内容导航:
一、第一篇文章,来说说深度学习计算机视觉极其发展前景
2021已经结束,不管是苦难还是辉煌,都已经过去了。希望2022是一个好的开端,to所有人。
深度学习的红利看起来已经行将终结,前两年很多人都在转行AI。15-17年是有些基础知道常用算法能训练模型就能找到好工作,18-20年转行也不是不可逾越的鸿沟,很多人都如愿进了大厂。而这两年大家看到的都是“算法红海”,“卷文化”盛行,看起来就是”白骨露于野,千里无鸡鸣”,一个字,”惨”。
难道是深度学习不需要人了吗?
当然不是,各大厂都在成立自己的算法研究院。
是AI不重要吗?
当然也不是,人工智能都已经提到了国家战略层面,深入到各行各业了。
那是什么导致当下的局面呢?
我觉得啊,不一定对,是AI行业回归了,理性了。
很多行业都是在疯狂之后回归理性,回归理性不是要抛弃这个行业,不是不重视了,只是为了良性长久的发展。
很多的人在抱怨深度学习不好找工作了,但是却只会调参,只是一个个的学习算法训练模型,不是说算法不重要,但是一招鲜吃遍天也是不错的,如果每个算法都不能好好应用,那看那么多算法意义在哪?
所以学计算机视觉,需要好好看看模型部署,看某乎上的推荐好书《深度学习计算机视觉实战》,这本书的目录放在这里,有需要的可以参考看看。如果你将模型训练好了,还能放到各种APP或者客户端软件里面去用起来,老板还能不心里美滋滋的要了你?
如下是在某东上找的目录:
第1章 深度学习基础 1
1.1 神经网络 1
1.1.1 感知机 1
1.1.2 神经网络原理 2
1.2 卷积神经网络 3
1.2.1 CNN基本操作 3
1.2.2 CNN原理 6
1.3 循环神经网络 7
1.3.1 RNN 7
1.3.2 LSTM与GRU 8
1.4 经典网络 9
1.4.1 AlexNet 9
1.4.2 VGG 10
1.4.3 GoogLeNet 11
1.4.4 ResNet 12
1.4.5 MobileNet 13
1.5 进阶必备:如何学习深度学习
并“落地”求职 16
1.5.1 深度学习如何快速入门 16
1.5.2 深度学习行业求职技巧 17
第2章 计算机视觉基础 18
2.1 目标检测Two-stage算法 18
2.1.1 R-CNN算法 18
2.1.2 Fast R-CNN算法 20
2.1.3 Faster R-CNN算法 21
2.2 目标检测One-stage算法 23
2.2.1 YOLO系列算法 23
2.2.2 SSD算法 29
2.3 图像分割算法 31
2.3.1 FCN算法 31
2.3.2 U-Net算法 33
2.3.3 DeepLab系列算法 34
2.3.4 Mask R-CNN算法 37
2.4 进阶必备:计算机视觉方向知多少 38
第3章 基础图像处理 40
3.1 线性滤波 40
3.1.1 案例1:使用方框滤波 41
3.1.2 案例2:使用均值滤波 46
3.1.3 案例3:使用高斯滤波 48
3.2 非线性滤波 50
3.2.1 案例4:使用中值滤波例 50
3.2.2 案例5:使用双边滤波 52
3.3 OpenCV形态学运算 54
3.3.1 案例6:进行膨胀操作 55
3.3.2 案例7:进行腐蚀操作 57
3.3.3 案例8:使用形态学运算 58
3.4 案例9:使用漫水填充 63
3.5 图像金字塔 67
3.5.1 案例10:使用高斯金字塔 67
3.5.2 案例11:使用拉普拉斯
金字塔 70
3.6 阈值化 73
3.6.1 案例12:使用基本阈值 74
3.6.2 案例13:使用自适应阈值 78
3.7 进阶必备:选择一款合适的图像处理工具 80
3.7.1 OpenCV 80
3.7.2 Matlab 81
第4章 图像变换 83
4.1 边缘检测 83
4.1.1 案例14:Sobel算法 83
4.1.2 案例15:Scharr算法 87
4.1.3 案例16:Laplacian算法 90
4.1.4 案例17:Canny算法 91
4.2 案例18:绘制轮廓 94
4.3 霍夫变换 97
4.3.1 案例19:霍夫线变换 97
4.3.2 案例20:霍夫圆变换 101
4.4 案例21:重映射 103
4.5 案例22:仿射变换 106
4.6 案例23:透视变换 109
4.7 直方图 111
4.7.1 案例24:直方图的计算
与绘制 111
4.7.2 案例25:直方图均衡化 113
4.8 进阶必备:图像变换应用之文本
图像矫正 114
4.8.1 图像变换知识总结 114
4.8.2 案例26:文本图像矫正 115
第5章 角点检测 117
5.1 案例27:Harris角点检测 117
5.2 案例28:Shi-Tomasi角点检测 119
5.3 案例29:亚像素级角点检测 122
5.4 进阶必备:角点检测知识总结 125
第6章 特征点检测与匹配 127
6.1 特征点检测 127
6.1.1 opencv-contrib环境安装 127
6.1.2 案例30:SIFT特征点检测 130
6.1.3 案例31:SURF特征点检测 137
6.2 特征匹配 139
6.2.1 案例32:BruteForce匹配 139
6.2.2 案例33:FLANN匹配 146
6.3 案例34:ORB特征提取 148
6.4 进阶必备:利用特征点拼接图像 151
6.4.1 特征点检测算法汇总 151
6.4.2 案例35:基于特征点检测与
匹配的图像拼接 151
第7章 手写数字识别 155
7.1 Keras的应用 155
7.1.1 Keras模型 155
7.1.2 Keras层 156
7.1.3 模型编译 157
7.1.4 模型训练 158
7.2 LeNet算法 159
7.3 案例36:使用Keras实现手写数字识别 160
7.3.1 模型训练 160
7.3.2 手写数字识别模型推理 164
7.4 进阶必备:算法模型开发流程 167
7.4.1 数据准备 167
7.4.2 网络搭建 169
7.4.3 模型训练 170
第8章 CIFAR-10图像分类 171
8.1 图像分类数据集 171
8.1.1 CIFAR-10数据集和
CIFAR-100数据集 171
8.1.2 ImageNet数据集 172
8.1.3 PASCAL VOC数据集 173
8.2 案例37:CIFAR-10图像分类 173
8.2.1 模型训练过程 174
8.2.2 模型推理 179
8.3 进阶必备:COCO数据集与使用
HOGTSVM方法实现图像分类 180
8.3.1 COCO数据集 180
8.3.2 案例38:使用HOG+SVM
方法实现图像分类 180
第9章 验证码识别 184
9.1 TensorFlow应用 184
9.1.1 案例39:TensorFlow的
基本使用 184
9.1.2 TensorFlow的常用模块 186
9.2 案例40:验证码识别 188
9.2.1 生成验证码图片 188
9.2.2 基于TensorFlow的
验证码识别 189
9.3 进阶必备:算法模型开发技巧 194
9.3.1 数据预处理技巧 194
9.3.2 网络搭建技巧 195
9.3.3 模型训练技巧 196
第10章 文本检测实战 197
10.1 文本检测算法 197
10.1.1 CTPN算法 198
10.1.2 EAST算法 200
10.2 案例41:基于EAST算法的文本检测 202
10.2.1 数据预处理 202
10.2.2 网络搭建 205
10.2.3 模型训练 212
10.2.4 文本检测验证 217
10.3 进阶必备:在不同场景下文本检测的
应对方式 218
10.3.1 复杂场景文本检测 219
10.3.2 案例42:使用形态学运算
实现简单场景文本检测 220
10.3.3 案例43:使用MSER+NMS
实现简单场景文本检测 223
第11章 文本识别实战 226
11.1 文本识别算法 226
11.1.1 CRNN算法 226
11.1.2 Attention OCR算法 229
11.2 案例44:基于C-RNN算法的
文本识别 231
11.2.1 数据预处理 231
11.2.2 网络搭建 232
11.2.3 模型训练 236
11.2.4 文本识别验证 237
11.3 进阶必备:单字OCR 238
11.3.1 OCR探究 238
11.3.2 案例45:文本图片
字符切割 238
第12章 TensorFlow Lite 244
12.1 TensorFlow Lite介绍 244
12.1.1 TensorFlow Lite基础 245
12.1.2 TensorFlow Lite源码分析 246
12.2 模型转换 248
12.2.1 FlatBuffers文件格式 248
12.2.2 案例46:其他格式
转换为.tflite模型 250
12.3 模型量化 252
12.3.1 案例47:量化感知训练 252
12.3.2 案例48:训练后量化 255
12.4 进阶必备:模型转换与
模型部署优化答疑 257
12.4.1 模型转换问题 257
12.4.2 模型部署优化 258
第13章 基于TensorFlow Lite的AI
功能部署实战 260
13.1 部署流程 260
13.2 案例49:移动端部署 261
13.2.1 搭建开发环境 262
13.2.2 编译运行项目 262
13.2.3 调用过程解析 264
13.3 PC端部署 266
13.3.1 案例50:Windows端部署 266
13.3.2 案例51:Linux端部署 278
13.3.3 案例52:ARM平台部署 282
13.3.4 案例53:MIPS平台部署 285
13.4 进阶必备:推理框架拓展与
OpenCV编译部署 286
13.4.1 其他深度学习推理框架 286
13.4.2 OpenCV编译 286
深度学习计算机视觉算法在很多领域都是有出奇好的效果,所以很多人“唯网络论”,如果达不到效果,那是数据不够多,网络不够复杂,所以就加参数加网络层。
但是很多实际的问题,并不是需要那么麻烦的。曾经看过一个电视剧,剧情是:要选一个总镖头,所以老板在几米开外放着一个花瓶,让大家十步之内拿到花瓶,然后各大高手都用各种高超的武艺,如鞭法缠住花瓶拿到,枪法挑过花瓶,真可谓是用心良苦,但是最终获胜的小伙子只是走了不到十步就拿到了花瓶。保镖就是要把镖安全送达目的地,能低调稳妥的办法为啥不用?
深度学习也是类似的,老板就是想实现功能赚钱,至于下面你用的是深度学习的方法,还是传统图像处理的方法,who cares。
所以说做计算机视觉一点不懂传统图像处理算法,代码写出问题不会调试找问题,怎么能怪市场行情不好呢。
做传统图像处理最常用的就是OpenCV库了,那天群里有群友写个图像显示的功能显示不了图片,原因是传颜色的参数Scalar四个参数,透明度不传,默认值为0,颜色无效,他看不出来问题。
还有学OpenCV的朋友不知道键盘和鼠标回调,建议有计算机视觉需求的朋友可以好好看看《学习OpenCV4:基于Python的算法实战》一书。
这本书的目录就是OpenCV模块的一个总图了,国内好多书都只写imgproc一个模块,不信去翻翻那些书,图像滤波都是单独的一个章节。这本书讲了所有的模块,所以书比较厚实。
目录如下(来自某东):
第1章 OpenCV快速入门
1.1 OpenCV介绍
1.1.1 OpenCV概述
1.1.2 OpenCV的代码结构
1.1.3 OpenCV 4的新特性
1.2 OpenCV开发环境搭建
1.2.1 案例1:Windows动态库开发环境搭建
1.2.2 案例2:Linux动态库开发环境搭建
1.2.3 案例3:Python语言开发环境搭建
1.3 OpenCV模块介绍
1.3.1 常用模块
1.3.2 扩展模块
1.4 OpenCV源码编译
1.4.1 案例4:OpenCV编译
1.4.2 案例5:OpenCV裁剪编译
1.4.3 案例6:扩展模块opencv-contrib编译
1.5 进阶必备:OpenCV入门参考
1.5.1 OpenCV版本选择
1.5.2 如何学习OpenCV
第2章 图像读/写模块imgcodecs
2.1 模块导读
2.2 图像读/写操作
2.2.1 案例7:图像读取
2.2.2 案例8:图像保存
2.3 图像编/解码
2.3.1 案例9:图像编码应用
2.3.2 案例10:图像解码应用
2.4 进阶必备:聊聊图像格式
第3章 核心库模块core
3.1 模块导读
3.2 基本数据结构
3.2.1 案例11:Mat数据结构介绍及C++调用
3.2.2 案例12:Python中的Mat对象操作
3.2.3 案例13:Point结构
3.2.4 案例14:Rect结构
3.2.5 案例15:Size结构
3.3 矩阵运算
3.3.1 案例16:四则运算
3.3.2 案例17:位运算
3.3.3 案例18:代数运算
3.3.4 案例19:比较运算
3.3.5 案例20:特征值与特征向量
3.3.6 案例21:生成随机数矩阵
3.4 矩阵变换
3.4.1 案例22:矩阵转向量
3.4.2 案例23:通道分离与通道合并
3.4.3 案例24:图像旋转
3.4.4 案例25:图像拼接
3.4.5 案例26:图像边界拓展
3.4.6 案例27:傅里叶变换
3.5 进阶必备:聊聊图像像素遍历与应用
3.5.1 案例28:图像像素遍历
3.5.2 案例29:提取拍照手写签名
第4章 图像处理模块imgproc(一)
4.1 模块导读
4.2 案例30:颜色空间变换
4.3 案例31:图像尺寸变换
4.4 基本绘制
4.4.1 案例32:绘制标记
4.4.2 案例33:绘制直线
4.4.3 案例34:绘制矩形
4.4.4 案例35:绘制圆
4.4.5 案例36:绘制椭圆
4.4.6 案例37:绘制文字
4.5 形态学运算
4.5.1 案例38:腐蚀
4.5.2 案例39:膨胀
4.5.3 案例40:其他形态学运算
4.6 图像滤波
4.6.1 案例41:方框滤波
4.6.2 案例42:均值滤波
4.6.3 案例43:高斯滤波
4.6.4 案例44:双边滤波
4.6.5 案例45:中值滤波
4.7 边缘检测
4.7.1 案例46:Sobel边缘检测
4.7.2 案例47:Scharr边缘检测
4.7.3 案例48:Laplacian边缘检测
4.7.4 案例49:Canny边缘检测
4.8 进阶必备:聊聊颜色模型
第5章 图像处理模块imgproc(二)
5.1 霍夫变换
5.1.1 案例50:霍夫线变换
5.1.2 案例51:霍夫圆变换
5.2 案例52:仿射变换
5.3 案例53:透视变换
5.4 案例54:重映射
5.5 阈值化
5.5.1 案例55:基本阈值化
5.5.2 案例56:自适应阈值化
5.6 图像金字塔
5.6.1 案例57:高斯金字塔
5.6.2 案例58:拉普拉斯金字塔
5.7 直方图
5.7.1 案例59:直方图计算
5.7.2 案例60:直方图均衡化
5.8 传统图像分割
5.8.1 案例61:分水岭算法
5.8.2 案例62:GrabCut算法
5.8.3 案例63:漫水填充算法
5.9 角点检测
5.9.1 案例64:Harris角点检测&
5.9.2 案例65:Shi-Tomasi角点检测
5.9.3 案例66:亚像素角点检测
5.10 图像轮廓
5.10.1 案例67:轮廓查找
5.10.2 案例68:轮廓绘制
5.11 轮廓包裹
5.11.1 案例69:矩形边框
5.11.2 案例70:最小外接矩形
5.11.3 案例71:最小外接圆
5.12 案例72:多边形填充
5.13 图像拟合
5.13.1 案例73:直线拟合
5.13.2 案例74:椭圆拟合
5.13.3 案例75:多边形拟合
5.14 案例76:凸包检测
5.15 进阶必备:图像处理算法概述
第6章 可视化模块highgui
6.1 模块导读
6.2 图像窗口
6.2.1 案例77:创建与销毁窗口
6.2.2 案例78:图像窗口操作
6.3 图像操作
6.3.1 案例79:图像显示
6.3.2 案例80:选取感兴趣区域
6.4 案例81:键盘操作
6.5 案例82:鼠标操作
6.7 进阶必备:在Qt中使用OpenCV
第7章 视频处理模块videoio
7.1 模块导读
7.2 视频读取
7.2.1 案例84:从文件读取视频
7.2.2 案例85:从设备读取视频
7.3 视频保存
7.3.1 案例86:从图片文件创建视频
7.3.2 案例87:保存相机采集的视频
7.4 进阶必备:视频编/解码工具FFMPEG
第8章 视频分析模块video
8.1 运动分析
8.1.1 模块导读
8.1.2 案例88:基于MOG2与KNN算法的运动分析
8.2 目标跟踪
8.2.1 模块导读
8.2.2 案例89:基于CamShift算法的目标跟踪
8.2.3 案例90:基于meanShift算法的目标跟踪
8.2.4 案例91:稀疏光流法运动目标跟踪
8.2.5 案例92:稠密光流法运动目标跟踪
8.3 进阶必备:深度学习光流算法
第9章 照片处理模块photo
9.1 模块导读
9.2 案例93:基于OpenCV的无缝克隆
9.3 案例94:基于OpenCV的图像对比度保留脱色
9.4 案例95:基于OpenCV的图像修复
9.5 案例96:基于OpenCV的HDR成像
9.6 图像非真实感渲染
9.6.1 案例97:边缘保留滤波
9.6.2 案例98:图像细节增强
9.6.3 案例99:铅笔素描
9.6.4 案例100:风格化图像
9.7 进阶必备:照片处理算法概述
第10章 2D特征模块features2d
10.1 模块导读
10.2 特征点检测
10.2.1 案例101:SIFT特征点检测
10.2.2 案例102:SURF特征点检测
10.2.3 案例103:BRISK特征点检测
10.2.4 案例104:ORB特征点检测
10.2.5 案例105:KAZE特征点检测
10.2.6 案例106:AKAZE特征点检测
10.2.7 案例107:AGAST特征点检测
10.2.8 案例108:FAST特征点检测
10.3 特征点匹配
10.3.1 案例109:Brute-Force特征点匹配
10.3.2 案例110:FLANN特征点匹配
10.4 进阶必备:特征点检测算法概述
第11章 相机标定与三维重建模块calib3d
11.1 模块导读
11.2 单应性变换
11.2.1 案例111:单应性变换矩阵
11.2.2 案例112:单应性应用之图像插入
11.3 相机标定
11.3.1 案例113:棋盘角点检测并绘制
11.3.2 案例114:消除图像失真
11.4 进阶必备:聊聊镜头失真
第12章 传统目标检测模块objdetect
12.1 模块导读
12.2 级联分类器的应用
12.2.1 案例115:人脸检测
12.2.2 案例116:人眼检测
12.3 案例117:HOG描述符行人检测
12.4 二维码应用
12.4.1 案例118:二维码检测
12.4.2 案例119:二维码解码
12.5 进阶必备:聊聊条形码与二维码
第13章 机器学习模块ml 392
13.1 模块导读
13.2 案例120:基于OpenCV的Logistic回归
13.3 案例121:基于OpenCV的支持向量机
13.4 案例122:基于OpenCV的主成分分析
13.5 进阶必备:机器学习算法概述
第14章 深度学习模块dnn
14.1 模块导读
14.2 风格迁移
14.2.1 深度学习风格迁移
14.2.2 案例123:OpenCV实现风格迁移推理
14.3 图像分类
14.3.1 深度学习图像分类
14.3.2 案例124:基于TensorFlow训练Fashion-MNIST算法模型
14.3.3 案例125:OpenCV实现图像分类推理
14.4 目标检测
14.4.1 深度学习目标检测
14.4.2 案例126:OpenCV实现目标检测推理
14.5 图像超分
14.5.1 深度学习图像超分算法
14.5.2 案例127:OpenCV实现图像超分推理
14.6.1 计算机视觉的发展
14.6.2 OpenCV在计算机视觉中的应用
(好冷,先不写了,00:10了,要是有朋友觉得好烦请动动你的发财小手帮忙点个关注,点个赞,我下次继续更新,谢谢!最后祝大家新年工作顺利,钱途无量。)
二、“补冬不如补霜降”,霜降记得吃“4宝”,指的哪4宝应季正美味
“补冬不如补霜降”,霜降记得吃“4宝”,指的哪4宝?应季正美味
秋日生活打卡季
今天是“霜降”,也是秋季最后一个节气, 万物毕成,毕入于戌,阳下入地,阴气始凝。霜降是一年之中昼夜温差最大的一天,霜降过后,意味着寒冷的冬季就要来临了。
霜降是秋季和冬季的过渡阶段,为了能给冬季打好基础,此时正是进补的最佳时节,老话说 “补冬不如补霜降” ,所以霜降时节记得多吃“4宝”,应季正美味。
霜降4宝指的是什么?
一、鸭肉
老话说“秋高鸭肥”,这个时候的鸭子最为肥美,因为鸭子在这个季节已经很少游动,储存脂肪准备过冬,所以肉质鲜美。另外鸭肉性凉,有补虚清热润燥的作用。
推荐食谱【紫苏烧鸭】
主要食材:鸭子、紫苏酱、青红椒、大蒜
1、准备半只鸭子,把鸭子剁成小块,大小适中即可。
2、切好的鸭肉冷水下锅,加入去腥三件套葱姜料酒,大火煮开,然后把表面的浮沫撇掉,继续煮2分钟,捞出后冲洗干净备用。
3、锅烧热倒入菜籽油,油热后下入鸭肉大火翻炒,炒出多余的油脂,这样吃着就不腻了,炒到表面微微金黄即可。
4、接着倒入姜蒜末翻炒出香味,倒入一包紫苏酱, :如果家里没有紫苏酱,那么准备一些紫苏叶,洗净剁碎,加入生抽、盐、蚝油、味精、适量豆豉即可。
5、然后倒入一瓶啤酒,,啤酒可以去腥增香,中火炖上30分钟左右即可。
6、时间到了后大火收汁,最后放入青红椒,翻炒个十几下,就可以出锅了。
二、萝卜
老话说“冬吃萝卜夏吃姜,不劳医生开药方”,萝卜口感脆爽,有补气、开胃、润燥等作用,也是秋冬季节的应季蔬菜。不过吃萝卜要适量,尤其是脾胃不好的人,吃多了会胀气。
推荐食谱【萝卜肉丸汤】
主要食材:萝卜、牛肉丸子、鸡蛋、西蓝花
1、萝卜洗净之后去掉两头去皮,然后把萝卜插成细丝,插好之后,我们放在一边备用,接下来准备其他食材。
2、小碗里面打入3个鸡蛋,如果条件好的话,多打几个也无所谓,不粘锅里倒入适量油,油热之后倒入鸡蛋,先把底部给它煎至定型,然后把鸡蛋翻面,一直煎到两面金黄就可以了,放到案板上切成小块备用。
3、接着咱们再准备些牛肉丸,牛肉丸我们选择纯肉的丸子,这样的牛肉丸特别好吃,香味浓郁,汁水丰富,而且还弹力十足。
4、锅里烧油把葱姜蒜炒出香味,然后加入萝卜翻炒,把萝卜炒到变软,加入一勺猪油,再倒入开水,然后放上鸡蛋和丸子,猪油和开水可以让汤汁变得更加浓白好看,搅拌均匀之后,盖上锅盖中火炖煮5分钟。
5、时间到了后咱们下入焯过水的西蓝花,加入适量的盐和胡椒粉就可以了,搅拌均匀后再煮1分钟就可以出锅了。
三、白菜
古语有云“初春早韭,秋末晚菘”,意思是早春要吃韭菜,秋末要吃菘,菘是古人对于白菜的称呼,人们认为这个季节的白菜又嫩又鲜,值得品尝。
推荐食谱【肉末白菜】
主要食材:小白菜 肉沫 红椒 绿椒
1、准备2颗小白菜(娃娃菜)先切掉根部,然后将白菜一片片撕下来,撕好之后用清水冲洗干净。
2、准备几根绿辣椒洗净后切成圈,小米椒洗净后也切成圈,不能吃辣的话可以少切一些,也可以将辣椒换成豆角或者小芹菜,准备多一些大蒜切碎后剁成蒜末备用。
3、锅里烧一些水,水开之后下入小白菜烫熟,时间不宜过长,几十秒就可以了,焯好之后控水捞入盘子里。
4、锅里多来些油,油热后放入肉沫炒至变色,然后加入料酒翻炒几秒钟,加入一勺豆瓣酱,一勺生抽,一勺蚝油,然后将调料翻炒均匀。
5、炒均匀后倒入蒜末翻炒出香味,接着倒入切好的辣椒翻炒到辣椒断生,最后淋入一些水淀粉炒到微微粘稠就可以了。
6、炒好之后直接淋在白菜上面就可以上桌了。
四、牛肉
牛肉是大家日常生活中经常会吃到的肉食,在霜降这一天,很多地区的人都会吃上一顿牛肉,大家认为牛肉可以强身健体,补充能量。
推荐食谱【香菜炒牛肉】
主要食材:牛里脊、香菜、小米椒、大蒜、泡椒、生姜
1、首先准备一块牛里脊洗净后切成薄片,牛肉要逆着纹路切,这样切的牛肉才会嫩,如果顺着纹路切,怎么炒都老,因为牛肉筋膜比较粗,不把它切段,就会影响口感。
2、切好的牛肉我们加入盐,白糖、生抽、蚝油,一勺淀粉、一勺食用油,然后把牛肉抓拌均匀,多抓一会儿,让牛肉完全吸收料汁和油,这样吃起来入味,也能增加嫩滑的口感。
3、趁着腌牛肉的时候,咱们切点配料,大蒜切成蒜片,生姜切片,葱白切小段。
4、做香菜炒牛肉少不了泡椒,它可以让牛肉吃起来更加开胃,所以这个一定不能省略,将泡椒和小米椒分别切成圈备用。
5、稍微多一些的香菜切成段备用。
6、锅里多倒一些食用油,油热后下入腌好的牛肉,开大火翻炒,把牛肉炒至变色,炒好后盛出备用。
7、重新起锅倒入食用油,油热放入切好的配料,大火爆出香味,然后下入牛肉,翻炒几秒钟。
8、接着加入鸡精、生抽、香菜,大火翻炒七八下就可以出锅了
三、家里进水是发财兆头
楼主,你好
你要往好的这方面说也是可以的
水也,财也
广东话【猪笼入水】
也就是财源广进的意思
建议努力工作,好好赚钱
事在人为
人定胜天
生活不易,加油
以上就是小编为大家整理的家里漫水意味着要发财的内容,更多关于家里漫水意味着要发财可以关注本站。