1.14 Dlib快速入门
2.最新人脸识别库Dlib安装方法！源码无需CMAKE，修改VS，源码仅需1行命令！修改
3.一文解决printf()是源码如何与UART外设驱动函数“勾搭”起来的？
4.python pip å®è£
dlibä¸ç´å¤±è´¥ï¼
5.VaspCZ软件详细介绍
6.有一张人脸的侧脸图像，如何用python及相关的修改物体识别软件源码库来计算人脸转过的角度。
14 Dlib快速入门
Dlib是源码一个由C++编写的功能丰富的库，包括机器学习、修改数值计算、源码图模型算法和图像处理等多个领域。修改为了使用Dlib，源码首先需要安装cmake。修改对于Linux或Mac OS，源码可通过在官网下载相应的修改源码并以root权限在终端运行命令进行安装；对于Windows用户，则以管理员身份打开cmd安装。源码确保cmake已成功安装后，通过pip安装Dlib。安装完成后，在Python环境下导入Dlib，确认其成功安装。 在Mac OS系统上，还需安装XQuartz以用于显示图像。若在安装XQuartz后遇到显示问题，可运行特定命令解决。完成安装后，可以体验Dlib提供的处理功能。人脸检测
首先，加载Dlib库并准备人脸检测器和显示窗口。获取路径后，对每张执行检测，并在上显示检测结果对应的矩形框。在检测时，可以设定一个阈值以控制检测结果的精确度。人脸关键点检测
利用训练好的模型shape_predictor__face_landmarks.dat，在人脸检测的同时，检测出人脸上的个关键点。准备人脸检测器、关键点检测模型、显示窗口和路径后，对每张进行关键点检测。人脸识别
人脸检测后，通过将每张人脸映射为一个维的向量来实现人脸识别。当两个向量之间的欧氏距离小于0.6时，可以认为是同一个人。在LFW数据集上，这种方法的准确率可达.%。为实现这一功能，需要两个模型：shape_predictor__face_landmarks.dat和dlib_face_recognition_resnet_model_v1.dat。根据人脸检测结果获得关键点检测结果，进一步得到维向量表示。通过距离计算函数比较向量，找出最匹配的标注。 在实际应用中，处理多张标注和未标注，可以确认相似度。例如，通过比较白百合和王珞丹的，可以显示两者之间的相似度。人脸聚类
对于大量中的大量人脸进行聚类，基于人脸识别标准，将距离较近的人脸归为一类，可能代表同一人。准备模型和后，获取所有的关键点检测结果和向量表示。以0.5为阈值进行聚类，开封离安微源码找出包含最多人脸的类别，并保存这些人脸。物体追踪
物体追踪是指在视频的第一帧指定一个矩形区域，随后自动追踪后续帧中的物体位置。加载追踪器和后，对视频中的物体进行追踪。Dlib能准确追踪物体，即使物体位置发生变化。 以上是Dlib库在人脸检测、关键点检测、人脸识别、人脸聚类和物体追踪方面的一些基本应用示例。通过这些功能，Dlib为图像处理和计算机视觉任务提供了强大的支持。最新人脸识别库Dlib安装方法！无需CMAKE，VS，仅需1行命令！
对于需要进行人脸识别的同学，DLib和Face_recognition库无疑是强大的工具。它们可以简化到行Python代码实现高效的人脸识别系统，实时检测个关键点，且检测率和识别精度极高。然而，对于Windows用户来说，DLib的安装过程常常令人头疼，涉及到VS、MSVC++、Boost等众多依赖库，安装过程充满挑战，尤其是从源代码安装时，各种环境问题可能导致错误频发。
传统的安装步骤繁琐，官方推荐的Windows 安装流程包括安装Visual Studio、CMake、Boost等多个库，然后下载并配置源代码。然而，由于环境差异，这些步骤往往难以在所有机器上顺利执行。实际上，一个更简单的方法是使用Anaconda来安装DLib。首先，只需安装Python 3.9版本的Anaconda，从清华源下载并安装。在Anaconda环境中，安装过程更为便捷，且无需繁琐的编译步骤。
步骤如下：1）安装Anaconda，注意选择将Anaconda添加到系统路径；2）配置国内镜像源；3）使用一行命令 `conda install -c conda-forge dlib` 安装DLib。安装完成后，验证是否成功，通过导入dlib并进行特征点检测。如果遇到问题，可以直接联系作者寻求帮助。
对于有需求的同学，作者计划在下期分享一个更详细的摄像头实时人脸识别系统的实现教程，只需行代码。希望这个简单易行的DLib安装方法能帮助大家顺利进行人脸处理项目。感谢大家的支持和关注，期待更多互动！
一文解决printf()是如何与UART外设驱动函数“勾搭”起来的？
在嵌入式编程中，输出调试信息是定位和分析问题的重要手段。本文将通过 IAR 开发环境探讨如何利用微控制器内的直播源码带原生app硬件 UART（通用异步接收/发送）外设实现打印信息输出。首先，让我们了解一下打印输出的整体软硬件结构。硬件方面，涉及到 PC 主机、目标板 MCU、串口线（RS 或 TTL 串口转 USB 模块）。在软件层面，PC 需要串口调试助手，目标板的 MCU 应用程序则需包含打印输出代码。当 MCU 程序运行时，通过 UART 外设将打印字符物理传输至 PC 上的调试助手，实现信息显示。
深入探讨到 C 标准头文件 stdio.h，这是 C 语言提供的输入输出标准库，由工具链自动提供，不需用户手动添加。stdio.h 包含了如 printf() 等函数的定义。在嵌入式 IAR 环境下，虽然这些函数的底层实现细节可能不为用户所见，但它们确实与 UART 外设驱动函数紧密相连。因此，了解 printf() 等函数如何与 UART 外设驱动交互是关键。
接下来，我们将关注 UART 外设驱动函数。例如，恩智浦 i.MXRT MCU 的 LPUART 驱动库提供了 LPUART_WriteBlocking() 和 LPUART_ReadBlocking() 等函数，用于数据发送和接收。虽然这些函数仅支持基本的数据传输，但通过结合 printf() 的格式化功能，可以实现更丰富的打印输出。
IAR 软件对 C 标准 I/O 库的支持是通过其预编译的底层接口实现的。在 IAR 中编译和链接程序时，用户可以通过查看生成的 .map 文件来了解函数的来源。本文将通过一个示例工程演示如何配置 IAR，以轻松发现底层接口函数，并了解如何实现与硬件 UART 外设交互的底层接口 __write() 函数。通过配置 Library 设置、选择适当的实现选项，用户能够看到 __write() 函数的原型及其依赖的接口函数。
实现底层接口 __write() 函数需要关注 IAR 提供的 DLIB 库中关于 I/O 的相关源码实现。在 DLIB 库中，可以找到实现 __write() 函数原型及其示例代码的文件。通过将 LPUART_WriteBlocking() 函数集成到 __write() 实现中，可以解决报错问题。在工程编译完成后，用户可以通过查看生成的 .map 文件来了解 DLIB 库的组成和具体实现。
通过上述步骤，用户可以轻松理解 IAR 环境下 printf() 函数与 UART 外设驱动函数之间的交互过程，实现高效的调试信息输出。本文旨在提供一个全面的视角，帮助嵌入式开发者深入理解这一关键组件的集成与工作原理。
python pip å®è£ dlibä¸ç´å¤±è´¥ï¼
å®è£ 失败éè¦æ£æ¥å 个é®é¢ï¼å ¼å®¹é®é¢ï¼å¯¹åºçå æ¯æçæä½ç³»ç»ï¼æ¯æçPythonçæ¬
å®è£ é®é¢ï¼é¨åå åªè½éè¿æºç å®è£ ï¼æè 离线çwheelæ¹å¼å®è£
æ ¸å¯¹å çå®è£ ææ¡£
VaspCZ软件详细介绍
一、VaspCZ软件简介
VaspCZ(VaspCheckbyZzd)是中科院上海应物所的张正德博士在读博期间为提高科研效率而开发的Vasp辅助程序。该程序包含软件部分和API部分。
/zhangzhengde/VaspCZ(VaspCZ)
软件部分提供了Linux字符串用户界面，用于在超算平台中快捷提交任务和检查结果。包含三个模块：结构优化和静态计算(OS)模块、过渡态计算(NEB)模块和测试(Test)模块。
API部分为软件部分的底层，是自己写的一个python库。为有python基础的研究者提供了调用相关功能的接口，可以实现自定义计算和编写上层应用。库名：VaspCZ.zzdlib，包含三个模块：shell模块、溯源码标签销售合同File模块和Vasp模块。API说明文档。
/zhangzhengde/VaspCZ/blob/master/docs/VaspCZ_python_API.md(API说明文档)
求githubstar中，如果你觉得本项目不错，烦请点击项目右上角Star，感谢！~反馈调试中，如使用中遇到问题，敬请上报到drivener@.com，再次感谢！~二、VaspCZ软件安装1.安装和卸载
代码下载：
gitclone/zhangzhengde/VaspCZ.git
或者访问githubVaspCZ网址下载，下载后解压：
unzipVaspCZ.zip
进入安装程序目录：
cdVaspCZ
默认VaspCZ安装配置为：
程序安装路径说明VaspCZ软件用户根目录/binlinux主程序vtst用户根目录/binVTST过渡态工具VaspCZ.zzdlib相应python3的site-packages目录pythonAPI接口Vasp.sh用户根目录超算平台PBS系统提交任务的脚本，需要自行准备拷贝到该路径下并命名为Vasp.shPseudoPotential用户根目录生成POTCAR所需的赝势文件的文件夹，需要自行准备并拷贝到该路径下，命名方式为~/PseudoPotential/[赝势名]vcz用户根目录/bin/VaspCZVaspCZ主程序快捷键
如需修改安装配置，请修改install.py第6-行对应设置再进行安装。
安装：
python3install.py
输入快捷键运行程序：
vcz
程序界面如图：
出现程序界面，说明安装成功。
如更新版本，安装前请先卸载：
python3uninstall.py
2.错误提示
(1)权限不足
如果安装时提示：
PermissionError:[Errno]Permissiondenied:'VaspCZ'
请使用管理员账号用以下命令安装。
sudopython3install.py
如无管理员账号，请给当前用户安装独立的python后再安装VaspCZ
源码安装用户独立python3教程
(2)缺少python库
VaspCZ运行需要的库有：
numpy
如果提示：
ModuleNotFoundError:Nomodulenamed'numpy'
使用pip3安装相应库即可：
pip3installnumpy
三、VaspCZ软件使用和示例
本章主要描述软件部分的使用方法和示例，PythonAPI接口部分仅描述功能，接口详细信息参见API说明文档。
1.VaspCZ软件部分(主程序)
软件部分提供了Linux字符串用户界面，用于在超算平台中快捷提交任务和检查结果。包含三个模块：结构优化和静态计算(OS)模块、过渡态计算(NEB)模块和截断能K点测试(Test)模块。
成功安装后输入快捷键即可进入用户界面：
vcz输入模块对应的选项即可进入相应模块。
(1)OptandSta模块
该模块提供了用于快捷进行结构优化(Optimization)计算和静态(Static)计算的功能。
用户界面：
包含功能：
功能标签功能名称1.1产生Vasp输入文件(示例)1.2修改INCAR为静态计算INCAR1.3产生赝势文件POTCAR1.4产生网格文件KPOINTS1.5产生提交任务脚本Vasp.sh1.6仅保留Vasp输入文件1.7前检查并提交任务1.8后检查并打印计算结果OS模块功能示例：
进入到项目自带的examples：(请将"/home/zhangzd/bin"替换你的VaspCZ安装路径)
cd/home/zhangzd/bin/VaspCZ/examples/
OS模块下1.1-1.7功能示例：进入1.1-1.7
cd1.1-1.7
该文件夹为空文件夹。输入：
vcz
1
而后输入1-7数字可以执行相应功能
1.1产生Vasp输入文件(示例)
会在该目录下产生Vasp的5个输入文件的示例：INCAR、POSCAR、POTCAR、KPOINTS和Vasp.sh
注意：生成Vasp.sh文件需要配置：Vasp.sh为PBS系统提交任务的脚本，因不同平台的脚本内容会有所不同，请将适合该平台的脚本正确拷贝到安装目录下，默认为：用户根目录，目录结构如下所示：
用户根目录(或配置的Vasp.sh路径)
|
|Vasp.sh
|...(files)
1.2修改INCAR为静态计算的INCAR
在当前路径的结构优化INCAR上修改为静态计算的INCAR。
修改项目：
SYSTEM=Static
IBRION=-1
NSW=1
#EDIFFG=-0.
1.3产生POTCAR
输入元素列表和赝势类型产生POTCAR。
默认产生适配当前目录下的POSCAR内的元素的POTCAR，默认赝势类型为PBE。
注意：将从安装VaspCZ时配置的赝势路径下读取数据，默认为用户根目录。使用该功能请将赝势文件夹命名为PseudoPotential并按如下目录安装。
用户根目录(或配置赝势安装路径)
|
---PseudoPotential
|
---PBE
||
|---H
|---He
|---...(dirs)
|
---PW
---LDA
---US_LDA_GGA
---...(dirs)
1.4产生KPOINTS
输入网格和方法产生KPOINTS文件。
默认网格为：。
默认方法为：Monkhorst。与Vasp官网一致，方法可只输入开头的字母如：M，可选方法有：M(Monkhorst)，A(Auto)
1.5产生Vasp.sh
输入任务所需节点数、核数和任务名产生提交任务脚本Vasp.sh。
默认：节点数：1核数：任务名：jobname
注意：将从VaspCZ安装时候配置的Vasp.sh路径下读取数据，默认为用户根目录。使用该功能前请正确安装Vasp.sh。
1.6保留Vasp输入文件
删除其他所有文件和文件夹，仅保留Vasp的5个输入文件(INCAR、POSCAR、POTCAR、KPOINTS和Vasp.sh)，用于计算出现问题，知识付费源码跟数据重新算。
选择该功能后可输入文件名添加需要额外保留的文件。
1.7前检查并提交任务
准备好输入文件后，进行前检查，检查INCAR、POSCAR和POTCAR是否匹配，检查通过后将打印检查信息，并提示是否提交任务。
OS模块下1.8功能示例：退出1.1-1.7并进入1.8
cd..
cd1.8
该文件夹为计算好的Fe-Te体系不同情形下的结构优化结果。
输入运行1.8功能：
vcz
1
8
1.8检查结果
检查当前目录及所有子目录下的结构优化和静态计算的结果，如OUTCAR或者log中有错误(ERROR)或警告(WARNING)或提示所在位置。
输出如图所示：
检查所有路径计算是否完成，输出当前路径、完成状态、离子步数和电子步数。
检查完后，输出当前路径、能量、离子步数、磁矩、POSCAR和CONTCAR原子之间的距离、原子最大受力。
(2)NEB模块
该模块提供了便捷的NEB方法计算过渡态的功能。
用户界面：
包含功能：
功能标签功能名称2.1一键结构优化到静态计算2.2一键静态计算到过渡态计算2.3过渡态振动分析2.4仅保留结构优化输入文件2.5仅保留过渡态输入数据2.6检查过渡态受力情况2.7检查过渡态各态原子距离2.8检查过渡态计算结果2.9检查过渡态振动分析结果
过渡态计算的一般过程：先做结构优化，而后静态计算，最后过渡态计算，如需再振动分析。目录结果如下：
NEB计算目录
|...(files)
---ini
||...(files)
|---Opt
||...(files)
---fin
|...(files)
---Opt
|...(files)
在准备进行过渡态计算的目录下，创建文件夹ini和fin分别代表初态和末态，在它们之下再分别创建Opt文件夹。
计算步骤如下：
1、ini/Opt/下进行初态的结构优化。
2、fin/Opt/下进行末态的结构优化。
3、ini/下在结构优化完成后进行静态计算以获得更准确的能量。
4、fin/下在结构优化完成后末态静态计算。
5、当前路径下在两个静态计算完成后进行过渡态计算。
6、如需，过渡态完成后当前路径下进行振动分析。
NEB模块功能示例：
进入到VaspCZ安装目录examples文件夹下：
cd/home/zhangzd/bin/VaspCZ/examples
2.1一键结构优化到静态计算
如前过渡态的一般过程所示，结构优化完成后，自动进行初末态的静态计算。
进入2.1：
cd2.1
该文件夹下包含一般性的过渡态计算结构，且ini/Opt和fin/Opt下计算已完成。(可用OS模块的1.8功能检查结果)
调用vcz，选择功能2.1：
vcz
2
1
此时：选择1为当前文件夹下的静态计算到结构优化，选择2为一键提交ini/和fin/文件下下的静态计算。
输入节点数、核数和文件名提交任务。默认为：
参数默认值节点数ini/Opt/Vasp.sh中读取核数ini/Opt/Vasp.sh中读取任务名ini/Opt/Vasp.sh中的最后一位改为S2.2一键静态计算到过渡态计算
如前过渡态的一般过程所示，静态计算完成后，自动进行过渡态计算。
进入2.2文件夹:
cd2.2
该文件夹下包含一般性的过渡态计算结构，且ini/Opt、fin/Opt、ini/和fin/下计算已完成。(可用OS模块的1.8功能检查结果)
输入vcz调用程序选择功能2.2即可实现自动提交过渡态计算任务。
输入节点数、核数和文件名提交任务。
默认参数为：
参数默认值节点数~初末态结构原子距离和/0.8，取奇数核数ini/Opt/Vasp.sh中读取任务名ini/Opt/Vasp.sh中的最后一位改为N2.3过渡态振动分析
过渡态完成后，计算迁移原子在初态、过渡态和末态中三个自由度上的尝试频率。
使用初态和过渡态的尝试频率可以计算该迁移过程的有效率。
计算方法为：该原子在初态时三个自由度上的尝试频率之积比该原子过渡态时的两个自由度上(共三个自由度，其中一个是虚频)的频率之积。
进入2.3文件夹：
cd2.3
该文件夹下包含已经计算好的过渡态文件。(可用NEB模块的2.8功能检查结果)
调用vcz，并选择功能2.3
输入任务节点数、核数和是否包含末态振动提交任务。
默认参数为：
参数默认值节点数1核数8是否包含末态False
提交任务后会创建vibysis文件夹，内再创建inistate,sadstate和finstate，计算不同结构中迁移原子的振动频率(尝试频率)。
2.4仅保留结构优化输入文件
删除当前目录下的所有文件和文件夹，仅保留ini/Opt/下和fin/Opt下的5个输入文件(INCAR,POSCAR,POTCAR,KPOINTS和Vasp.sh)。
该功能用于过渡态计算错误时回滚到结构优化重新计算。
2.5仅保留过渡态输入数据
删除当前目录下的文件和文件夹，仅保留ini/和fin/文件夹下所有内容。
该功能英语过渡态计算错误时回滚到过渡态重新计算。删除后调用NEB模块的2.2功能即可重新提交NEB任务。
2.6检查过渡态受力情况
NEB计算完成或正在计算中，检查每一离子步，每个IMAGE下的受力状况。
例如：进入examples/2.6-2.9文件夹，调用vcz2.6功能：
cd2.6-2.9
vcz
2
6
输出如图所示：
第一列为离子步，第二到四列为插入态IMAGE、IMAGE和IMAGE在对应离子步下该结构中原子所受的最大力，第五列为前面的二到四列之和。如数据所示，第8步时所有插入态原子最大受力小于0.eV/?，达到INCAR中的收敛要求。
该功能用于检查过渡态计算不收敛时较为合理的结构。例：假如INCAR中设置NSW=，计算达步未收敛，通常第步并非合理的结构。借助此功能可找到最大受力和最小的步数，将该步的结构取出进行进一步分析和计算。
2.7检查过渡态各态原子距离
NEB计算完成或NEB计算生成插入态后，检查每个态之间原子的距离和。
例如：进入examples/2.6-2.9文件夹，调用vcz2.7功能：
cd2.6-2.9
vcz
2
7
选择需要检查的结构，默认为POS，代表POSCAR，可选为CONT，代表CONTCAR。
输出如图所示：
第一列是POSCAR或CONTCAR，第二列是IMAGE，第三列是原子距离和。其值来自于vtst工具，如第一行的值为：
dist.pl/POSCAR/POSCAR
计算前检查POSCAR，用于确保插入过渡态准备，线性插入时各态距离和应相等。
计算后检查CONTCAR，用于查看过渡态中是否有某个态弛豫到不可预测的结构导致过渡态不收敛。
2.8检查过渡态计算结果
NEB计算完成后或计算中，检查当前目录及所有子目录下的NEB计算结果(忽略静态计算和结构优化)，如OUTCAR或者log中有错误(ERROR)或警告(WARNING)或提示所在位置，检查完成后输出结果。
例如：进入examples/2.6-2.9文件夹，调用vcz2.8功能：
cd2.6-2.9
vcz
2
8
输出如图所示：
每一个有NEB计算的路径都会输出计算结果。第一列为不同的IMAGE，第二列为原子最大受力，第三列为该IMAGE总能，第四列为以IMAGE作为参考原点是的能量差，最大能量差即为势垒，对应的IMAGE为鞍点。
如数据所示，该扩散过程(fccFe的自扩散)的扩散势垒为1.eV.
2.9检查过渡态振动分析结果
NEB振动分析结束后，检查当前目录及所有子目录下的原子振动频率(尝试频率)结果并计算有效频率。
例如：进入examples/2.6-2.9文件夹，调用vcz2.9功能：
cd2.6-2.9
vcz
2
9
输出如图所示：
如数据所示，[True,True,False]说明该子目录下包含初态和鞍点态振动分析，不包含末态。
第一个1f2f3f为迁移原子在初态结构中三个方向的振动，振动频率分别为6.,6.和4.THz。第二个1f2f3f为迁移原子在鞍点态结构中三个方向的振动，振动频率分别为6.,4.和5.THz，其中f/i表示第三个方向上为虚频。
该扩散过程原子的有效频率为：初态三个振动之积比鞍点态两个振动之积(排除虚频)，结果为:6.THz。
本例是fccFe的自扩散，扩散前后结构等价，初态和末态相同，因此无需算末态振动。
通常体系中对称性不高，如有2个以上缺陷时，初态和末态是不等价的，此时反向方扩散的势垒就是以末态能量为原点时鞍点的能量，对应的有效频率为末态三个振动之积比鞍点态两个振动之积(排除虚频)。(在NEB模块2.3功能中输入参数包含末态时，2.9功能会自动计算反方向扩散的有效频率。)
(3)Test模块
通常，一个体系在大规模进行计算和分析之前，需要进行截断能测试和K点测试确定合适的ENCUT设置和KPOINS设置。
该模块提供了快捷的Vasp截断能测试和K点测试功能。
用户界面：
包含功能：
功能标签功能名称3.1截断能测试3.2K点测试Test模块功能示例：
进入到VaspCZ安装目录examples文件夹下：
cd/home/zhangzd/bin/VaspCZ/examples
3.1截断能测试
做截断能测试的目的是选取一个合适的截断能，截断能决定了Vasp计算过程中被作为赝势处理的电子波函数的范围。截断能太小，计算得到的体系总能不可信，截断能太大，计算中迭代需要花费大量资源。
准备好输入文件(INCAR，POSCAR，POTCAR，KPOINTS和Vasp.sh)后，输入参数即可快捷提交截断能测试任务。
例如：进入examples/3.1文件夹，调用vcz3.1功能：
cd3.1
vcz
3
1
输入参数有：任务名前缀、节点数、核数和截断能列表。
默认参数为：
参数默认值任务名前缀ENCUT_节点数1核数8截断能列表,,,,,,,,,,
注意：截断能列表以英文逗号隔开。
提交任务后会以截断能为名创建文件夹，在每个文件夹内修改INCAR文件中的ENCUT为对应值，而后提交结构优化任务，任务名为任务名前缀截断能。
计算完成后，可以使用OS模块的1.8功能检查各截断能时体系的总能，体系总能之差小于0.eV时，该截断能可选为合适的截断能。
3.2K点测试
做K点测试的目的是选取一个KPOINS设置，K点决定了Vasp计算过程中倒空间的网格分隔点数，体系越大，合适的K点网格一般越小。
准备好输入文件(INCAR，POSCAR，POTCAR，KPOINTS和Vasp.sh)后，输入参数即可快捷提交K点测试任务。
例如：进入examples/3.2文件夹，调用vcz3.2功能：
cd3.2
vcz
3
2
输入参数有：任务名前缀、节点数、核数和K点列表。
默认参数为：
参数默认值任务名前缀ktest_节点数1核数8K点列表,,,,
注意：K点列表以英文逗号隔开。
提交任务后会以K点为名创建文件夹，在每个文件夹内KPOINTS文件中的网格为K点，而后提交结构优化任务，任务名为任务名前缀K点。
计算完成后，可以使用OS模块的1.8功能检查各K点时体系的总能。
2.VaspCZpythonAPI
pythonAPI部分为有python基础的研究者提供了本项目同通用功能的接口。通过库便捷调用相关功能，以实现自定义高通量计算。库名：VaspCZ.zzdlib，包含：shell模块，File模块和Vasp模块
安装和导入
安装软件时自动安装库，安装说明见本说明第三章。
导入：进入python3交互界面或在.py文件中导入库：
importVaspCZ.zzdlibaszzd
此处只列出各模块功能，详细接口说明见API文档
(1)shell模块标签代码功能1.1VaspCZ.zzdlib.getshellResult(code)返回shell命令控制台输出的结果，由每一行组成一个元素的列表。(2)File模块标签代码功能2.1VaspCZ.zzdlib.File.openFile(path,[mode='r',data=None])读取文件或保存文件2.2VaspCZ.zzdlib.File.substitudeData(data,keywords,newline,[mode='default'])传入文件数据，给出关键词和新行，默认情形搜索出现第一次出现关键词的行并替换，mode不等于default是替换全部出现关键字的行，返回替换后的数据。2.3VaspCZ.zzdlib.File.getLine(data,keywords)给出关键词，招傲有关键词的第一行并返回，返回为字符串和所在的行索引。该功能用于获取特定想信息或者用于判断。2.4VaspCZ.zzdlib.getAllline(data,keywords)给出关键词，返回所有带有关键词的所有行，返回为列表。该功能用于选择性获得文件特定行。2.5VaspCZ.zzdlib.getline(data)获取文件数据中是空位的索引。2.6VaspCZ.zzdlib.Vaspsh_path获取VaspCZ软件默认的PBS提交任务脚本Vasp.sh所在的文件路径。(3)Vasp模块标签代码功能3.1VaspCZ.zzdlib.Vasp.decode_POSCAR(POSCAR)解码POSCAR，返回一个基矢、原子种类、原子数目、每个原子的位置（取前4位）3.2VaspCZ.zzdlib.Vasp.modifyPOSCARele(oldele,new_ele)修改当前路径下POSCAR的原子种类，适合批量修改。3.3VaspCZ.zzdlib.Vasp.gennerate_POTCAR([elements=None,pseudotype='PBE'])在当前路径生成POTCAR文件，需要在安装中正确是指赝势文件目录，默认赝势文件目录为用户根目录。赝势目录名为：PseudoPotential。3.4modifyPOSCARSelective_Dynamics(data,indexes)根据输入的数据和索引修改POSCAR，添加SelectiveDynamics,索引所在的位置设置为TTT,其他位置设置为FFF3.5modifyINCARforvibrationysis修改当前目录的INCAR为振动分析的INCAR并保存.3.6VaspCZ.zzdlib.Vasp.checkInputsVasp前检查。提交计算任务前，检查当前目录Vasp的各项输入文件，将计算信息打印到控制台，包含：计算路径、SYSTEM、截断能、ISIF、离子更新方法、是否有磁性、电子收敛标准、离子收敛标准、原子种类个数、POTCAR原子类型、KPOINTS方法、网格大小、任务名、节点数与核数、是否加急。3.7VaspCZ.zzdlib.Vasp.checkandqsub([need_input=True])检查前检查并提交任务。内部集成了上一个检查输入文件函数，使用中推荐该函数。3.8VaspCZ.zzdlib.Vasp.keepInputs([addfile=[],workdir='./'])删除工作目录下的文件，仅保留输入文件。默认保留文件为：INCAR，POSCAR，POTCAR，KPOINTS和Vasp.sh3.9VaspCZ.zzdlib.Vasp.checkNEBperiod遍历当前路径下的所有文件夹，如果发现有neb计算，判断ini和fin分别的计算周期，并返回四、其它说明
该项目已免费开源，开源许可。
欢迎开发和补充，如用于商业用途请注明出处。
如遇bug，敬请将说明、提示代码、截图等信息上报到drivener@.com。
如对程序有疑问，请联系drivener@.com。
作者水平有限，代码有诸多不足之处，还望斧正。
当前版本:1.0.1
有一张人脸的侧脸图像，如何用python及相关的库来计算人脸转过的角度。
这个很难办到，不过可以通过判断关键点的特点进行判断，但是准确率不高
前言
很多人都认为人脸识别是一项非常难以实现的工作，看到名字就害怕，然后心怀忐忑到网上一搜，看到网上N页的教程立马就放弃了。这些人里包括曾经的我自己。其实如果如果你不是非要深究其中的原理，只是要实现这一工作的话，人脸识别也没那么难。今天我们就来看看如何在行代码以内简单地实现人脸识别。
一点区分
对于大部分人来说，区分人脸检测和人脸识别完全不是问题。但是网上有很多教程有无无意地把人脸检测说成是人脸识别，误导群众，造成一些人认为二者是相同的。其实，人脸检测解决的问题是确定一张图上有木有人脸，而人脸识别解决的问题是这个脸是谁的。可以说人脸检测是是人识别的前期工作。今天我们要做的是人脸识别。
所用工具
Anaconda 2——Python 2
Dlib
scikit-image
Dlib
对于今天要用到的主要工具，还是有必要多说几句的。Dlib是基于现代C++的一个跨平台通用的框架，作者非常勤奋，一直在保持更新。Dlib内容涵盖机器学习、图像处理、数值算法、数据压缩等等，涉猎甚广。更重要的是，Dlib的文档非常完善，例子非常丰富。就像很多库一样，Dlib也提供了Python的接口，安装非常简单，用pip只需要一句即可：
pip install dlib
上面需要用到的scikit-image同样只是需要这么一句：
pip install scikit-image
注：如果用pip install dlib安装失败的话，那安装起来就比较麻烦了。错误提示很详细，按照错误提示一步步走就行了。
人脸识别
之所以用Dlib来实现人脸识别，是因为它已经替我们做好了绝大部分的工作，我们只需要去调用就行了。Dlib里面有人脸检测器，有训练好的人脸关键点检测器，也有训练好的人脸识别模型。今天我们主要目的是实现，而不是深究原理。感兴趣的同学可以到官网查看源码以及实现的参考文献。今天的例子既然代码不超过行，其实是没啥难度的。有难度的东西都在源码和论文里。
首先先通过文件树看一下今天需要用到的东西：
准备了六个候选人的放在candidate-faces文件夹中，然后需要识别的人脸test.jpg。我们的工作就是要检测到test.jpg中的人脸，然后判断她到底是候选人中的谁。另外的girl-face-rec.py是我们的python脚本。shape_predictor__face_landmarks.dat是已经训练好的人脸关键点检测器。dlib_face_recognition_resnet_model_v1.dat是训练好的ResNet人脸识别模型。ResNet是何凯明在微软的时候提出的深度残差网络，获得了 ImageNet 冠军，通过让网络对残差进行学习，在深度和精度上做到了比
CNN 更加强大。
1. 前期准备
shape_predictor__face_landmarks.dat和dlib_face_recognition_resnet_model_v1.dat都可以在这里找到。
然后准备几个人的人脸作为候选人脸，最好是正脸。放到candidate-faces文件夹中。
本文这里准备的是六张，如下：
她们分别是
然后准备四张需要识别的人脸图像，其实一张就够了，这里只是要看看不同的情况：
可以看到前两张和候选文件中的本人看起来还是差别不小的，第三张是候选人中的原图，第四张微微侧脸，而且右侧有阴影。
2.识别流程
数据准备完毕，接下来就是代码了。识别的大致流程是这样的：
3.代码
代码不做过多解释，因为已经注释的非常完善了。以下是girl-face-rec.py
# -*- coding: UTF-8 -*-
import sys,os,dlib,glob,numpy
from skimage import io
if len(sys.argv) != 5:
print "请检查参数是否正确"
exit()
# 1.人脸关键点检测器
predictor_path = sys.argv[1]
# 2.人脸识别模型
face_rec_model_path = sys.argv[2]
# 3.候选人脸文件夹
faces_folder_path = sys.argv[3]
# 4.需识别的人脸
img_path = sys.argv[4]
# 1.加载正脸检测器
detector = dlib.get_frontal_face_detector()
# 2.加载人脸关键点检测器
sp = dlib.shape_predictor(predictor_path)
# 3. 加载人脸识别模型
facerec = dlib.face_recognition_model_v1(face_rec_model_path)
# win = dlib.image_window()
# 候选人脸描述子list
descriptors = []
# 对文件夹下的每一个人脸进行:
# 1.人脸检测
# 2.关键点检测
# 3.描述子提取
for f in glob.glob(os.path.join(faces_folder_path, "*.jpg")):
print("Processing file: { }".format(f))
img = io.imread(f)
#win.clear_overlay()
#win.set_image(img)
# 1.人脸检测
dets = detector(img, 1)
print("Number of faces detected: { }".format(len(dets)))
for k, d in enumerate(dets):
# 2.关键点检测
shape = sp(img, d)
# 画出人脸区域和和关键点
# win.clear_overlay()
# win.add_overlay(d)
# win.add_overlay(shape)
# 3.描述子提取，D向量
face_descriptor = facerec.compute_face_descriptor(img, shape)
# 转换为numpy array
v = numpy.array(face_descriptor)
descriptors.append(v)
# 对需识别人脸进行同样处理
# 提取描述子，不再注释
img = io.imread(img_path)
dets = detector(img, 1)
dist = []
for k, d in enumerate(dets):
shape = sp(img, d)
face_descriptor = facerec.compute_face_descriptor(img, shape)
d_test = numpy.array(face_descriptor)
# 计算欧式距离
for i in descriptors:
dist_ = numpy.linalg.norm(i-d_test)
dist.append(dist_)
# 候选人名单
candidate = ['Unknown1','Unknown2','Shishi','Unknown4','Bingbing','Feifei']
# 候选人和距离组成一个dict
c_d = dict(zip(candidate,dist))
cd_sorted = sorted(c_d.iteritems(), key=lambda d:d[1])
print "\n The person is: ",cd_sorted[0][0]
dlib.hit_enter_to_continue()
4.运行结果
我们在.py所在的文件夹下打开命令行，运行如下命令
python girl-face-rec.py 1.dat 2.dat ./candidate-faecs test1.jpg
由于shape_predictor__face_landmarks.dat和dlib_face_recognition_resnet_model_v1.dat名字实在太长，所以我把它们重命名为1.dat和2.dat。
运行结果如下：
The person is Bingbing。
记忆力不好的同学可以翻上去看看test1.jpg是谁的。有兴趣的话可以把四张测试都运行下试试。
这里需要说明的是，前三张图输出结果都是非常理想的。但是第四张测试的输出结果是候选人4。对比一下两张可以很容易发现混淆的原因。
机器毕竟不是人，机器的智能还需要人来提升。
有兴趣的同学可以继续深入研究如何提升识别的准确率。比如每个人的候选用多张，然后对比和每个人距离的平均值之类的。全凭自己了。
