国内的Torrent分享网站越来越少了，无意中发现https://www.demonoid.is/可以下载到最新的高清/超清电影。但是有点比较讨厌，就是弹窗有点过份，不是我白嫖了种子还不愿支持广告，真是弹窗太过三俗刺眼，难以忍受。于是试着分析了网页内容，自己抓取电影种子文件链接，并添加Google搜索IMDB的链接，制作了RSS订阅链接。本来还想找一下有没有类似的Torrent分享站点，发现demonoid是与海盗湾齐名的，之前排名前几的站点已经都无法打开了，只剩这一个，切用且珍惜吧 :-)
源站地址：链接，经过抓取清洗和加工后生成的RSS链接为：https://photo.codefine.site:12524/rssfactory/demonoid-movies，只抓取了1080P及其以上质量的电影。
订阅后的呈现效果：
最近把NAS上面累积下来的音乐都整理了一下，用emby建了一个音乐集。emby自带musicbrainz的插件，能从这个强大的音乐库中搜索MP3的元数据信息。然后从多个维度对音乐进行分类呈现。但是有个问题，很多MP3经过各个二道贩子编辑后，关键元数据信息都跟音乐本身没有任何关联了，因此自动搜索出来的元数据匹配存在一些问题，甚至有的MP3文件经过转码后，只剩下音乐本身，tag元数据全部丢失。只能人工填写，一两千个文件，逐一搜索排查可想而知难度有多大。找到了picard这个工具，可以自行匹配，然后没有匹配的再人工搜索，这样极大提高了准确率。比emby自动但是做了的错误的匹配要好的多。经过picard处理后的音乐文件再导入到emby中，就能准确识别歌手，专辑等信息，进而补充下载专辑唱片封面图等。
难得的是，picard在Win、Linux和Mac平台都能使用。对于Ubuntu 20，使用官方给出的命令很快就能安装成功：
sudo add-apt-repository ppa:musicbrainz-developers/stable sudo apt-get update sudo apt install picard
软件界面截图：
导入/emby的效果：
这个十一原定的计划取消了，没有做好备份计划，也就不打算出远门了，关在家里，把一直都想做的一个本地化的人脸识别服务整了一下。提供人脸分析的开源服务似乎很多年都没有大的变化了，一直都是Dlib和OpenCV，对比了一下，Dlib更容易使用。一直没有正经写过Python代码，翻出N年前买的Python编程书，边翻书Google、边写代码。基本的代码流程比较简单，Dlib官方也有例子，很容易运行起来，但是要服务化，要做人脸比对，并且是增量的人脸比对和识别，并不容易。说做就做，最终整个服务形成如下架构。
架构图：
代码和部署使用方法在如下git工程：http://git.codefine.site:3000/Shentar/facerec
首先需要将探测的过的“人脸”存储起来，然后能输入一张人脸返回与该人脸近似的所有人脸，这样客户端好做人脸归集。很快做好了一个初步的框架：使用Flask提供REST接口接收照片，在响应中返回人脸的特征标识，使用SHA256对人脸68点位的描述向量进行HASH，返回给客户端。同时将HASH值和实际的token存储到Sqlite。第一天大概就完工了这个功能。
运行起来，发现单纯的Flask不能并发，第二个请求会报错，一次只能接受和处理一个请求。于是又按照网上的经验，使用Gunicorn和Gevent来做多线程的方案，因为习惯了单进程多线程的方式，多线程访问Sqlite需要加锁，按照通用的做法，使用一个队列来管理Sqlite实例。继续验证，发现多线程并不能加速Detect的效率，貌似Dlib不支持多线程加速。调整为多进程，四个CPU都能运用起来。
终于找到了一个能将这个3.2GHZ的四核CPU跑满的业务了 ^_^
Architecture: x86_64
CPU op-mode(s): 32-bit, 64-bit
Byte Order: Little Endian
Address sizes: 39 bits physical, 48 bits virtual
CPU(s): 4
On-line CPU(s) list: 0-3
Thread(s) per core: 2
Core(s) per socket: 2
Socket(s): 1
NUMA node(s): 1
Vendor ID: GenuineIntel
CPU family: 6
Model: 94
Model name: Intel(R) Core(TM) i3-6100T CPU @ 3.20GHz
人脸检测的效果还不错，错误率的话，自己家用是够了。特别是在侧脸检测上面，比较准确。在人脸比对方面，错误率就要高一些了，反复验证，发现0.36的比对阀值比较合适。侧脸虽然检测率高，但是在比对上面，只用通用的拟合范数，结果会表现为差异很大。因此这里应该是需要有定制化的比对实现，只做部分比对。这块需要深入到人脸检测技术内部，去分析128D的特征值向量的每一个值，短时间内没办法去研究透了。
由于采用了多进程，因此没法共用一个Sqlite运行时实例，强行并发读写访问会导致数据库错乱，不得不又做了一个服务来封装Sqlite，多个检测进程输出的人脸特征值都发给该服务来顺序存储，同时也返回给客户端。两个服务之间同样采用REST接口交互。
准备大规模上量，将jAlbum目前使用的线上人脸识别服务切换到这个本地服务上面，又发现检测时长非常高，一张4M的图片，大概需要几秒的时间，并且还有些非常小的区块被检测到了。对于检测慢的问题，考虑降低输入的照片的像素，图片减小后，长宽的像素点都相应减少了，但是人脸的特征点并不会损失太多。因此先对图片进行降低像素和尺寸，识别完成后，对识别到的人脸在照片上的位置也要相应做缩放，对比了一下，原始大小检测和缩放后检测，再对结果做相反的缩放，最终结果误差不大，但是这样能极大提速。对于非人脸和质量不高的人脸被检测到的问题，做了一些粗浅的限制，人脸长宽必须大于100的阀值才认为是正常的人脸。Dlib应该有正统的输出人脸的质量的参数，查了很久，没有找到合适的方法，就只能先这样吧。在比对方面，还有一些重要的概念，没有弄明白，如人脸对齐、年龄、性别检测等，不清楚我的代码里面是否已经有调用已经做了这块。
具体的处理代码：
data = np.frombuffer(data, np.uint8)
if data is None:
raise Exception('image is required.')
zoom_ratio = 1
if data.size > 6 * 1024 * 1024:
img = cv2.imdecode(data, cv2.IMREAD_REDUCED_COLOR_4)
zoom_ratio = 4
elif data.size > 4 * 1024 * 124:
img = cv2.imdecode(data, cv2.IMREAD_REDUCED_COLOR_2)
zoom_ratio = 2
else:
img = cv2.imdecode(data, cv2.IMREAD_COLOR)
faces = []
dets = detector(img, 1) 总的来说，开源项目，适合做一下Demo，如果要尽善尽美，那么就要深入到源码，有针对性的去优化检测和比对模型。作为个人的实验和家用还是很不错的。至少在快速编程和服务化这方面。
对于Ubuntu桌面的印象还停留在很多年前，当年的感觉是，比较容易崩溃，需要修改配置文件的地方太多，一不小心系统就崩溃了。家里近10年前的笔记本，几次操作系统自动升级后，已经变得一打开Win10系统就开始呼呼叫。像是一个年迈的老人，稍微快步走路就气喘一样。想试一下最新的Ubuntu，装系统很容易，直接下载镜像，写入U盘，制作成启动盘，引导安装。最可贵的是，居然自动识别老的Win10系统，做成了双系统，需要的时候还能进入Win10。用了几天，感觉Gnome桌面的整体风格跟Mac越来越像了，几乎不需要手动修改配置。自动发现U盘、界面连接Wifi、安装软件等体验都不错。其实日常家里使用笔记本也就是看看文档、浏览网页、看看开源代码，还有一些常用的社交应用的网页版，无缝访问家里的NAS系统。Ubuntu生态里面，离完全满足这些应用还有距离，但是在性能体验上面，已经远远超出Windows了，特别是硬件资源不足的情况。生态欠缺也是硬伤，如：微信微博等没有linux版本客户端，没有一些通用的轻量级代码编辑器：Nodepad++和VSCode等。好在现在越来越多的东西都可以在Web页面上解决。
(5.00分 - 2票) 
Loading ... | 同时归档在：软件应用, 软件技术 标签： Ubuntu 20.04, 笔记本 “自研”的相册管理程序，介绍和部署方法参考《jAlbum——Java WEB版相片管理系统 》。
国内访问github总是非常慢，所以把代码托管到HomeNas上面。使用gogs
接收各个终端上面备份的视频、照片文件。使用sync搭建，目前墙内无法访问该工具的官方网站。现在有开源免费的替代方案：Syncthing。
everything本来是一个Windows系统的本地文件搜索工具，以其高效而著称，在IT从业人员中使用非常广泛。其开放WEB访问方式，支持远程搜索和下载文件，远程办公时访问HomeServer上面的文件非常方便。遗憾的是，至今其都不支持HTTPS方式访问，并且用于认证的用户密码机制非常原始。可能是作者为了保持该软件的健壮和简单，不愿意加入更多的小众化功能。
媒体管理平台，支持各大平台部署Server端，支持众多的终端部署客户端应用。免费版本的客户端限制较多。当然网上也流传着各种破解方法。 在HomeServer上面部署Emby主要用于管理电视剧、小孩子看的动画片、无损音乐和超清电影，没有广告干扰的娱乐时光还是很惬意的:) 其中电影自动搜索字幕比较有用。但是对于非电影文件，按照电影去搜索元数据时，会出现匹配错乱的问题，因此非电影文件的库都是禁用自动更新元数据。
这年头，RSS源越来越少了，只能自行部署一个RSSHub，目前主要用这个工具的客户端快速提取正在访问的网页中的RSS Feed。服务端能起的作用似乎还有限，也可能是还没有完全整明白这个该怎么用。
在香港的一个主机提供商那里购买的丐版空间，只有1G的文件存储容量，博客中日积月累的各种图片和PDF已经将空间耗尽，还有Reader和博客的数据库文件其实也是分享的这1G的空间，而各大公由云的对象存储又收费，想着家里的NAS每天开机也是闲着，就再承担点负载。将网站的所有静态文件都从“自研”的托管服务上面出，模拟主流对象存储的API实现了类似镜像存储的机制。将所有图片本地保存。这样可以定期清理博客托管服务服务上面的图片和附件等。 当然还有最基本的NAS文件共享服务、远程访问服务、偶尔当梯子给其它终端代理、作为下载机等普通功能都不在话下。 不知不觉家里一个小小的Server上都部署了十来个服务。其实，HomeServer就缺了一个完整的80和443等端口，如果国内电信服务提供商开放这些端口，那么都不用购买任何网站托管服务了，直接在HomeServer上面运行所有网站相关的任务。这样不仅省钱，还便于管控。不过话也说回来，电信封了很多端口，对HomeServer的维护来说，也解决了网络安全的问题。
2020-8-9更新：增加WebDAV服务，使用go编写的caddy和webdav插件搭建。主要服务于跨平台的笔记服务：Joplin，除了界面不如印象笔记，功能上已经够用。有了WebDav，能做的事情就比较多了，如： 1、管理个人密码的keepass； 2、备份油猴配置和脚本； 3、当作网盘直接在桌面系统中挂载使用。
2020-8-27更新：增加cockpit服务，并替换自签名证书。
用于运行两个虚拟机： 一个是Win10系统：1、用于搭建科学上网的客户端，给其他设备提供代理服务，科学上网这块在Win生态下的工具远比Linux系列的丰富和易用。这样不用每个终端都安装各种工具，只需要配置代理指向该Win系统即可。2、安装迅雷，现在下载没有迅雷，啥资源都是Kbytes/s的速度，难以忍受，毋庸置疑，资源都已经被迅雷垄断了，迅雷充当了CDN的作用。 另外虚拟化了一个黑群晖，主要用于体验群晖系统，其实群晖能做的事情，在这个HomeNAS上面都有了，只是想体验一下群晖的易用性。惊奇的发现，在虚拟机里面虚拟化出来的磁盘（600GB），磁盘落在EXT4文件系统上面，然后再经过群晖的文件共享出来使用，这个共享跟NAS上面原来的共享在性能上面没有任何差异，甚至更稳定，写速率稳定在112MB/s，是不是经过Vmware和EXT4文件系统两级缓存之后，速度跟均衡。装一个空壳的宿主机，把所有硬盘都交给虚拟机的黑群晖管理，也不失为一种新的NAS玩法。
安装docker，并配置远程访问，dockerd监听本地端口，配置TLS证书。运行portainer，实现远程管理docker实例。运行wiz笔记程序，体验不同于joplin风格的为知笔记，该笔记在抓取网页方面有所欠缺，但是界面还有性能上面非常不错。
参考《基于Dlib、Flask和Sqlite的人脸检测和识别服务》。
可以将HomeNAS瞬间变网盘，主要用于解决文件分享、带校验码分享的场景。另外也可以用这个来直接通过页面操作远端文件的增、删、改、查。参考链接安装 FileRun，HomeNAS 秒变网盘
使用docker部署Grafana、普罗米修斯和Node-exporter监控服务器的磁盘、CPU、内存和网络等消耗。
部署图库服务，可以作为图床、相册等使用。简单高效管理图片。
一个界面非常友好，功能强大的多设备、多用户，跨网络同步的笔记服务。
心血来潮，想着做一个阳台花草生长的延时视频。阳台上正好有个树莓派，只需要一个摄像头即可。说做就做，500万像素的树莓派摄像头，包邮只需要30元。基本够够用了。接好线，固定好摄像头位置。
外媒给出的2017十大热门卡片电脑，大多数在淘宝都能找到销售链接。根据实际需求选取合适的卡片电脑，花最少的钱又刚刚好解决问题，是最大的乐事了。
1. Raspberry Pi Zero W — $10
基本上是目前市面上最便宜的卡片电脑了。支持Wifi和蓝牙无线连接。可以运行任意Linux系统。
不满足于之前的树莓派搭建的HOME NAS，又折腾了一套X86的低功耗版NAS服务器，将之前放在硬盘盒里面的硬盘都规整到了NAS服务器内。直接安装Windows Server 2012版本，配置简单。
不断增加网络设备，突然发现家里的网络越来越复杂，首先把家里的网络设备连接图整理出来记录一下。
(4.56分 - 9票) 
