在上一篇文章中我们已经能够预测切分好的一组照片，现在只需要点击被预测的区域中心就好了
我们将按以下思路进行

终于来到了预测的时候了，我们将按以下思路进行

本篇将围绕训练集准备、模型训练、保存、读取、预测讲述data_model.py代码

由上一篇的思路我们可以定义以下的具体实现步骤

本篇文章主要阐述梦幻西游弹窗识别的背景、思路，以及成果展示

背景

疫情期间和朋友重温了一下梦幻西游，一边可以挂机抓鬼一边可以继续敲代码，好生快活
不过有个让人很纠结的痛点就是时不时的会弹出人物弹窗，一天两次暂离的30个回合根本不够好吗
一会不点就会被踢下线，总是去点的话又会打断coding的思路
这个弹框的特点是人物分为前后左右四个朝向，要点击朝前的

于是我灵机一动

kmclass-虚拟键鼠驱动,可配合 kmclassdll-虚拟键鼠驱动的动态库 使用

如题，使用vs2019编译一个动态库dll，并在python中使用ctypes调用它

编译dll

1. 打开Visual Studio 2019创建动态链接库dll项目
   

起因是有很多爱奇艺转换后的视频需要拼成一个，手工去Mac上拼接也太手工了，
就写了个python脚本把具有下面结构的多个视频拼接在一起

videos
   | merge1
       | video1.mp4    
       | video2.mp4
	 | video3.mp4
   | merge2
       | video1.mp4
       | video2.mp4
=======================
videos
   | merge1.mp4
   | merge2.mp4

使用Docker安装MySQL8.0，并修改字符集以及用户授权

拉取镜像

docker pull mysql:8.0

Mac Linux terminal

1. 修改.zshrc