# 以AI工具實際操作雙子星AI Console GPU雲平台

提醒一下：
每個透過AI COnsole GPU雲平台所建立的容器(Container Site)，都會幫各位預載個人的儲存空間，路徑是在容器裡的：**/mnt/volume**

先建立一個tensorflow site(with GPU)
(site裡面要apt update && apt install -y git)
(pip install sklearn)
開啟jypyter terminal
切換路徑cd /home
下載原始碼範例
git clone https://github.com/Hvass-Labs/TensorFlow-Tutorials.git

一、mnist手寫數字辨識模型開發
用notebook開啟02_Convolutional_Neural_Network.ipynb
逐步執行程式
第58行，可以改變data_x_test[2]裡面的array數字來提取不同的圖片

二、yolov4
先建立一個yolo site(with GPU)
分析串流中的影像
(notebook)
!darknet detector demo cfg/coco.data cfg/yolov4.cfg yolov4.weights https://cctvtraffic.tycg.gov.tw/camera141 -mjpeg_port 8080 -json_port 8081 -dont_show

(CLI)
darknet detector demo cfg/coco.data cfg/yolov4.cfg yolov4.weights https://cctvtraffic.tycg.gov.tw/camera141 -mjpeg_port 8080 -json_port 8081 -dont_show

如果你有興趣，可在網路上找到相當多的yolo教學範例，以下是其中一個作者的文章，可以參考看看。

[from: 小白train自己的YOLO v4](https://medium.com/@jennyTurtle/%E5%B0%8F%E7%99%BDtrain%E8%87%AA%E5%B7%B1%E7%9A%84yolo-v4-f23f48f85f9e)

三、yolov4 + owncast + OBS實現手機即時物件偵測

a. 先啟動yolov4 solution
b. 再啟動owncast solution

owncast串流路徑是
https://owncast.mydomain.com/hls/stream.m3u8 (這邊要看owncast啟動後的owncast-web的tcp port)

c. 在電腦端安裝OBS或其他的工具
啟動OBS，在settings裡面設定
rtmp://myserver.net/live (這邊要看owncast啟動後的owncast-stream的tcp port)

d. 最後回去yolo site
進到jupyterlab裡面，把terminal開啟，執行(要在darknet路徑裡面)
darknet detector demo cfg/coco.data cfg/yolov4.cfg yolov4.weights http://owncast.mydomain.com/hls/stream.m3u8 -mjpeg_port 8080 -json_port 8081 -dont_show
(這邊要看owncast啟動後的owncast-web的tcp port)