~~ 記錄自己點點滴滴的學習歷程 ~~




使用 C# 來操作 Arduino

-

C# 與 Arduino 相互溝通

上半部是 C# 程式，下半部 Arduino 程式
整個概念就是依靠 Serial Port 來溝通，讓電腦端可以控制 Arduino 的 LED 燈

留言

張貼留言

這個網誌中的熱門文章

Python：用 PyAutoGUI 來操控滑鼠及鍵盤

-
圖片
最近軍中的朋友問能不能自動按鍵盤，我馬上想到之前看過的書 — 「Python 自動化的樂趣：搞定重複瑣碎&單調無聊的工作(第二版)」，其中第18章是用 pyautogui 來完成 GUI 自動化控制，就趁著休假來時做看看。 基本上會 Python 的人就能操作，也可以在 Linux, Windows, Mac 使用，算是非常好用的模組，而且網路上也有很多資料可以看，要學習完全不是問題。 而根據官方文件所說，PyAutoGUI 具有這些功能： 模擬滑鼠行為 鍵盤控制 截取屏幕截圖 這次主要針對按鍵進行實作吧！ 安裝 要使用之前必須先安裝 PyAutoGUI 才行 pip install pyautogui 測試滑鼠功能 import pyautogui while True:      x, y = pyautogui.position()      print("x: {:04d} y: {:04d}".format(x, y)) 這樣抓到滑鼠在螢幕中的座標位置，再來看看如何操作鍵盤。 測試鍵盤功能 使用 write() 指令，就可以自動輸入文字。（不過需要手動點選要術入的文字框） import pyautogui pyautogui.write('Hello world!') pyautogui.write('Hello world!', interval=0.25) 可以加入 interval 來設定間隔時間
閱讀完整內容

Arduino：SG90伺服馬達實作

-
圖片
今天快速記錄下 SG90 伺服馬達的 arduino 程式碼。 Tinkercad  的模擬程式範例 PIN 腳位定義: 橘色：控制訊號 紅色：輸入電源 +(3~7.2V) 棕色：共同接地 規格: Weight: 9g Dimension: 23×12.2x29mm Stall torque: 1.8kg/cm(4.8v) Gear type: POM gear set Operating speed: 0.12 sec/60degree(4.8v) Operating voltage: 4.8v~7.2V Temperature range: 0℃_ 55℃ Dead band width: 1us Power Supply: Through External Adapter servo wire length: 25 cm Servo Plug: JR (Fits JR and Futaba) 轉動角度：最大90° 範例程式： 參考  傑森創工 - [Arduino範例] SG90 Servo伺服馬達 參考  Tinkercad 的模擬程式
閱讀完整內容

深度學習：使用 MNIST 實作 CNN 數字辨識

-
圖片
人工智慧 (Artificial Intelligence, AI)，這個名詞一直是大家對於科技的想像，希望電腦能像人類一樣聰明，其實，AI 已經充斥在我們生活中；而現今的代表技術正是機器學習 (Machine Learning)，而眾多機器學習演算法中，深度學習 (Deep Learning)，是近期大放異彩，成長最快的技術。 深度學習的應用中，可以大致區分兩大類： 一、使用影像資料進行分析的卷積神經網路 (Convolution Neural Networks, CNN) 二、用自然語言資料進行分析的遞歸神經網路 (Recurrent Neural Networks, RNN) 其中使用影像作為學習資料的 CNN，應用範圍最廣泛，幾乎各個領域都能看到它的蹤跡，再加上現在有許多工具或是開源軟體套件降低開發門檻，讓我們要進入 AI 的世界變得更容易，而且許多教學也都是從 CNN 開始入門，因此本文從最基本的數字辨識開始說起，這在深度學習領域來說可是像 Hello World 的存在呢。 本文將會提到 tf.keras 環境建立 MINST 資料集 CNN 模型講解 數字辨識的測試結果 其實關於 CNN 模型我已經在碩士班期間實作很多遍了，也做過更複雜的模型，這篇文章主要目的，是將之前一些經驗記錄下來，也會重新紀錄一下自己參考的東西，畢竟越久沒碰越容易忘記，順便紀錄一下可能會遇到的坑，這樣之後如果有需要重新開啟人工智慧的項目，至少還有東西可以參考，不用從頭去啃別人的文章。 環境建立 (假設有 GPU 的情況) 1. 安裝 Anaconda/Miniconda 我自己使用 Python 已經習慣用 Anaconda 了，最主要是因為它在管理各個虛擬環境實在太方便了，再加上我常常會在同台電腦同時搞好幾件事，這樣將各個環境獨立區分開來也讓我好管理。 (安裝時記得要加入環境變數，這樣使用 CMD 就能用 Conda 指令了) 2. 建立支援 GPU 的開發環境 (CUDA & cudnn) 通常最多坑都是出現在這邊，因為這邊必須考慮到 Tensorflow 及 Nvidia 的 Cuda 函式庫的版本，若是沒有對到可是會出大事。 為了能確實將環境裝好，我會先去看 官網安裝說明 ，確定所需要的版本再去下載 CUDA 及 cudnn，這邊基本上可以直接用 Google 搜...
閱讀完整內容