将OpenVINO预训练模型转为为ONNX，并使用TVM进行优化

OpenVINO是Intel推出的一款深度学习工具套件。OpenVINO带来大量的预训练模型，使用这些预训练模型可以快速的开发出自己的AI应用。

不过既然是Intel出的东西，自然少不了和Intel平台深度绑定。OpenVINO主要针对Intel的CPU进行优化。虽然也可以支持GPU，但支持的是Intel家的GPU。Intel家的GPU，应当不用报太多期待了。

为了支持更丰富的硬件类型，可以将OpenVINO自带的预训练模型转为ONNX格式，然后在做其他处理。

OpenVINO模型导出为ONNX

OpenVINO优化后的预训练模型无法直接转换为ONNX。不过好在Intel有提供模型的训练和导出工具，利用OpenVINO的训练工具导出ONNX

OpenVINO用于训练和导出的库为： https://github.com/openvinotoolkit/training_extensions 。

具体的操作方式参见项目的具体说明文档。

对照人脸检测的文档，导出人脸检测对应ONNX模型： https://github.com/openvinotoolkit/training_extensions/tree/develop/models/object_detection/model_templates/face-detection

注：导出目录里有 export/，export/alt_ssd_export/ 两种模型。其中 export/alt_ssd_export/ 包含了OpenVINO特有的实现，在转换为其他推理引擎模型时会失败，因此后续工作使用 export/ 中的模型。

使用TVM对ONNX模型进行优化

针对TVM的VM进行优化

对于存在动态shape的模型，TVM无法进行编译。很不幸的是OpenVINO中物体检测相关的模型都存在动态shape。在TVM无法编译的情况下，可使用TVM的VM进行执行。

注：
- 关于VM的相关内容请阅读： https://tvm.apache.org/docs/dev/virtual_machine.html
- TVM的文档比较欠缺（特别是VM相关的内容）。不过好在项目还在快速迭代过程中，提交的issue很快就可以得到回复。
- 根据测试，使用VM模式，在CPU上TVM的速度甚至比用 ONNXRuntime 还要慢不少。不知道是否是跑在虚拟机上的关系。

import onnx
import time
import tvm
import numpy as np
import tvm.relay as relay

target = 'llvm -mcpu=skylake'

model_path = 'face-detection-0200.onnx'
onnx_model = onnx.load(model_path)

shape = &#91;1,3,256,256]

input_name = "image"
shape_dict = {
        input_name: shape,
        }
mod, params = relay.frontend.from_onnx(onnx_model, shape_dict)
print(relay.transform.DynamicToStatic()(mod))

with tvm.transform.PassContext(opt_level=3):
    executable = relay.vm.compile(mod, target="llvm", target_host=None, params=params)

code, lib = executable.save()
with open("code.ro", "wb") as fo:
    fo.write(code)
lib.export_library("lib.so")

import onnx

import time

import tvm

import numpy as np

import tvm.relay as relay

target = 'llvm -mcpu=skylake'

model_path = 'face-detection-0200.onnx'

onnx_model = onnx.load(model_path)

shape = [1,3,256,256]

input_name = "image"

shape_dict = {

input_name: shape,

}

mod, params = relay.frontend.from_onnx(onnx_model, shape_dict)

print(relay.transform.DynamicToStatic()(mod))

with tvm.transform.PassContext(opt_level=3):

executable = relay.vm.compile(mod, target="llvm", target_host=None, params=params)

code, lib = executable.save()

with open("code.ro", "wb") as fo:

fo.write(code)

lib.export_library("lib.so")

针对TVM进行编译和优化

如果你的模型可以正常编译，那就没必要采用VM模式了。直接编译理论上优化效果要好很多。这里采用的是TVM范例中给出的图片分类模型。

一个完整的模型优化和执行可以参考官方文档：Compiling and Optimizing a Model with the Python AutoScheduler

import onnx
import time
import tvm
import numpy as np
import tvm.relay as relay

target = 'llvm'

model_name = 'mobilenetv2'
model_path = f'{model_name}.onnx'
onnx_model = onnx.load(model_path)

mod, params = relay.frontend.from_onnx(onnx_model)

with relay.build_config(opt_level=3):
    graph, lib, params = relay.build(mod, target, params=params)

path_lib = f"./{model_name}.so"
lib.export_library(path_lib)

fo=open(f"./{model_name}.json","w")
fo.write(graph)
fo.close()

fo=open("./{model_name}.params","wb")
fo.write(relay.save_param_dict(params))
fo.close()

import onnx

import time

import tvm

import numpy as np

import tvm.relay as relay

target = 'llvm'

model_name = 'mobilenetv2'

model_path = f'{model_name}.onnx'

onnx_model = onnx.load(model_path)

mod, params = relay.frontend.from_onnx(onnx_model)

with relay.build_config(opt_level=3):

graph, lib, params = relay.build(mod, target, params=params)

path_lib = f"./{model_name}.so"

lib.export_library(path_lib)

fo=open(f"./{model_name}.json","w")

fo.write(graph)

fo.close()

fo=open("./{model_name}.params","wb")

fo.write(relay.save_param_dict(params))

fo.close()

VM模式下加载和运行优化好的模型

加载前面导出的模型，并执行。


import onnx
import time
import tvm
import numpy as np
import tvm.relay as relay

def vmobj_to_array(o, dtype=np.float32):
    if isinstance(o, tvm.nd.NDArray):
        return &#91;o.asnumpy()]
    elif isinstance(o, tvm.runtime.container.ADT):
        result = &#91;]
        for f in o:
            result.extend(vmobj_to_array(f, dtype))
        return result
    else:
        raise RuntimeError("Unknown object type: %s" % type(o))


shape = &#91;1, 3, 224, 224]

model_path = 'face-detection-0200'
loaded_lib = tvm.runtime.load_module(f"{model_path}.tvm.so")
loaded_code = bytearray(open(f"{model_path}.tvm.code", "rb").read())
exe = tvm.runtime.vm.Executable.load_exec(loaded_code, loaded_lib)
ctx = tvm.cpu()
vm = tvm.runtime.vm.VirtualMachine(exe, ctx)

data = np.random.uniform(size=shape).astype("float32")
out = vm.run(data)
out = vmobj_to_array(out)
print(out)

import onnx

import time

import tvm

import numpy as np

import tvm.relay as relay

def vmobj_to_array(o, dtype=np.float32):

if isinstance(o, tvm.nd.NDArray):

return [o.asnumpy()]

elif isinstance(o, tvm.runtime.container.ADT):

result = []

for f in o:

result.extend(vmobj_to_array(f, dtype))

return result

else:

raise RuntimeError("Unknown object type: %s" % type(o))

shape = [1, 3, 224, 224]

model_path = 'face-detection-0200'

loaded_lib = tvm.runtime.load_module(f"{model_path}.tvm.so")

loaded_code = bytearray(open(f"{model_path}.tvm.code", "rb").read())

exe = tvm.runtime.vm.Executable.load_exec(loaded_code, loaded_lib)

ctx = tvm.cpu()

vm = tvm.runtime.vm.VirtualMachine(exe, ctx)

data = np.random.uniform(size=shape).astype("float32")

out = vm.run(data)

out = vmobj_to_array(out)

print(out)

Time

Leave a reply

Python多进程环境下日志模块导致死锁

Leave a reply

近期公司的一个Python程序在启动新进程的时候总是会失败。在进程里可以看到对应的进程已经创建成功，但对应代码并未执行，且没有输入任何日志。

通过定位，发现问题源自Python的logging模块，在写文件模式下，logging模块是不支持多进程的。

问题产生原因

Python默认采用Fork方式创建新进程，在Fork新进程的时候会连同锁也一同复制到新进程。

当主进程里有两个线程T1/T2，以及一个锁Lock1。
线程T2获取了锁Lock1，此时线程T1创建了一个新进程P2，此时Lock1被一同frok给了P2。
P2执行时尝试等待Lock1解锁。由于线程T2不会被复制到P2，没有人给P2线程的Lock1解锁，导致P2死锁。

Python的logging模块在写文件时会加锁，由于锁被复制导致进程死锁。

注：由于创建新进程时锁会被复制，混用多进程和多线程时的加锁操作应当格外小心。

解决方案

根据Python的官方文档，logging模块不支持多进程模式下将日志保存到单一日志文件。多进程模式下日志保存方案，建议参考Python官方文档 Logging to a single file from multiple processes 。

参考资料：

TypeScript + React.FC + Hook

Leave a reply

Vue.js的使用更接近传统的Web开发，入门门槛比较低。同时双向数据绑定等特性也让Vue.js更为平易近人。在我看来Vue.js为易用性做的妥协在成就了Vue.js的同时，也制约了Vue.js，让他无法变得“伟大”。

在Node.js、React、Vue.js出现后，整个前端的表现能力越来越强，同时也变的越来越复杂。传统依靠jQuery的开发模式已无法支持现在大型SPA应用的开发。相比Vue.js，React这种高度组件化开发框架才更能代表今后前端的发展方向。

之前也看过一些React的相关教程。我一方面认同React的组件开发理念，另一方面又被React繁琐的开发体验劝退（Ant Design Pro早期版本里的登录实现十分劝退）。

近期有机会实际使用了React一段时间。相比初次接触React，现在的TypeScript + React.FC + Hook似乎才是React的完全形态。

React的高度组件化，让代码结构很自然的变的清晰（当然，过细的拆分也让人头痛）。TypeScript让很多潜在错误可以在编译阶段被发现，而且编辑器也开始变的智能很多。Hook的引入，彻底释放了React.FC的能力。相比Class Components使用Function Components的代码实现要简洁很多。

企业信息化建设随想

信息化在一个企业中的地位，要不就应当很高，要不就可有可无，不存在中间状态。

企业信息化实际上是以信息化为手段，将企业的管理思想进行落地。企业信息化的过程应当伴随这企业管理流程的梳理和优化，企业的信息化部门在一定程度上是一个管理决策部门。如果做不这一点，信息化部门就完全沦为了后台职能部门，做些简单的系统运维工作。

一个优秀的IT经理应当熟悉公司的业务流程、熟悉当前最新的技术动态、还要有能力争取到足够的资源来推动信息化建设。

Carrot Box流程管理平台

django-lb-workflow 我开发的一个Django流程引擎APP。设计之初是以使用便捷性为目标，自带了完整的模板，希望可以方便的集成到已有系统。尽管已经将django-lb-workflow做到尽量的易用，但距离真正的开箱即用还有一段距离。

Carrot Box是一个完整的Django易用，带了权限管理、部门、角色等必要模块，真正的做到开箱即用。通过对Carrot Box的定制可以方便的改造为OA、工单系统、CRM等业务系统。

Carrot Box的主要特点：

是一个完整的应用，可以直接跑起来，开箱即用。
自带HR模块，支持部门、角色的定义。支持按照部门、角色设置权限。
带了几个范例流程，方便熟悉系统。
包含一个代码生成器的使用范例，用于熟悉如果快速的创建一个自定义流程。
simplewf模块使用范例，以纯配置的方式添加新流程。

Carrot Box范例站点

之前的django-lb-workflow范例站点已经切换到 Carrot Box。

地址： http://wf.haoluobo.com/

管理员账号：admin 密码：password

切换为其他用户： http://wf.haoluobo.com/impersonate/search

退回管理员账号： http://wf.haoluobo.com/impersonate/stop

将Carrot Box跑起来：

make init-pyenv
make init
make run

make init-pyenv

make init

make run

JetBrains Quest 解谜过程

JetBrains的推广活动，解谜后可以获取三个月的免费订阅。由于是推广活动，所以解密过程不是非常难。真正让人头痛的是那糟糕的网速，不管挂不挂代理页面的打开都非常的慢。

题目一

48 61 76 65 20 79 6f 75 20 73 65 65 6e 20 74 68 65 20 73 6f 75 72 63 65 20 63 6f 64 65 20 6f 66 20 74 68 65 20 4a 65 74 42 72 61 69 6e 73 20 77 65 62 73 69 74 65 3f

1	48 61 76 65 20 79 6f 75 20 73 65 65 6e 20 74 68 65 20 73 6f 75 72 63 65 20 63 6f 64 65 20 6f 66 20 74 68 65 20 4a 65 74 42 72 61 69 6e 73 20 77 65 62 73 69 74 65 3f

解题

很明显字符串的ASCII码，使用python很容易进行解码

>>> s = "48 61 76 65 20 79 6f 75 20 73 65 65 6e 20 74 68 65 20 73 6f 75 72 63 65 20 63 6f 64 65 20 6f 66 20 74 68 65 20 4a 65 74 42 72 61 69 6e 73 20 77 65 62 73 69 74 65 3f"
>>> ''.join(chr(int(e, 16)) for e in s.split(' '))
'Have you seen the source code of the JetBrains website?'

>>> s = "48 61 76 65 20 79 6f 75 20 73 65 65 6e 20 74 68 65 20 73 6f 75 72 63 65 20 63 6f 64 65 20 6f 66 20 74 68 65 20 4a 65 74 42 72 61 69 6e 73 20 77 65 62 73 69 74 65 3f"

>>> ''.join(chr(int(e, 16)) for e in s.split(' '))

'Have you seen the source code of the JetBrains website?'

题目二

查看首页源代码找到解谜线索

JetBrains has a lot of products, but there is one that looks like a joke on our Products page, you should start there... (hint: use Chrome Incognito mode)
It’s dangerous to go alone take this key: Good luck! == Jrrg#oxfn$

1 2	JetBrains has a lot of products, but there is one that looks like a joke on our Products page, you should start there... (hint: use Chrome Incognito mode) It’s dangerous to go alone take this key: Good luck! == Jrrg#oxfn$

根据提示，到产品页面。其中名为“JK”的产品介绍是“dare to lean more”，点击该产品继续进行挑战。

注：之前都不知道JetBrains居然已经有这多的产品了。

题目三

补完 https://jb.gg/### 后面确实的三个数字。数字为500到5000的质数个数。

解题

到网上找了个求质数的函数，跑了一下，很快得到结果574

import math


def isprime(n):
    if n &lt; 2:
        return False
    for i in range(2, int(math.sqrt(n)) + 1):
        if n % i == 0:
            return False
    return True


count = 0
for i in range(500, 5000):
    if isprime(i):
        count += 1

print(count)

import math

def isprime(n):

if n < 2:

return False

for i in range(2, int(math.sqrt(n)) + 1):

if n % i == 0:

return False

return True

count = 0

for i in range(500, 5000):

if isprime(i):

count += 1

print(count)

题目四

打开上面得到的链接，其中有张图片。图片中的字符为“MPS-31816”

解题

这个题目最坑的在于这个图片实在是太大了，约有15M，死活打不开。

查看图片属性，用编辑器直接打开图片，都没有获取到有效的信息。
直接访问 https://www.jetbrains.com/MPS-31816 显示没有这个网页。
于是直接启用Google搜索 MPS-31816 在JetBrains 网站找到对应页面。注：后续会知道图片上的图标是JebBrains网站的问题区的Logo。

题目五

“The key is to think back to the beginning.” – The JetBrains Quest team

Qlfh$#Li#|rx#duh#uhdglqj#wklv#|rx#pxvw#kdyh#zrunhg#rxw#krz#wr#ghfu|sw#lw1#Wklv#lv#rxu#lvvxh#wudfnhu#ghvljqhg#iru#djloh#whdpv1#Lw#lv#iuhh#iru#xs#wr#6#xvhuv#lq#Forxg#dqg#iru#43#xvhuv#lq#Vwdqgdorqh/#vr#li#|rx#zdqw#wr#jlyh#lw#d#jr#lq#|rxu#whdp#wkhq#zh#wrwdoo|#uhfrpphqg#lw1#|rx#kdyh#ilqlvkhg#wkh#iluvw#Txhvw/#qrz#lw“v#wlph#wr#uhghhp#|rxu#iluvw#sul}h1#Wkh#frgh#iru#wkh#iluvw#txhvw#lv#‟WkhGulyhWrGhyhors†1#Jr#wr#wkh#Txhvw#Sdjh#dqg#xvh#wkh#frgh#wr#fodlp#|rxu#sul}h1#kwwsv=22zzz1mhweudlqv1frp2surpr2txhvw2

“The key is to think back to the beginning.” – The JetBrains Quest team

Qlfh$#Li#|rx#duh#uhdglqj#wklv#|rx#pxvw#kdyh#zrunhg#rxw#krz#wr#ghfu|sw#lw1#Wklv#lv#rxu#lvvxh#wudfnhu#ghvljqhg#iru#djloh#whdpv1#Lw#lv#iuhh#iru#xs#wr#6#xvhuv#lq#Forxg#dqg#iru#43#xvhuv#lq#Vwdqgdorqh/#vr#li#|rx#zdqw#wr#jlyh#lw#d#jr#lq#|rxu#whdp#wkhq#zh#wrwdoo|#uhfrpphqg#lw1#|rx#kdyh#ilqlvkhg#wkh#iluvw#Txhvw/#qrz#lw“v#wlph#wr#uhghhp#|rxu#iluvw#sul}h1#Wkh#frgh#iru#wkh#iluvw#txhvw#lv#‟WkhGulyhWrGhyhors†1#Jr#wr#wkh#Txhvw#Sdjh#dqg#xvh#wkh#frgh#wr#fodlp#|rxu#sul}h1#kwwsv=22zzz1mhweudlqv1frp2surpr2txhvw2

解题

很明显要用到之前的 take this key: Good luck! == Jrrg#oxfn$ 。我一开始将问题想的太复杂了，以为第一题里的内容是密钥，用xor进行解密。在网上找了个xor解密的函数，解出来一塌糊涂。

由回头仔细看了一下这所谓的密码，其实就是一个简单的字映射。

>>> s = "Qlfh$#Li#|rx#duh#uhdglqj#wklv#|rx#pxvw#kdyh#zrunhg#rxw#krz#wr#ghfu|sw#lw1#Wklv#lv#rxu#lvvxh#wudfnhu#ghvljqhg#iru#djloh#whdpv1#Lw#lv#iuhh#iru#xs#wr#6#xvhuv#lq#Forxg#dq
g#iru#43#xvhuv#lq#Vwdqgdorqh/#vr#li#|rx#zdqw#wr#jlyh#lw#d#jr#lq#|rxu#whdp#wkhq#zh#wrwdoo|#uhfrpphqg#lw1#|rx#kdyh#ilqlvkhg#wkh#iluvw#Txhvw/#qrz#lw“v#wlph#wr#uhghhp#|rxu#iluvw#s
ul}h1#Wkh#frgh#iru#wkh#iluvw#txhvw#lv#‟WkhGulyhWrGhyhors†1#Jr#wr#wkh#Txhvw#Sdjh#dqg#xvh#wkh#frgh#wr#fodlp#|rxu#sul}h1#kwwsv=22zzz1mhweudlqv1frp2surpr2txhvw2"
>>>
>>> c = ord('J') - ord('G')
>>> ''.join(chr(ord(e) - c) for e in s)
'Nice! If you are reading this you must have worked out how to decrypt it. This is our issue tracker designed for agile teams. It is free for up to 3 users in Cloud and for 10
 users in Standalone, so if you want to give it a go in your team then we totally recommend it. you have finished the first Quest, now it’s time to redeem your first prize. Th
e code for the first quest is “TheDriveToDevelop”. Go to the Quest Page and use the code to claim your prize. https://www.jetbrains.com/promo/quest/'

>>> s = "Qlfh$#Li#|rx#duh#uhdglqj#wklv#|rx#pxvw#kdyh#zrunhg#rxw#krz#wr#ghfu|sw#lw1#Wklv#lv#rxu#lvvxh#wudfnhu#ghvljqhg#iru#djloh#whdpv1#Lw#lv#iuhh#iru#xs#wr#6#xvhuv#lq#Forxg#dq

ul}h1#Wkh#frgh#iru#wkh#iluvw#txhvw#lv#‟WkhGulyhWrGhyhors†1#Jr#wr#wkh#Txhvw#Sdjh#dqg#xvh#wkh#frgh#wr#fodlp#|rxu#sul}h1#kwwsv=22zzz1mhweudlqv1frp2surpr2txhvw2"

>>>

>>> c = ord('J') - ord('G')

>>> ''.join(chr(ord(e) - c) for e in s)

'Nice! If you are reading this you must have worked out how to decrypt it. This is our issue tracker designed for agile teams. It is free for up to 3 users in Cloud and for 10

users in Standalone, so if you want to give it a go in your team then we totally recommend it. you have finished the first Quest, now it’s time to redeem your first prize. Th

e code for the first quest is “TheDriveToDevelop”. Go to the Quest Page and use the code to claim your prize. https://www.jetbrains.com/promo/quest/'

Go语言版 [Telegram Shell Bot]及Go的初体验

项目地址(Go)： https://github.com/vicalloy/telegram-shell-bot-go

由于对Go不熟悉，因此之前版本的 Telegram Shell Bot 采用Python实现。在Python版发布后就开始尝试使用Go重新实现，毕竟之所以要做这东西也是想借个小程序体验一下Go语言。

我对Go语言的一些看法

随着微服务的兴起，相较以往服务的粒度可以拆分的更细。系统复杂度更多的转变为微服务构架设计的复杂度。服务拆分后每个具体的服务的复杂度将降低，系统对程序语言本身的构架能力的依赖会减少很多。同时在服务拆分后，各个服务组件可以灵活的采用适合的技术来完成工作。

Go语言本身极度精简（简陋），如果要象Java一样搭建一个单体的巨型项目会存在一定困难。Go的高性能，异步，加之足够简单，使Go在一些对性能要求较高，但业务复杂度相对较低的场合会非常适合。

Go可能永远不能变的同Java一样流行,但Go已经足够成功，值得去体验。

Go开发的相关资源

Tour of Go 官方的简明教程，可以快速浏览一遍了解Go的主要语言特性。代码编写过程中也可以作为参考手册。
Go标准类库 Go的标准类库。
Vim Go Vim的Go语言插件，支持语法检查、自动格式化、自动补全等特性。注：挺想试试GoLand，不过GoLand只有30天的试用期。
在国内Go的官网访问不是特别方便，可以使用国内翻译的中文教程。Go标准类库（中文版）、 Tour of Go（中文版）

开发过程中的实际体验

Telegram Shell Bot Go 是我第一次使用Go写东西，由于只是一个小项目体验还不算特别深。Go语言中最精华的并发相关内容（goroutine / channel / select）并没有用到。

总的来说Go有着还不错的开发体验，但另一方便由于习惯了Python，Go又有不少让我用的不是特别舒服的地方。有人说Go是better C，我个人还是比较认可这个观点，相比其他语言Go很像C语言。

优点

Python使用缩进语法保证代码的整洁。Go则直接内置代码格式化工具来强制保证代码格式的一致性。
之前听说Go的包管理很差劲。这次使用已经有go mod的支持，用下来体验还不错。
GC、性能好、编译速度快等。

不太习惯的地方（不一定是缺点）

基础类型同Python相比差太多。Slice和Python里的List相对应，但功能方面差非常多。其中一个简单的删除对象的功能都需要自己实现。不清楚这是否是出于性能的考虑，需要让用户明确清楚相关操作的时间复杂度。但使用起来真的非常不方便。用了其他开发语言后，更让人怀念Python的列表推导。
Go在语法层面比较简单，相对较新的概念也就异步相关的内容（这部分Go设计的不错，实际上也并不难理解），真正难的还是适应Go的编程风格。Go的Telegram类库API风格同Python版有较大差别。我想API的风格差异更多的还是同语言本身风格差异相关的。要完全适应Go的编程风格可能需要先找几个代码写的比较好的项目先学习一下。

[Telegram Shell Bot]远程执行 Shell 命令的 Telegram 机器人

项目地址： https://github.com/vicalloy/telegram-shell-bot

很早之前就打算做这么一个东西，后来因为要调用的脚本是 Python 写的，于是直接在 Bot 里调用 Python 代码。近期把这个想法重新实现了。

网上也有类似的项目，其中一些比较简单，甚至都没有对用户做校验，这样只要有人可以连上你的机器人就可以控制你的机器。类似的机器人里功能最强的是shell-bot。”shell-bot”模拟了一个 tty，实现较复杂，没有仔细研究。

Telegram Shell Bot目前提供的功能有：

鉴权，只有在许可列表里的用户才能对机器人发号指令。
支持命令的黑白名单。注：为避免使用 ; 跳过命令检查，类似的字符也应当加到字符串黑名单中。
Shell 命令的执行，如 ls、cat、ps 等。
长时间执行命令的管理。如执行 wget 操作，只返回最开始几条输出（防止一直刷屏）。之后可以通过/tasks命令查看有哪些命令还在执行中，并可以通过 /kill pid 的方式强制结束命令。
支持 sudo。注：sudo 通过 echo password | su -S 的方式实现，需要自行评估风险。
自定义脚本放在 ./scripts 目录，通过 /script 命令可以快速访问这些脚本并执行。

django-lb-workflow 近期更新

前几天又看了一下Django的Class-based views，想着django-lb-workflow的一些设计似乎还需要优化一下，于是又去折腾了一下django-lb-workflow。

Class-based views提高了代码的复用性，但过多的Mixin和继承层次让代码变的不那么容易理解。而且在面对一些“特殊”需求时会变的有些别扭。

一个列表界面搭配一个查询表单是一个很常见的操作，但想要在Django默认的ListView里添加这个查询Form并不太容易。在ListView里通过重载get_queryset方法修改查询内容。通过重载get_context_data修改context内容。按照我的理解合理的方式应当是在get_queryset函数中创建form，在form校验成功后使用form的参数作为查询条件返回查询后的queryset。但get_queryset无法直接同get_context_data函数打交道，必须先将 self.form = form 在到get_context_data中通过self.form来获取form信息。这个过程变的非常不直观和奇怪。最终我还是选择不直接继承ListView，在自定义的ListView中重载get函数，在get函数中处理form和查询。

主要更新

增加“添加会签人”的功能。只有在被加签的人处理完成后，流程才可以流转到下一节点。
去掉 django-el-pagination，使用Django自带的分页功能。
为简化系统使用，增加 simplewf 模块。对于只有一个事项名称和内容的流程，可以不写任何代码，只需要在系统中配置流程节点。

待解决的一些问题

做了上面一些更新后，对这个项目又开始有些倦怠了。下面的这些问题可能要等到下次再对这个项目提起兴趣的时候了。

流程的查看、编辑等权限通过在settings里配置校验函数实现。事实上并不太直观，操作性上也不是特别好。更合理的方式还是将权限控制这部分也放到 Class-based views 中，可以通过Minxin灵活配置。注：Django REST framework权限部分的设计比较完善，相关代码可以直接移植过来。
目前还不支持Django 3.0。Django 3.0移除了部分兼容性代码，导致系统跑不起来。
文档…

天地一沙鸥

to be continue….

将OpenVINO预训练模型转为为ONNX，并使用TVM进行优化

OpenVINO模型导出为ONNX

使用TVM对ONNX模型进行优化

针对TVM的VM进行优化

针对TVM进行编译和优化

VM模式下加载和运行优化好的模型

Time

Python多进程环境下日志模块导致死锁

问题产生原因

解决方案

参考资料：

TypeScript + React.FC + Hook

企业信息化建设随想

Carrot Box流程管理平台

Carrot Box范例站点

将Carrot Box跑起来：

JetBrains Quest 解谜过程

题目一

解题

题目二

题目三

解题

题目四

解题

题目五

解题

Go语言版 [Telegram Shell Bot]及Go的初体验

我对Go语言的一些看法

Go开发的相关资源

开发过程中的实际体验

优点

不太习惯的地方（不一定是缺点）

[Telegram Shell Bot]远程执行 Shell 命令的 Telegram 机器人

django-lb-workflow 近期更新

主要更新

待解决的一些问题