Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
大唐爆破僧
apachecn-dl-zh
提交
3fd397b1
A
apachecn-dl-zh
项目概览
大唐爆破僧
/
apachecn-dl-zh
与 Fork 源项目一致
Fork自
OpenDocCN / apachecn-dl-zh
通知
1
Star
0
Fork
0
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
0
列表
看板
标记
里程碑
合并请求
0
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
A
apachecn-dl-zh
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
0
Issue
0
列表
看板
标记
里程碑
合并请求
0
合并请求
0
Pages
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
提交
Issue看板
体验新版 GitCode,发现更多精彩内容 >>
提交
3fd397b1
编写于
1月 06, 2021
作者:
W
wizardforcel
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
2021-01-06 17:39:28
上级
d0d06498
变更
15
显示空白变更内容
内联
并排
Showing
15 changed file
with
71 addition
and
71 deletion
+71
-71
new/handson-ai-gcp/00.md
new/handson-ai-gcp/00.md
+2
-2
new/handson-ai-gcp/02.md
new/handson-ai-gcp/02.md
+7
-7
new/handson-ai-gcp/06.md
new/handson-ai-gcp/06.md
+3
-3
new/handson-ai-gcp/07.md
new/handson-ai-gcp/07.md
+1
-1
new/handson-ai-gcp/08.md
new/handson-ai-gcp/08.md
+3
-3
new/handson-ai-gcp/10.md
new/handson-ai-gcp/10.md
+6
-6
new/handson-dl-arch-py/0.md
new/handson-dl-arch-py/0.md
+1
-1
new/handson-dl-arch-py/6.md
new/handson-dl-arch-py/6.md
+1
-1
new/handson-py-dl-web/00.md
new/handson-py-dl-web/00.md
+2
-2
new/handson-py-dl-web/03.md
new/handson-py-dl-web/03.md
+1
-1
new/handson-py-dl-web/06.md
new/handson-py-dl-web/06.md
+10
-10
new/handson-py-dl-web/07.md
new/handson-py-dl-web/07.md
+26
-26
new/handson-py-dl-web/08.md
new/handson-py-dl-web/08.md
+3
-3
new/handson-py-dl-web/10.md
new/handson-py-dl-web/10.md
+1
-1
new/handson-py-dl-web/12.md
new/handson-py-dl-web/12.md
+4
-4
未找到文件。
new/handson-ai-gcp/00.md
浏览文件 @
3fd397b1
...
...
@@ -45,8 +45,8 @@
您可以按照以下步骤下载代码文件:
1.
登录或注册
[
www.packt.com
](
http://www.packt.com
)
。
2.
选择
支持选项卡
。
3.
单击
代码下载
。
2.
选择
“支持选项卡”
。
3.
单击
“代码下载”
。
4.
在搜索框中输入书籍的名称,然后按照屏幕上的说明进行操作。
下载文件后,请确保使用以下最新版本解压缩或解压缩文件夹:
...
...
new/handson-ai-gcp/02.md
浏览文件 @
3fd397b1
...
...
@@ -389,7 +389,7 @@ Cloud Dataflow 可以与 Cloud Machine Learning 集成,服务于各种 AL 和
1.
您应该具有训练和测试数据。
2.
在 Cloud Storage 中创建训练和测试存储桶。
3.
在 GCP 控制台中,单击左上角的导航菜单,然后在存储部分中,单击
存储(云存储)
。
3.
在 GCP 控制台中,单击左上角的导航菜单,然后在存储部分中,单击
“存储(云存储)”
。
4.
单击顶部的创建存储桶。 您将看到以下屏幕:
![](
img/d3b522b1-57fe-4faa-971e-213e9d91a913.png
)
...
...
@@ -398,7 +398,7 @@ Cloud Dataflow 可以与 Cloud Machine Learning 集成,服务于各种 AL 和
6.
为您的用例选择一个区域存储桶。
7.
选择您要在其中创建存储桶的位置。
8.
单击
创建
。
8.
单击
“创建”
。
9.
通过单击存储桶,将训练和测试数据上传到各自的存储桶,然后使用上载文件选项或将文件拖放到存储桶中。
# 将数据加载到 BigQuery
...
...
@@ -406,20 +406,20 @@ Cloud Dataflow 可以与 Cloud Machine Learning 集成,服务于各种 AL 和
现在,我们将讨论 BigQuery 数据集并将数据加载到 BigQuery 中:
1.
首先,按照以下步骤在 BigQuery 中创建 Leads 数据集:
1.
在 GCP 控制台中,点击左上方的导航菜单,然后在大数据部分中点击
BigQuery
。
1.
在 GCP 控制台中,点击左上方的导航菜单,然后在大数据部分中点击
`BigQuery`
。
2.
单击左侧面板中的项目名称。
3.
单击
创建数据集链接
。
3.
单击
“创建数据集链接”
。
4.
将数据集名称指定为 Leads 并创建它。 选择您喜欢的位置,然后创建数据集。
2.
接下来,按照以下步骤从 Cloud Storage 存储桶中的可用数据创建
`Leads_Training`
和
`Leads_Test`
表:
1.
单击左侧面板中项目中的 Leads 数据集。
2.
单击
创建表
。
2.
单击
“创建表”
。
3.
代替空表,选择从以下位置创建表:Google Cloud Storage。
4.
给出文件的位置。
5.
选择文件格式为 CSV。
6.
根据要创建的表,将表名命名为
`Leads_Test_Data`
或
`Leads_Training_Data`
。
7.
单击
自动检测架构
。
7.
单击
“自动检测架构”
。
8.
在高级选项中,如果数据集具有标题,则将“标题行”设置为跳过为
`1`
。
9.
单击
创建表
。
9.
单击
“创建表”
。
以下屏幕快照中还显示了创建表的上述步骤:
...
...
new/handson-ai-gcp/06.md
浏览文件 @
3fd397b1
...
...
@@ -72,7 +72,7 @@
图 6.3:DialogFlow 控制台中的代理创建屏幕
我们将通过 DialogFlow 控制台创建一个新的 Google 项目。 单击右上角的
创建
按钮。 创建代理后,我们将进入“意图”屏幕。 DialogFlow 为每个代理提供两个默认意图。 这些是任何应用程序通常都需要的预配置意图:
我们将通过 DialogFlow 控制台创建一个新的 Google 项目。 单击右上角的
“创建”
按钮。 创建代理后,我们将进入“意图”屏幕。 DialogFlow 为每个代理提供两个默认意图。 这些是任何应用程序通常都需要的预配置意图:
*
**欢迎意图**
:这是开始对话的默认意图。 作为最佳实践,座席需要向用户打招呼并使其与问候语的总体用户风格相匹配。 还建议欢迎意图以代理提供的特定于域的功能进行答复。 例如,对于书店代理,该代理需要向用户打招呼,并简短地谈论书店。
...
...
@@ -105,7 +105,7 @@ DialogFlow 控制台提供了一种快速测试已配置响应的简便方法。
*
**响应**
:基于意图配置,来自 DialogFlow 代理的响应显示在此区域中。
*
**诊断信息**
:这是 DialogFlow 提供的一种方便工具,用于对意图请求/响应进行故障排除。
单击
诊断信息
按钮,以 JSON 格式查看 DialogFlow 代理的响应。 这是来自代理的 JSON 格式的示例响应:
单击
“诊断信息”
按钮,以 JSON 格式查看 DialogFlow 代理的响应。 这是来自代理的 JSON 格式的示例响应:
```
py
{
...
...
@@ -158,7 +158,7 @@ DialogFlow 控制台提供了一种快速测试已配置响应的简便方法。
1.
在 DialogFlow 控制台中单击“创建意图”按钮。
2.
提供自定义意图的名称。 在这种情况下,我们将其命名为“新到货”。
3.
单击
保存
按钮。
3.
单击
“保存”
按钮。
4.
作为基本配置,请配置代理可以在当前意图内响应的各种训练短语。
以下屏幕截图显示了在新到达意图中配置训练短语和座席响应的过程:
...
...
new/handson-ai-gcp/07.md
浏览文件 @
3fd397b1
...
...
@@ -258,7 +258,7 @@ $tensorboard --logdir=${MODEL_DIR} &
```
4.
在同一 Cloud Shell 的顶部,单击
Web Preview
并打开端口
`8080`
以查看 TensorBoard 输出。 要从命令行捕获输出,请运行以下命令:
4.
在同一 Cloud Shell 的顶部,单击
`Web Preview`
并打开端口
`8080`
以查看 TensorBoard 输出。 要从命令行捕获输出,请运行以下命令:
```
py
$
capture_tpu_profile
--
tpu
=
[
YOUR
TPU
NAME
]
--
logdir
=
$
{
MODEL_DIR
}
...
...
new/handson-ai-gcp/08.md
浏览文件 @
3fd397b1
...
...
@@ -53,7 +53,7 @@ Cloud ML Engine 具有各种组件,它们执行独特的操作并在机器学
1.
从导航菜单中输入 GCP 控制台和 AI 平台,然后转到
`Jobs`
侧菜单。 您将以表格格式查看所有作业(正在运行和已完成)。 单击标题菜单中的“新训练工作”按钮。
2.
创建训练工作有两种选择:使用内置算法训练或自定义代码训练。 在这种情况下,请选择“内置算法训练”选项。
3.
选择线性学习器算法。
4.
单击
下一步
按钮。
4.
单击
“下一步”
按钮。
在以下屏幕快照中直观地表示了所有前面的步骤。 我们来看一下:
...
...
@@ -327,7 +327,7 @@ AI Platform 笔记本支持以下运行时和程序包:
7.
机器配置:AI 平台使用默认区域(us-west1-b),具有 15 GB RAM 的 4 个 vCPU 和 100 GB 的启动磁盘创建机器。
8.
联网:子网是默认设置(10.138.0.0/20)。
9.
估计成本:AI 平台根据持续使用折扣提供估算成本。
10.
单击
创建
按钮分配笔记本实例。
10.
单击
“创建”
按钮分配笔记本实例。
以下屏幕截图显示了使用 TensorFlow 2.0 而不使用 GPU 创建新笔记本实例的步骤:
...
...
@@ -335,7 +335,7 @@ AI Platform 笔记本支持以下运行时和程序包:
图 8.11-创建新笔记本实例的步骤(2)
11.
使用设定的配置创建笔记本后,您可以通过单击
OPEN JUPYTERLAB
超链接来打开 JupyterLab 界面,如以下屏幕截图所示:
11.
使用设定的配置创建笔记本后,您可以通过单击
`OPEN JUPYTERLAB`
超链接来打开 JupyterLab 界面,如以下屏幕截图所示:
![](
img/f6ccd859-b3e4-4f4e-89c8-7672ea2d8fe9.png
)
...
...
new/handson-ai-gcp/10.md
浏览文件 @
3fd397b1
...
...
@@ -305,11 +305,11 @@ Vision API 还将 PDF 文件中找到的所有符号收集到一个文本字段
![](
img/afb811fe-5538-49b6-b1ad-edd9b3e32501.png
)
2.
单击
创建实例
:
2.
单击
“创建实例”
:
![](
img/8e244242-82f7-4d8c-8bc7-91485e5340e7.png
)
3.
点击
选择 MySQL
:
3.
点击
“选择 MySQL”
:
![](
img/5d452eb7-04ed-48e2-9453-3a017ac896d4.png
)
...
...
@@ -364,7 +364,7 @@ Bank_Name VARCHAR(50));
![](
img/92dd76f0-35b1-4b1e-8efc-aacfe5b0b188.jpg
)
2.
单击
启用
:
2.
单击
“启用”
:
![](
img/28271d91-b2f0-4ecd-b03b-a2d8706d133d.png
)
...
...
@@ -395,7 +395,7 @@ Bank_Name VARCHAR(50));
![](
img/201f4980-78e9-463a-89a0-b3d165eef2b9.png
)
2.
单击
创建功能
:
2.
单击
“创建功能”
:
![](
img/d446db1b-10dd-4607-99bd-2b012a915244.png
)
...
...
@@ -417,7 +417,7 @@ Bank_Name VARCHAR(50));
![](
img/4132efba-5b24-440d-b322-fae469d349f8.png
)
9.
单击
创建功能
。
9.
单击
“创建功能”
。
10.
创建功能后,单击功能,然后转到“常规”选项卡。 检查用于运行该功能的服务帐户:
![](
img/3b693ce4-3130-4d10-a571-f0d9c3f4fc81.png
)
...
...
@@ -549,7 +549,7 @@ values ('Vsquare Systems', '001', '002', '030', '2020-01-31', '2020-01-31', 'Dev
2.
启用 API。
2.
要创建发布/订阅主题和订阅,请执行以下步骤:
1.
从左侧面板中选择发布/订阅。
2.
单击
创建主题
。
2.
单击
“创建主题”
。
3.
在左侧面板中,转到“订阅”,然后为创建的主题创建订阅。
3.
从以下屏幕快照中显示的选项中,将消息推送到主题中:
...
...
new/handson-dl-arch-py/0.md
浏览文件 @
3fd397b1
...
...
@@ -40,7 +40,7 @@
1.
登录或注册
[
www.packt.com
](
http://www.packt.com
)
。
2.
选择支持选项卡。
3.
单击
代码下载和勘误
。
3.
单击
“代码下载和勘误”
。
4.
在搜索框中输入书籍的名称,然后按照屏幕上的说明进行操作。
下载文件后,请确保使用以下最新版本解压缩或解压缩文件夹:
...
...
new/handson-dl-arch-py/6.md
浏览文件 @
3fd397b1
...
...
@@ -598,7 +598,7 @@ DJIA 由 30 只大型和重要股票(例如 Apple,IBM,GE 和 Goldman Sachs
五个值说明了交易日内股票在一段时间内的走势:开盘价和收盘价,即交易日的起始价和最终价,低点和高位,即股票交易价格范围和交易量,即 在一个交易日交易的股票总数。 例如,我们将重点关注使用历史收盘价来预测未来收盘价。 但是,合并其他四个指标也是可行的。
让我们从数据获取和探索开始。 首先,我们将数据从 2001-01-01 下载到 2017-12-31:在同一网页上,将时间段更改为 2001 年 1 月 1 日至 2017 年 12 月 31 日。单击
应用按钮,最后单击下载 数据
。 然后,我们可以加载并查看数据:
让我们从数据获取和探索开始。 首先,我们将数据从 2001-01-01 下载到 2017-12-31:在同一网页上,将时间段更改为 2001 年 1 月 1 日至 2017 年 12 月 31 日。单击
“应用”按钮,最后单击“下载数据”
。 然后,我们可以加载并查看数据:
```
py
>>>
import
numpy
as
np
>>>
import
matplotlib.pyplot
as
plt
>>>
import
pandas
as
pd
>>>
raw_data
=
pd
.
read_csv
(
'^DJI.csv'
)
>>>
raw_data
.
head
()
...
...
new/handson-py-dl-web/00.md
浏览文件 @
3fd397b1
...
...
@@ -62,7 +62,7 @@
1.
登录或注册
[
www.packt.com
](
http://www.packt.com
)
。
2.
选择支持选项卡。
3.
单击
代码下载
。
3.
单击
“代码下载”
。
4.
在搜索框中输入书籍的名称,然后按照屏幕上的说明进行操作。
下载文件后,请确保使用以下最新版本解压缩或解压缩文件夹:
...
...
@@ -100,7 +100,7 @@ def remove_digits(s: str) -> str:
python
main
.
py
```
**粗体**
:表示新术语,重要单词或您在屏幕上看到的单词。 例如,菜单或对话框中的单词会出现在这样的文本中。 这是一个示例:“填写条目,然后单击
继续
。”
**粗体**
:表示新术语,重要单词或您在屏幕上看到的单词。 例如,菜单或对话框中的单词会出现在这样的文本中。 这是一个示例:“填写条目,然后单击
‘继续’
。”
警告或重要提示如下所示。
...
...
new/handson-py-dl-web/03.md
浏览文件 @
3fd397b1
...
...
@@ -754,7 +754,7 @@ $("form").submit(function(evt){
![](
img/3ea2f8b5-6d27-47cc-9670-0bb3f2e5e4f9.png
)
预期输出为
`7`
。 单击
提交
后,我们在页面上获得以下输出:
预期输出为
`7`
。 单击
“提交”
后,我们在页面上获得以下输出:
![](
img/0ac49e88-f2b8-4b42-b530-eaffc91dcb4a.png
)
...
...
new/handson-py-dl-web/06.md
浏览文件 @
3fd397b1
...
...
@@ -26,7 +26,7 @@
![](
img/8d0065fb-e97a-457a-bca4-8a70e70fa661.png
)
2.
如果您尚未登录 Google 帐户,则会要求您登录。相应地选择您所在的国家/地区,并确保选中服务条款框。 之后,单击
同意并继续
。 您将在以下屏幕截图中看到一个页面:
2.
如果您尚未登录 Google 帐户,则会要求您登录。相应地选择您所在的国家/地区,并确保选中服务条款框。 之后,单击
“同意并继续”
。 您将在以下屏幕截图中看到一个页面:
![](
img/c2b7f7a6-bbb5-4daf-8a80-e52ef7edd315.png
)
...
...
@@ -52,7 +52,7 @@
![](
img/d3f3ccc7-fc1e-4338-9fb3-f5704b19b0f7.png
)
3.
单击
新项目
继续。 您应该最终显示在以下屏幕快照中的页面上,该页面将要求您指定项目的名称。 GCP 会为您正在创建的项目自动生成一个 ID,但也可以根据您的选择编辑该 ID:
3.
单击
“新项目”
继续。 您应该最终显示在以下屏幕快照中的页面上,该页面将要求您指定项目的名称。 GCP 会为您正在创建的项目自动生成一个 ID,但也可以根据您的选择编辑该 ID:
![](
img/d1652d62-c16c-4b05-b638-cbbaaebcb4b0.png
)
...
...
@@ -115,7 +115,7 @@ Google 项目,或者简称为**项目**,是您在 GCP 研究中遇到的一
要为我们的代理创建新的意图,请按照下列步骤操作:
1.
单击中间部分右上角的
创建意图
按钮。
1.
单击中间部分右上角的
“创建意图”
按钮。
2.
您需要为此目的提供一个名称-假设
`Dummy Intent`
。
3.
然后,我们将需要提供一些触发此意图的训练短语。 假设我们提供了三个训练短语,如下所示:
...
...
@@ -178,11 +178,11 @@ import dialogflow
GCP 服务帐户管理提供的访问 GCP 资源的权限。 我们创建的 Dialogflow 代理是 GCP 资源,因此要从 Python API 使用它,我们需要一个服务帐户:
1.
在 GCP 控制台的左侧导航菜单中,转到“API | 服务 | 证书”。
2.
单击
创建凭据
按钮以获取以下选项:
2.
单击
“创建凭据”
按钮以获取以下选项:
![](
img/6bbe0df1-e132-459f-bc1b-f48cfb9be413.png
)
3.
单击
服务帐户密钥。 在接下来出现的页面中,选择
`Dialogflow Integrations`
作为服务帐户,选择 JSON 作为密钥类型。 单击创建
后,将 JSON 文件下载到您的计算机。
3.
单击
“服务帐户密钥”。 在接下来出现的页面中,选择
`Dialogflow Integrations`
作为服务帐户,选择 JSON 作为密钥类型。 单击“创建”
后,将 JSON 文件下载到您的计算机。
4.
记下此 JSON 文件的地址,例如
`/home/user/Downloads/service-account-file.json`
。 文件名可能会有所不同,因为将文件下载到计算机时由 GCP 控制台提供。
5.
打开此文件以获取项目 ID。
6.
现在,在终端中使用以下命令(系统中将使用适当的替代命令)将凭据导出到环境变量:
...
...
@@ -369,11 +369,11 @@ pip install --upgrade google-cloud-vision
3.
如前所述,设置服务帐户应遵循的步骤如下:
1.
打开 Google Cloud 控制台。
2.
转到“API | 服务 | 证书”。
3.
单击
创建凭据
。
3.
单击
“创建凭据”
。
4.
在下拉菜单中选择“新服务帐户”以选择服务帐户。
5.
填写服务帐户的任何名称。
6.
取消选中角色。 使用 Cloud Vision API 时不需要这样做。
7.
单击
创建
。 确认出现的所有警告框。
7.
单击
“创建”
。 确认出现的所有警告框。
8.
`service account credentials`
JSON 文件已下载到您的计算机。
4.
现在,像我们之前所做的那样,将下载的文件导出到系统环境。 为此,请使用以下命令:
...
...
@@ -388,10 +388,10 @@ set GOOGLE_APPLICATION_CREDENTIALS=/home/user/Downloads/service-account-file.jso
```
5.
作为使用 Cloud Vision API 的最后一步,我们需要在我们为其创建服务帐户的项目中启用该 API。 为此,请执行以下操作:
1.
在 Google Cloud 控制台的左侧导航面板中,单击
API 和服务
。
2.
单击
启用 API 和服务
。
1.
在 Google Cloud 控制台的左侧导航面板中,单击
“API 和服务”
。
2.
单击
“启用 API 和服务”
。
3.
在出现的列表中找到 Cloud Vision API。
4.
单击
启用
。
4.
单击
“启用”
。
之后,我们准备在脚本中使用 Python 使用 Cloud Vision API。
...
...
new/handson-py-dl-web/07.md
浏览文件 @
3fd397b1
...
...
@@ -31,11 +31,11 @@
![](
img/6c5749db-c62e-4e24-b514-9ca21e1afe34.png
)
2.
然后单击
创建 AWS 账户
按钮,这将带您到以下页面:
2.
然后单击
“创建 AWS 账户”
按钮,这将带您到以下页面:
![](
img/69673107-63a9-4cbd-99da-9d9d8fc6876b.png
)
3.
填写字段,然后单击
继续
。
3.
填写字段,然后单击
“继续”
。
4.
门户将要求您提供一些更强制性的信息。 它还将要求您注册一种付款方式以验证您的详细信息。
如果您不提供此服务,则您无权使用 AWS 工具的免费层。
...
...
@@ -380,11 +380,11 @@ https://alexa.amazon.co.jp/api/skill/link/XXXXXXXXXXXXXX
![](
img/4afa1398-744c-4718-bb55-0a9209e8ed04.png
)
2.
在随后加载的页面上,单击
创建新的安全配置文件
按钮。
2.
在随后加载的页面上,单击
“创建新的安全配置文件”
按钮。
3.
将安全配置文件名称设置为
`Smart Home Automation Profile`
。
4.
提供配置文件的描述。
5.
对于内容隐私声明 URL,您将需要一个有效的隐私策略网页来将技能推广到生产中。 创建并托管隐私策略,并在此字段中提供指向它的链接。 可以在
[
这个页面
](
https://app-privacy-policy-generator.firebaseapp.com/
)
中找到用于创建隐私策略的非常方便的工具。
6.
点击
保存
。
6.
点击
“保存”
。
7.
在下一页显示的齿轮菜单中,单击“安全配置文件”选项。 您将进入“安全配置文件管理”页面,如下图所示:
![](
img/6baa4f01-2672-49cb-9e03-6dd1f0902cac.png
)
...
...
@@ -402,13 +402,13 @@ https://alexa.amazon.co.jp/api/skill/link/XXXXXXXXXXXXXX
![](
img/e055cf24-cc4d-4caf-87a6-b5187a26a92a.png
)
2.
单击
创建技能
。
2.
单击
“创建技能”
。
3.
将名称设置为
`Home Automation Skill`
或您选择的名称。
4.
在“选择要添加到您的技能的模型”部分下,单击“智能家居”模型。 您的选择现在应类似于以下内容:
![](
img/15bd4a33-02ec-4ab9-b0fc-7cd83f015eec.png
)
5.
单击
创建技能
以完成技能创建的初始阶段。
5.
单击
“创建技能”
以完成技能创建的初始阶段。
6.
在出现的下一页上,您将能够看到技能 ID。 将此技能 ID 复制到本地工作目录中的
`setup.txt`
文件。
不要关闭此标签,因为您仍然需要在此处填写字段。 打开一个新的浏览器选项卡以在下一部分中使用。
...
...
@@ -421,7 +421,7 @@ https://alexa.amazon.co.jp/api/skill/link/XXXXXXXXXXXXXX
![](
img/0fdc474a-3051-4bab-9698-8a9d883cb2f6.png
)
2.
单击
创建策略
。
2.
单击
“创建策略”
。
3.
在“创建”策略编辑器的“JSON”选项卡中输入以下 JSON:
```
py
...
...
@@ -442,19 +442,19 @@ https://alexa.amazon.co.jp/api/skill/link/XXXXXXXXXXXXXX
}
```
4.
单击
查看策略
,并将策略名称设置为
`HomeAutomationPolicy`
。
5.
单击
创建策略
。
4.
单击
“查看策略”
,并将策略名称设置为
`HomeAutomationPolicy`
。
5.
单击
“创建策略”
。
6.
接下来,在页面的左侧导航菜单上,单击“角色”。
7.
单击
创建角色
。
8.
选择 AWS 服务和 Lambda,然后单击
下一步:权限
。
7.
单击
“创建角色”
。
8.
选择 AWS 服务和 Lambda,然后单击
“下一步:权限”
。
9.
在过滤字段中搜索
`HomeAutomationPolicy`
。 检查策略。 您的屏幕应类似于以下内容:
![](
img/38f026ca-5a81-427f-ad3c-dc5efa7357de.png
)
10.
单击
下一步:标签
。
11.
单击
下一步:审阅
。
10.
单击
“下一步:标签”
。
11.
单击
“下一步:审阅”
。
12.
将角色名称设置为
`lambda_home_automation`
。
13.
单击
创建角色
。
13.
单击
“创建角色”
。
现在让我们创建 Lambda 函数。
...
...
@@ -462,7 +462,7 @@ https://alexa.amazon.co.jp/api/skill/link/XXXXXXXXXXXXXX
有了适合 Lambda 函数的配置,我们现在可以创建 Lambda 函数本身。 为此,在 AWS 控制台中,导航至
[
这里
](
https://console.aws.amazon.com/lambda/home?region=us-east-1
)
并执行以下步骤:
1.
单击
创建功能
。
1.
单击
“创建功能”
。
2.
将功能名称设置为
`homeAutomation`
。
3.
选择
`Python 3.6`
运行系统。
4.
从执行角色中现有角色的下拉列表中选择
`lambda_home_automation`
角色。
...
...
@@ -480,8 +480,8 @@ https://alexa.amazon.co.jp/api/skill/link/XXXXXXXXXXXXXX
8.
单击
`Alexa Skills Kit`
来打开此触发器的配置对话框。
9.
将 Alexa 技能 ID 粘贴到技能 ID 字段中。 我们先前已将此值存储在
`setup.txt`
中,它看起来像
`amzn1.ask.skill.xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxx`
。
10.
单击
添加
以添加触发器并返回到 Lambda 函数管理屏幕。
11.
单击页面右上方的
保存
。
10.
单击
“添加”
以添加触发器并返回到 Lambda 函数管理屏幕。
11.
单击页面右上方的
“保存”
。
完成最后一步后,触发器部分将显示已连接的 Alexa 技能的详细信息。 如果不是,则应检查是否已正确执行上述步骤。
...
...
@@ -490,21 +490,21 @@ https://alexa.amazon.co.jp/api/skill/link/XXXXXXXXXXXXXX
现在,我们需要配置在浏览器的另一个选项卡中保持打开状态的技能。 我们将通过以下步骤进行操作:
1.
返回该选项卡,并在“默认端点”字段中填写 Lambda 函数的 ARN。
2.
点击
保存
。
2.
点击
“保存”
。
3.
单击页面底部的“设置帐户链接”。
4.
对于授权 URL,输入
`https://www.amazon.com/ap/oa`
。
5.
对于访问令牌 URL,输入
`https://api.amazon.com/auth/o2/token`
。
6.
对于客户端 ID 字段,从
`setup.txt`
文件中复制
`[LWA Client ID]`
。
7.
对于“客户端密钥”字段,从
`setup.txt`
文件中复制
`[LWA Client Secret]`
。
8.
单击
添加范围
,然后输入
`profile:user_id`
。
8.
单击
“添加范围”
,然后输入
`profile:user_id`
。
9.
从页面底部复制重定向 URL,然后将其粘贴到[API]部分下的
`setup.txt`
文件中。 URL 类似于以下内容:
![](
img/81841ec1-c702-47ac-84d3-11fc81c679bd.png
)
10.
点击
保存
。
10.
点击
“保存”
。
11.
在“安全配置文件管理”浏览器选项卡中,单击“Web 设置”选项卡。
12.
单击“编辑”,然后将三个重定向 URL 添加到“允许的返回 URL”字段中。 您将必须单击“添加另一个”以输入多个 URL。
13.
点击
保存
。
13.
点击
“保存”
。
现在,让我们为该技能设置 Amazon DynamoDB。
...
...
@@ -513,7 +513,7 @@ https://alexa.amazon.co.jp/api/skill/link/XXXXXXXXXXXXXX
为了能够从用户保存数据,此功能需要数据库。 我们将为此使用 Amazon DynamoDB 服务。 设置服务的步骤如下:
1.
转到
[
这里
](
https://console.aws.amazon.com/dynamodb/home?region=us-east-1
)
。
2.
单击
创建表
按钮。
2.
单击
“创建表”
按钮。
3.
输入表名称为
`SmartHome`
。
4.
对于主键,输入
`ItemId`
。
5.
保留所有默认设置,然后单击“创建”。 在此步骤中,您的屏幕应类似于以下屏幕截图:
...
...
@@ -802,9 +802,9 @@ def set_device_state(endpoint_id, state, value):
![](
img/72352241-b56d-4536-b083-daebba4c21cf.png
)
6.
向下滚动并单击
创建
。
6.
向下滚动并单击
“创建”
。
7.
返回 Lambda 功能仪表板后,在右上方,从下拉列表中选择
`directoryDiscover`
测试。
8.
单击
测试
。
8.
单击
“测试”
。
完成后,测试将显示响应状态和 Lambda 函数的响应。 您可以在 Lambda 功能仪表板顶部的页面上看到结果,该结果类似于以下屏幕截图:
...
...
@@ -817,7 +817,7 @@ def set_device_state(endpoint_id, state, value):
作为该项目的最后阶段,我们将在 Alexa 测试模拟器中测试我们的技能。 为此,请执行以下步骤:
1.
转到
[
这里
](
https://alexa.amazon.com/
)
并登录。
2.
单击左侧菜单中的
技能
。
2.
单击左侧菜单中的
“技能”
。
3.
单击页面右上方的您的技能。
4.
选择“DEV SKILL”选项卡。
...
...
@@ -825,7 +825,7 @@ def set_device_state(endpoint_id, state, value):
![](
img/246d6e58-cde0-45cd-9ad1-0f7dd1f02154.png
)
6.
单击
启用
按钮。 系统将要求您允许访问开发者帐户的权限。
6.
单击
“启用”
按钮。 系统将要求您允许访问开发者帐户的权限。
7.
返回到 Alexa Developer 控制台,然后单击“发现设备”。 名为 Sample Switch 的新设备将显示为可用,如以下屏幕快照所示:
![](
img/77383ecb-ff77-43fa-99ae-c06f245dd01e.png
)
...
...
new/handson-py-dl-web/08.md
浏览文件 @
3fd397b1
...
...
@@ -26,7 +26,7 @@
根据您以前使用云平台的经验,您可能已经意识到,这一切都始于在云提供商中设置帐户和计费。 这是一个非常标准的工作流程,Azure 也不例外。 因此,让我们转到
[
这里
](
https://azure.microsoft.com/
)
并执行以下步骤:
1.
单击
免费启动
按钮,如下所示:
1.
单击
“免费启动”
按钮,如下所示:
![](
img/01908bbd-6abc-4f1b-8b26-2d05cab0472d.png
)
...
...
@@ -82,7 +82,7 @@ Azure 还可以让您免费试用此 API 7 天。 但是,由于您已经拥有
1.
登录到您的 Azure 帐户。
2.
转到
[
这里
](
https://azure.microsoft.com/en-us/services/cognitive-services/face/
)
。
3.
单击
已经使用 Azure? 立即免费试用此服务
。
3.
单击
“已经使用 Azure? 立即免费试用此服务”
。
现在,您应该有一个窗口,如以下屏幕截图所示:
...
...
@@ -94,7 +94,7 @@ Azure 还可以让您免费试用此 API 7 天。 但是,由于您已经拥有
![](
img/8d44a941-a39a-4c25-8b07-1457bef65c63.png
)
5.
单击
转到资源
,您将被重定向到资源页面,其中包含许多详细信息:
5.
单击
“转到资源”
,您将被重定向到资源页面,其中包含许多详细信息:
![](
img/08af55b4-5b80-44b4-9943-282a9618ff8d.png
)
...
...
new/handson-py-dl-web/10.md
浏览文件 @
3fd397b1
...
...
@@ -731,7 +731,7 @@ python manage.py migrate
要将 reCAPTCHA 添加到网站,我们首先需要从 Google reCAPTCHA 控制台获取 API 密钥:
1.
首先,登录到您的 Google 帐户,然后转到
[
这里
](
https://www.google.com/recaptcha
)
。
2.
接下来,点击右上角的
管理控制台
。
2.
接下来,点击右上角的
“管理控制台”
。
3.
按照屏幕上显示的步骤将站点添加到控制台。 如果要在本地系统上进行测试,则必须指定
`127.0.0.1`
作为 URL 之一。
4.
获取您的域的 API 密钥。
...
...
new/handson-py-dl-web/12.md
浏览文件 @
3fd397b1
...
...
@@ -137,7 +137,7 @@ Dialogflow 与 GCP 紧密集成,因此我们必须首先创建一个 Google
# 步骤 1 –打开 Dialogflow 控制台
您需要单击
[
页面右上角
](
https://dialogflow.com
)
的
转到控制台
按钮。 或者,您可以在浏览器中输入
`https://dialogflow.cloud.google.com/`
。 如果您是初次使用,您将看到如下屏幕:
您需要单击
[
页面右上角
](
https://dialogflow.com
)
的
“转到控制台”
按钮。 或者,您可以在浏览器中输入
`https://dialogflow.cloud.google.com/`
。 如果您是初次使用,您将看到如下屏幕:
![](
img/3f63c63f-055e-418d-ab6b-1584c6ee3e17.png
)
...
...
@@ -221,7 +221,7 @@ Dialogflow 与 GCP 紧密集成,因此我们必须首先创建一个 Google
# 步骤 4.2 – 创建`CheckOrderStatus`意图
单击
创建意图
按钮,然后将意图的名称输入为
`CheckOrderStatus`
。
单击
“创建意图”
按钮,然后将意图的名称输入为
`CheckOrderStatus`
。
**步骤 4.2.1 – 输入`CheckOrderStatus`意图的训练短语**
...
...
@@ -277,7 +277,7 @@ Dialogflow 与 GCP 紧密集成,因此我们必须首先创建一个 Google
现在,我们将创建一个 Webhook,该 Webhook 将在 Firebase 云控制台上运行并调用一个外部 API,该 API 位于我们的订单管理门户中。
单击菜单栏中的
实现项目
。 系统会为您提供打开 Webhook 或使用 Firebase 云功能的选项。 打开内联编辑器。 您的屏幕将类似于以下屏幕截图:
单击菜单栏中的
“实现项目”
。 系统会为您提供打开 Webhook 或使用 Firebase 云功能的选项。 打开内联编辑器。 您的屏幕将类似于以下屏幕截图:
![](
img/a462f840-72e8-4bd3-adda-859232692693.png
)
...
...
@@ -696,7 +696,7 @@ Dialogflow Gateway 促进了语音 UI 和 Dialogflow 代理之间的交互。
# 步骤 4.1 –在 Dialogflow 网关上创建帐户
单击
入门
,开始在平台上创建帐户。 系统会要求您使用您的 Google 帐户登录。 确保使用与以前创建 Dialogflow 代理相同的帐户。
单击
“入门”
,开始在平台上创建帐户。 系统会要求您使用您的 Google 帐户登录。 确保使用与以前创建 Dialogflow 代理相同的帐户。
# 步骤 4.2 –为 Dialogflow 代理项目创建服务帐户
...
...
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录