本專案將展示如何製作簡易的 CNN 模型訓練工具，使用者亦可直接將本專案下載後修改。
本說明將分為四個部分: 包含:
- Anaconda 下載與安裝
- 開發環境建置
- 範例程式下載與應用
- 程式修改指南
為了建置獨立的開發環境，建議使用者安裝 Anaconda。請至 Anaconda 官網下載 https://www.anaconda.com/download 並完成安裝。
開啟 "Anaconda Prompt" ，使用以下指令創建環境:
conda create --name cnn_template python=3.7
輸入以下指令，即可使用使用剛才創建的環境:
conda activate cnn_template
輸入以下指令即可開啟 Visual Studio Code:
註: 如果沒有安裝 Visual Studio Code 請至官網下載: https://code.visualstudio.com/
code
下載本範例程式，以 Visual Studio Code 開啟
由 menu.py 進入，即可開始使用本範例程式 本程式提供 training tool, verifying tool, detecting tool 三種工具可使用
Training tool 的功能是使用指定的資料集訓練 CNN 模型，並儲存至指定路徑。
開啟 training tool 後，點擊左方 Run (三角形) 按鍵，即可開始訓練。使用者亦可針對需求更改上方參數與路徑。
Verifying tool 的功能是使用指定的資料集驗證訓練後的 CNN 模型。
開啟 verifying tool 後，點擊左方 Run (三角形) 按鍵，即可開始驗證。使用者亦可針對需求更改上方參數與路徑。
Detecting tool 的功能是使用指定的 CNN 模型檢測網路攝影機 (Web Cam) 的輸入影像。
開啟 detecting tool 後，點擊左方第一個 Run (三角形) 按鍵，即可連結攝影機，再點擊第二個 Run 按鍵，即可開始 AI 檢測功能。使用者亦可針對需求更改模型路徑。
註: 若出現找不到套件的情形，請自行安裝缺少的套件包，參考版本如下 (PyTorch 可以使用 Conda install，其餘使用pip install 即可)
altgraph==0.17.3
certifi==2022.12.7
click==8.1.3
colorama==0.4.6
coloredlogs==15.0.1
cycler==0.11.0
faiss-cpu==1.7.4
filelock==3.11.0
Flask==2.2.5
flatbuffers==23.3.3
fonttools==4.38.0
huggingface-hub==0.13.4
humanfriendly==10.0
imageio==2.28.1
importlib-metadata==6.3.0
itsdangerous==2.1.2
Jinja2==3.1.2
joblib==1.2.0
kiwisolver==1.4.4
kornia==0.6.9
MarkupSafe==2.1.2
matplotlib==3.5.3
mpmath==1.3.0
networkx==2.6.3
numpy @ file:///D:/bld/numpy_1649806536290/work
onnx==1.13.1
onnxconverter-common==1.13.0
onnxruntime==1.14.1
onnxruntime-gpu==1.14.1
opencv-python==4.7.0.72
packaging==23.0
pandas==1.1.5
pefile==2023.2.7
Pillow @ file:///D:/bld/pillow_1660386017560/work
protobuf==3.20.3
pyinstaller==5.11.0
pyinstaller-hooks-contrib==2023.3
pyminizip==0.2.6
pyparsing==3.0.9
PyQt5==5.15.9
PyQt5-Qt5==5.15.2
PyQt5-sip==12.12.1
PyQtChart==5.15.6
PyQtChart-Qt5==5.15.2
pyreadline==2.1
PySide2==5.15.2.1
python-dateutil==2.8.2
pytz==2023.3
PyWavelets==1.3.0
pywin32-ctypes==0.2.0
PyYAML==6.0
scikit-image==0.19.3
scikit-learn==1.0.2
scipy==1.7.3
shiboken2==5.15.2.1
six==1.16.0
sklearn==0.0.post1
sympy==1.10.1
threadpoolctl==3.1.0
tifffile==2021.11.2
timm==0.6.13
torch==1.12.1
torchaudio==0.12.1
torchvision==0.13.1
tqdm==4.65.0
Werkzeug==2.2.3
wincertstore==0.2
zipp==3.15.0
若欲進行程式碼修改，可至專案資料夾中開啟對應的 .py 檔案，其對應如下:
Menu > menu.py
Training tool > train.py
Verifying tool > verify.py
Detecting tool > detect.py
此類檔案一般分為三個區塊:
- 建構子 : 初始化 UI 介面與類別中之成員
- 元件事件 : 將 UI 元件的事件與函式連結
- 函式 : 與元件連結的函式功能
只要針對想修改的功能，分別修改三個區塊即可。
若欲進行 UI 修改，請至 https://build-system.fman.io/qt-designer-download 下載 Qt Designer 並完成安裝。
使用 QT Designer 可以打開範例程式中的.ui檔案，使用者可以依照需求對內容設計進行更改。 QT Designer 的說明與使用方式可以參考以下教學: https://www.youtube.com/watch?v=_E4Rj4I58m0&list=PL0uF99K6uCYPp2hv99pcUPpkUtiDWjGdW&index=4
註 1: 如果不想使用 QT Designer 內建的背景圖式以及元件底色，可以從外部匯入圖片再進行使用，建議以PPT繪製再輸出為png檔案，再按照以下方法使用圖片:
- 將輸出的 png 檔案移到 ui_img 資料夾中
- 開啟 pic.qrc 檔案並將新增的圖片路徑加到檔案內
- 儲存 pic.qrc 檔案並關閉
- 在 QT Designer 中對元件按下右鍵，開啟 styleSheet 並將圖片路徑更改為新的路徑即可
註2: 若有修改 pic.qrc 檔案，請在工作目錄下開啟 CMD 並執行以下程式碼:
pyrcc5 -o pic.py pic.qrc
註3: 若有修改 train.ui 檔案，請在工作目錄下開啟 CMD 並執行以下程式碼: (其他ui檔案修改依此類推)
pyuic5 train.ui -o train_ui.py
輸出完 train_ui.py 之後，記得將該檔案最後一列之 pic_rc 修改為 pic
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent