最近家里更换了宽带，更换宽带之后突然发现 koolproxy 没办法去广告了，不管我怎么设置都没有效果，于是我去咸鱼上问了一下卖家（K2P，卖家帮忙刷的老毛子），得到了恢复出厂设置的建议。emmmm，然后嘛，因为更新规则的网址 404 了，因此，规~则~全~部~没~有~了，再~也~回~不~来~了！

今天在一个群里发现了一份 rules 的压缩包，看看里面的东西，好像正好是 kp 启动时 log 里面报 warning 的文件。于是，开干！

前言

既然已经踏上了漫漫的炼丹之路，那么接下来的修行就必不可少。上一篇用一些实例来演示了 TensorFlow 是如何工作的，但那只是简单的回归而已，不能算是真正的炼丹。这一篇，我们就聊一聊几乎每个人都会用来作为 TensorFlow 实践的第一个项目的——手写数字识别。

前言

上一篇了解了丹炉后，那么这一次，我们就要动手实践，炼制自己的第一炉丹药了。万事皆应由易向难，说到最简单的丹药，那自然是一品丹药「回春散」了。咳咳~ 那么这一篇就从简单的回归讲起，主要是让大家熟悉一下，TensorFlow 的处世哲学，看看 TensorFlow 是怎么解决问题的。

前言

最近嘛，准备开始炼丹，虽然我的博客没什么人看，但是我还是打算把一些过程记录下来，假使以后不炼丹，忘了，也能很快回忆起来。所以，新坑就这么开起来吧~~~ 另外，机器学习的学习笔记，emmm，不打算继续写了（也许以后有时间会简要地写一下后面的内容吧，也说不定）

之前在玩痒痒鼠的时候，苦于刷副本比较累，于是写了自动刷妖气封印的代码。现在对痒痒鼠兴致缺缺，在整理电脑文件的时候就把代码整理上传到了 GitHub 上了。这里记录一下整个代码的结构和思路备忘。

我在做表情识别的时候，使用的是 CK/CK+ 的数据集，然而令人难受的是，我一直不知道如何去标记人脸特征点。因为数据集里面有标记好的 Landmarks，都放在里面了。所以我训练是直接用这个数据的，测试集其实也是从里面随机抽取的。

然而昨天在找资料的时候，我很敏感的发现了68这个数字。天哪，我怎么会忘记，这个就是 CK/CK+ 数据集里面标记点的个数啊！

于是，我开始了 dlib 的调试。

在做表情识别的时候，突然在《机器学习——算法原理与编程实践》一书中看到了人脸检测的部分。书中使用的是 OpenCV 自带的 Haar 特征级联表作为训练集，标记人脸的。这种方法我之前也在网上看到过，因为没有成功（现在看来应该是使用了错误的表造成的）所以使用了 face_recognition 的库来进行的。

现在既然成功完成了这种方法，那自然也要用起来。

由于新一届的物联网大赛有关于人脸识别的部分，因此老师让我给学弟学妹讲一讲有关人脸识别的部分。因为上次刷知乎的时候看到了一个圣诞节时的微信头像自动带圣诞帽的小程序用到了这个 face_recognition 的 Python 库，上网查了一下，发现离线识别率高达99.38%，因此就打算使用这个库了。

理想很丰满，现实很骨感。折腾了很长时间，不由得感叹，这个库是真 TMD 难配。

以下就是记录的一些过程吧！

写在前面

由于重装系统的缘故，Github也是很久都没有使用过了（并不是因为我懒得写代码 /手动滑稽）。

由于今天突然想使用Github和用Hexo写博客了，因此花了些时间把东西弄起来了（很坑的东西是我以前配置Hexo时参考的博客居然404了，因此又重新找了好久，我在考虑着是不是应该自己写一个教程，方便以后参考）

我之前是有个spectop1017的Github账号的，这是因为我当时学习使用Github时不太会，也不知道怎么的申请了两个账号，也不知道怎么的使用了spectop1017这个账号去提交代码了。那个账号里面也没有什么东西了，基本上都是当时学习Android时一些练手的程序，在spectop1017.github.io上面写的一些博客我也搬到spectop.github.io这里了，那个账号就不打算再使用了。另外我在一大堆文件中居然找到了当时因为重装系统而丢失的第一批Blog的Markdown文件，真是意外之喜，就一起搬运过来了。

分割线：以下是Hexo自带的Hello world文档