息。PNG文件能以每像素8,24或48位来存储颜色，并以每像素1、2、4、8或16位来存储灰度。相比之下，GIF文件只能使用每像素1、2、4或8位。...单个的多页TIFF文件可以存储数幅图像；可以把与图像相关的信息（扫描仪制造商、主机、压缩类型、打印方向和每像素采样等）存储在文件中并使用标签来排列这些信息；也可以根据需要通过批准和添加新标签来扩展TIFF

    2.6K20

    精通 TensorFlow 2.x 计算机视觉：第三、四部分

    了解如何在 TFRecord 中转换图像和标注文件以输入到 TensorFlow 对象检测 API（第 10 章） 了解如何使用自己的图像来使用 TensorFlow 对象检测 API 训练模型并对其进行推理...在撰写本书时，TensorFlow 对象检测 API 仅适用于 TensorFlow 版本 1.x。...将用户名设置为username，将密码设置为passw0rd； 请记住，它不是o而是0，如零。 使用这个页面上描述的说明，安装 TensorFlow 对象检测 API 库和必备包。...使用 TensorFlow 和 Google Colab 训练自定义对象检测器 在本练习中，我们将使用 TensorFlow 对象检测 API 使用四种不同的模型训练自定义对象检测器。...安装 TensorFlow 对象检测 API 现在我们已经将终端链接到存储桶和 Google Cloud 项目，下一步是将其链接到 TensorFlow 对象检测 API。

    7K20

    TensorFlow和深度学习入门教程

    3） TensorFlow Matplotlib（Python可视化库） 安装说明在实验室的下一步中给出。...tf.reduce_sum总和一个向量的所有元素。 最后两行计算正确识别的数字的百分比。留给读者使用TensorFlow API参考书，以供读者理解。你也可以跳过它们。...和NumPy的是朋友：准备计算图时，你只有操纵TensorFlow张量和如命令tf.matmul，tf.reshape等等。...有正规化技术，如丢失数据（dropout），可以强制它以更好的方式学习，但过拟合也有更深的根源。 当神经网络对于手头的问题具有太多的自由度时，会发生基本的过拟合。...你可以用它回忆起你学到的东西： ? 下一步 在完全连接和卷积网络之后，您应该看看循环神经网络。 在本教程中，您已经学习了如何在矩阵级构建Tensorflow模型。

    1.7K60

    使用Tensorflow进行实时移动视频对象检测

    为减少障碍，Google发布了Tensorflow对象检测API和Tensorflow Hub等开源工具，使人们能够利用那些已经广泛使用的预先训练的模型（例如Faster R-CNN，R-FCN和SSD...本文旨在展示如何通过以下步骤使用TensorFlow的对象检测API训练实时视频对象检测器并将其快速嵌入到自己的移动应用中： 搭建开发环境 准备图像和元数据 模型配置和训练 将训练后的模型转换为TensorFlow...（可选）要在Tensorflow对象检测API代码基础之上进行进一步的工作，请检出model_main.py并model_lib.py作为起点。 现在，需要安装其余的依赖项。...模型配置和训练 下载预训练的模型 正如在开始时提到的，将使用预先训练的模型，而不是从头开始设计模型，检测模型动物园收集了广泛使用的预先训练的模型的列表。...下一步是什么 到目前为止，已经完成了使用实时视频对象检测的自定义模型创建iOS应用的过程，这也是通过利用一些现有的预训练模型来快速构建思想原型的良好起点。

    2.9K00
    点击加载更多

    相关资讯

    热门标签

    更多标签

    活动推荐

      运营活动

      活动名称
      广告关闭

      腾讯云开发者

      扫码关注腾讯云开发者

      扫码关注腾讯云开发者

      领取腾讯云代金券

      热门产品

      热门推荐

      更多推荐

      Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有

      深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 粤公网安备44030502008569号

      腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号

      领券