英文書寫體轉換器的問題，透過圖書和論文來找解法和答案更準確安心。 我們挖掘到下列精選懶人包

TensorFlow移動端機器學習實戰

為了解決英文書寫體轉換器的問題，作者王眾磊 這樣論述：

TensorFlow已經成為機器學習的流行框架和工業屆標準，早期的TensorFlow以雲端和資料中心中的機器學習為主，近期的一個趨勢是，逐漸向移動端和設備端轉移。推動這個趨勢的動力包括人們對機器學習理論和認知的提高、演算法及技術的改進、軟體和硬體性能的提高，以及專有硬體的出現等，更主要的是，用戶的需求和越來越豐富的場景需求。現在國內移動用戶已超15億，全球移動用戶已超過51億，2019年IoT裝置數量預計將超過全球人口總數。 我們相信，在未來，雲端和移動端相結合的人工智慧和設備端獨立的人工智慧應用會慢慢成為主流。作為TensorFlow的開發者和使用者，本書作者完整地講解了使用Tensor

Flow進行端到端開發的實例和開發技巧，同時分享了如何使用開源工具進行軟體發展的最佳工程實踐和經驗。本書提供了全方位的視角説明讀者開啟不同的思路，即使把本書作為一本軟體發展和工程開發的書籍來讀，也會使讀者受益匪淺。   王眾磊 TensorFlow的開發者之一，具有二十多年的留學和工作經驗。現定居美國矽谷，長期從事軟體發展工作，發表國際論文及國際專利多項。曾在穀歌等多家大型國際公司及初創企業工作過，有豐富的國內、國際開發及管理經驗。近幾年以移動端開發、邊緣計算、雲計算和機器學習為主，從事開發和管理工作。工作之余喜歡和家人一起去各地旅遊、打高爾夫球、滑雪等。 陳海波 深

蘭科技DeepBlue Technology的創始人，南京工業大學特聘教授，清華大學―深蘭科技機器視覺聯合研究中心管理委員會主任；上海交通大學―深蘭科技人工智慧聯合實驗室管理委員會主任、中南大學―深蘭科技人工智慧聯合研究院專家委員會委員，致力於人工智慧的基礎研究和應用開發，創建的深蘭科學院擁有人工智慧研究院、科學計算研究院、生命及AI腦科學院、自動化研究院和智慧汽車研究院。團隊擁有包括CVPR、PAKDD、IEEEISI等多項國際競賽冠軍成績，在自動駕駛和整車、機器人研發及製造、生物科技、自然語言處理（語義智慧）、資料採擷等領域都有深度佈局。   第1章 機器學習和Tens

orFlow簡述 1 1.1 機器學習和TensorFlow的歷史及發展現狀 1 1.1.1 人工智慧和機器學習 1 1.1.2 TensorFlow 3 1.1.3 TensorFlow Mobile 5 1.1.4 TensorFlow Lite 5 1.2 在移動設備上運行機器學習的應用 6 1.2.1 生態和現狀 7 1.2.2 從移動優先到人工智慧優先 8 1.2.3 人工智慧的發展 9 1.2.4 在移動設備上進行機器學習的難點和挑戰 9 1.2.5 TPU 10 1.3 機器學習框架 11 1.3.1 CAFFE2 11 1.3.2 Android NNAPI 12 1.3.3

CoreML 12 1.3.4 樹莓派（Raspberry Pi） 13 第2章 構建開發環境 14 2.1 開發主機和設備的選擇 14 2.2 在網路代理環境下開發 15 2.3 整合式開發環境IDE 16 2.3.1 Android Studio 16 2.3.2 Visual Studio Code 16 2.3.3 其他IDE 18 2.4 構建工具Bazel 18 2.4.1 Bazel生成調試 19 2.4.2 Bazel Query命令 20 2.5 裝載TensorFlow 20 2.6 文檔 25 第3章 基於移動端的機器學習的開發方式和流程 26 3.1 開發方式和流程

簡介 26 3.2 使用TPU進行訓練 28 3.3 設備端進行機器學習訓練 35 3.4 使用TensorFlow Serving優化TensorFlow模型 41 3.4.1 訓練和匯出TensorFlow模型 42 3.4.2 使用標準TensorFlow ModelServer載入匯出的模型 50 3.4.3 測試伺服器 50 3.5 TensorFlow擴展（Extended） 54 第4章 構建TensorFlow Mobile 55 4.1 TensorFlow Mobile的歷史 55 4.2 TensorFlow代碼結構 55 4.3 構建及運行 61 4.3.1 代碼的流

程 67 4.3.2 代碼的依賴性 68 4.3.3 性能和代碼跟蹤 69 第5章 用TensorFlow Mobile構建機器學習應用 71 5.1 準備工作 71 5.2 圖像分類（Image Classification） 74 5.2.1 應用 74 5.2.2 模型 85 5.3 物體檢測（Object Detection） 87 5.3.1 應用 87 5.3.2 模型 92 5.4 時尚渲染（Stylization） 95 5.4.1 應用 95 5.4.2 模型 96 5.5 聲音識別（Speech Recognization） 96 5.5.1 應用 96 5.5.2 模型

99 第6章 TensorFlow Lite的架構 101 6.1 模型格式 102 6.1.1 Protocol Buffer 102 6.1.2 FlatBuffers 105 6.1.3 模型結構 112 6.1.4 轉換器（Toco） 113 6.1.5 解析器（Interpreter） 119 6.2 底層結構和設計 123 6.2.1 設計目標 123 6.2.2 錯誤回饋 124 6.2.3 裝載模型 125 6.2.4 運行模型 126 6.2.5 定制演算子（CUSTOM Ops） 128 6.2.6 定制內核 132 6.3 工具 133 6.3.1 圖像標注（labe

l_image） 133 6.3.2 最小集成（Minimal） 143 6.3.3 Graphviz 143 6.3.4 模型評效 148 第7章 用TensorFlow Lite構建機器學習應用 151 7.1 模型設計 151 7.1.1 使用預先訓練的模型 151 7.1.2 重新訓練 152 7.1.3 使用瓶頸（Bottleneck） 154 7.2 開發應用 158 7.2.1 程式介面 158 7.2.2 執行緒和性能 162 7.2.3 模型優化 163 7.3 TensorFlow Lite的應用 170 7.3.1 聲音識別 173 7.3.2 圖像識別 177 7.4

TensorFlow Lite使用GPU 178 7.4.1 GPU與CPU性能比較 178 7.4.2 開發GPU代理（Delegate） 178 7.5 訓練模型 182 7.5.1 模擬器 183 7.5.2 構建執行檔 183 第8章 移動端的機器學習開發 186 8.1 其他設備的支援 186 8.1.1 在iOS上運行TensorFlow的應用 186 8.1.2 在樹莓派上運行TensorFlow 189 8.2 設計和優化模型 190 8.2.1 模型大小 191 8.2.2 運行速度 192 8.2.3 視覺化模型 196 8.2.4 執行緒 196 8.2.5 二進位檔

案大小 197 8.2.6 重新訓練移動資料 197 8.2.7 優化模型載入 198 8.2.8 保護模型檔 198 8.2.9 量化計算 199 8.2.10 使用量化計算 202 8.3 設計機器學習應用程式要點 207 第9章 TensorFlow的硬體加速 209 9.1 神經網路介面 209 9.1.1 瞭解Neural Networks API運行時 210 9.1.2 Neural Networks API程式設計模型 211 9.1.3 NNAPI 實現的實例 213 9.2 硬體加速 222 9.2.1 高通網路處理器 223 9.2.2 華為HiAI Engine 22

9 9.2.3 簡要比較 235 9.2.4 開放式神經網路交換格式 236 第10章 機器學習應用框架 237 10.1 ML Kit 237 10.1.1 面部識別（Face Detection） 242 10.1.2 文本識別 247 10.1.3 條碼識別 248 10.2 聯合學習（Federated Learning） 248 第11章 基於移動設備的機器學習的未來 252 11.1 TensorFlow 2.0和路線圖 252 11.1.1 更簡單的開發模型 253 11.1.2 更可靠的跨平臺的模型發佈 254 11.1.3 TensorFlow Lite 254 11.1

.4 TensorFlow 1.0 和TensorFlow 2.0的不同 255 11.2 人工智慧的發展方向 255 11.2.1 提高人工智慧的可解釋性 255 11.2.2 貢獻社會 256 11.2.3 改善社會 258   2018年，我有很長一段時間在中國和美國兩地跑，同時在國內工作和生活了比較長的一段時間，這是我近二十年來第一次和國內的開發者一起長時間工作。在享受各種美食之外，對國內的開發、產品和管理有了全新的瞭解和認識。 說起寫書的起源，我本來的想法只是寫一點可以作為國內工程師培訓教材的東西。2018年初，TensorFlow作為一個技術熱點，逐漸普及到機

器學習應用開發的各個方面，但是對於TensorFlow在移動端的開發和應用還處於初始階段。我當時也剛剛結束一個TensorFlow項目，想把這些經驗和想法沉澱一下。於是我就把以前寫的筆記和日誌重新整理，添加一些內容並修改了文字，基本形成了一個原始版本。 後來，遇到博文視點的南海寶編輯，通過商談，出版社欣然同意把這些資料整理出書。我的筆記和日誌的內容很多和代碼緊密相關，其中很多內容後來演變成了文檔，我覺得這對初學者和有經驗的開發者都是一個很好的參考，至少可以提供另外一個視角，讓開發者多方面瞭解TensorFlow。所以，我就開始寫作，前後花費了近兩年的時間。 我是一邊寫作一邊工作的，在這個過

程中很快就遇到了兩個很大的挑戰。 第一是文字。我的筆記都是英文的，要把這些轉換成中文，我借助了谷歌翻譯，雖然翻譯後的文字有很多需要修改，但至少省下了不少打字的時間。另外，就是專有術語的翻譯，由於我對中文的專業術語不熟悉，所以即使簡單的術語也要斟酌確定，這也花費了一些時間。如果讀者在文字中發現一些奇怪的說法，還請見諒，我和編輯雖然盡了最大的努力，可能還是會有很多遺漏。 第二是重新認識和瞭解了國內開發的方方面面。我在美國和國內的開發者也有不少接觸，我想在兩邊工作應該不會有什麼差別，可實際工作起來還是有很多不同和挑戰，感觸頗深。首先是技術層面。開源的理念和軟體在國內滲透到各個方面，幾乎所有互聯網

公司都是從使用開源軟體開始搭建自己的產品。由於穀歌在開源社區的貢獻和影響力，國內普遍對穀歌的好感度很高，我也同享了這個榮耀。而且，很多公司和開發者也把對開源社區做出貢獻看作責任和榮耀，這是一個很好的趨勢，中國很快會發展出自己的開源生態和社區。 關於開發環境和工程師文化，我想提一下兩邊對新員工培訓的區別。在國內對員工的培訓中，職業道德培訓和公司文化的培訓占了很大一部分。而在矽谷，至少像穀歌、臉書這些公司，培訓中技術培訓占了很大一部分，基本是一周的培訓後，員工就要進行實際的工作，而國內很多公司的新員工第二周才開始技術工作。這裡我能充分感受到中美公司之間的差別。 另外是開發管理方法，由於管理方法

的不同，實際的工作中要做相應的改變。比如國內對開發和產品的進度的管理是非常嚴格的。但是，這種嚴格大都體現在層級的彙報關係上，而不是對技術細節的掌控和指導上。谷歌的工程師會經常以代碼的提交作為一個工程開始和結束的標誌，這在國內公司很少見到。 我希望把這些經驗、想法和體會能或多或少體現在這本書裡。比如，使用Markdown寫文檔，能使寫文檔變成一件不是很煩瑣的事，可以讓作者更專注于內容的寫作，而不是花費太多時間在操作編輯器上。本書就是全部用Markdown寫作完成，再轉換成Word文檔的。比如，使用Bazel編譯，需要對代碼的依賴有清晰的定義。可能很多工程師不會特別在意這點，但是通過它，工程師可

以非常清楚地瞭解代碼重用和引用的狀況，避免隨意的代碼重用，並提高代碼的品質。我希望通過這些在書中給讀者傳達一些不同的開發經驗。 總之，我會把這本書作為2018年工作和生活的一個紀念。看到書中的各個章節，我就可以聯想起寫書時發生的許多人和事。但是，真的由於時間和我自己的能力非常有限，書中一定會有很多錯誤和瑕疵，還望讀者能寬容和諒解。 最後，要感謝我的家人能支持和陪伴我度過2018年，我和我的母親一起度過了2018年春節，是近20年來在國內度過的第一個春節。還要感謝我的妻子，她非常支持我，並幫助我寫完這本書。還有我的兩個女兒，總是能給我帶來無盡的快樂，還要感謝深蘭科技的創始人陳海波先生和首席戰

略官王博士，兩位幫助我完成這本書，並提出了很多意見。 另外，感謝博文視點給我這個機會出版這本書，希望通過這本書能結識更多的開發者。還要感謝南海寶編輯在本書寫作和出版過程中給予的指導和鼓勵。  

案例式C語言程序設計

為了解決英文書寫體轉換器的問題，作者劉艷軍 這樣論述：

本書引入“演算法思想”和“案例教學”的理念，以“理論聯繫實際，演算法制導程式，調試驗證程式”的新模式，將理論知識、實踐內容與調試運行融合在一起，以實用型的案例為導向，整合主幹知識點，使學生能夠快速入門，同時又擴展細節知識點，配合階段性綜合專案，從而實現高效、實用的教學目的。 全書共12章，內容包含C語言概述、基底資料型別、選擇結構、迴圈結構、陣列、函數、指標、字串處理、自訂資料類型、文件、位運算和預處理等，是一本兼具趣味性和實用性的C語言程式設計教材。本書以“學生好學，教師好用”為原則，將“教學—實驗—練習”結合在一起形成一體化教程，同時配有多媒體課件、例題和習題原始程式碼等教學資源。本書可

作為高等學校各專業的C語言程式設計課程教材和參考用書，也可作為對C語言程式設計感興趣的讀者的自學用書。 第1章 概述1 1.1程式設計的概念1 1.1.1電腦如何工作1 1.1.2電腦語言1 1.1.3C語言簡介2 1.2如何學習C語言程式設計4 1.2.1C語言程式設計需要什麼4 1.2.2學習C語言程式設計的有效方法4 1.2.3創建C語言程式的一般步驟5 1.3C語言程式的基本結構及書寫規範5 1.3.1C語言程式的基本結構5 1.3.2簡單的C程式6 1.3.3C語言的“字母”和“單詞”7 1.3.4C語言的程式書寫規範7 1.4Visual C++集成編譯環境介紹

8 1.4.1Visual C++集成編譯環境的安裝8 1.4.2Visual C++集成編譯環境的簡單使用10 1.5演算法及演算法表示15 1.5.1演算法與程式設計15 1.5.2演算法的表示16 練習與自測18 實驗指導19 第2章 基底資料型別21 2.1計算購買實驗指導書的總價21 2.1.1程式分析21 2.1.2常量和變數22 2.1.3賦值運算和算數運算232.1.4整型25 2.1.5輸入輸出函數26 2.1.6程式的排錯與調試29 2.2計算銀行存款的本息和33 2.2.1程式分析33 2.2.2庫函數34 2.2.3運算式35 2.2.4實型35 2.2.5各類數值型

資料之間的混合運算37 2.2.6程式的排錯與調試38 2.3順序結構41 2.3.1順序結構41 2.3.2順序結構典型問題——單位及貨幣換算42 程式設計習慣46 練習與自測46 實驗指導48 第3章 會思考的程式——選擇結構49 3.1求整數值（if語句——雙分支和條件執行）50 3.1.1程式分析50 3.1.2關係運算子與關聯運算式51 3.1.3邏輯運算子與邏輯運算式52 3.1.4if語句54 3.1.5程式的排錯與調試55 3.2學生成績評價（if——多分支結構）56 3.2.1程式分析57 3.2.2if語句多分支結構58 3.3if語句的嵌套59 3.3.1程式分析59

3.3.2if語句的嵌套61 3.4列印英文星期名（switch語句）62 3.4.1程式分析62 3.4.2switch語句63 3.5條件運算子66 本章知識點總結67 問與答67 程式設計習慣68 練習與自測68 實驗指導71 第4章 反復執行，周而復始——迴圈結構73 4.1求1到100的累加和73 4.1.1程式分析73 4.1.2複合設定運算子和自增自減運算子76 4.1.3ifgoto語句構成的迴圈77 4.1.4while語句構成的迴圈77 4.1.5for語句構成的迴圈78 4.1.6dowhile語句構成的迴圈80 4.1.74種迴圈結構的比較80 4.1.8程式的調

試與運行82 4.2計算a+aa+aaa+aaaa+…+aa…a的累加和84 4.2.1程式分析84 4.2.2程式的調試與運行85 4.3利用泰勒公式求圓周率86 4.3.1程式分析86 4.3.2程式的調試與運行88 4.4求學生平均成績89 4.4.1程式分析89 4.4.2程式的調試與運行90 4.5列印九九乘法表91 4.5.1程式分析91 4.5.2迴圈嵌套93 4.6輸出100～200之間的素數94 4.6.1程式分析94 4.6.2break語句96 4.7計算2～100以內的素數和97 4.7.1程式分析97 4.7.2continue語句98 4.8拓展應用99 4.8.1

窮舉法99 4.8.2反覆運算法99 本章知識點總結100 問與答100 程式設計習慣101 練習與自測102 實驗指導104 案例： 我厲害了——簡易自動售貨機105 第5章 批量資料的處理——陣列108 5.1統計成績108 5.1.1程式分析108 5.1.2一維陣列110 5.1.3程式的調試與運行115 5.2列印楊輝三角116 5.2.1程式分析116 5.2.2二維陣列118 5.2.3程式的調試與運行122 本章知識點總結122 問與答122 練習與自測123 實驗指導126 案例： 我厲害了——列印日曆、學生成績管理v1.0127 第6章 模組化與協作開發——函數131

6.1計算圓柱體積132 6.1.1程式分析132 6.1.2函數的定義133 6.1.3程式的調試與運行136 6.2函數的嵌套調用139 6.35個人求年齡問題140 6.3.1程式分析140 6.3.2遞迴141 6.4查找分和分143 6.4.1程式分析143 6.4.2全域變數和區域變數144 6.4.3變數的存儲類別146 本章知識點總結147 問與答147 練習與自測148 實驗指導151 案例： 我厲害了——自動售貨機v1.0152 貫穿專案——學生成績管理系統v2.0157 第7章 間接訪問——指針166 7.1獲取自動售貨機密碼（指標的概念）166 7.2偷樑換柱——改密

碼（指標作函數參數）170 7.3對學生成績進行排序（陣列名稱作函數參數）173 7.3.1使用指標訪問陣列173 7.3.2用陣列名稱和指針作參數175 7.3.3程式的調試與運行177 7.4二維陣列中學生成績的輸出（指向多維陣列的指標）178 本章知識點總結182 問與答182 練習與自測184 實驗指導185 第8章 字串處理187 8.1將驗證碼改為大寫輸出187 8.1.1程式分析187 8.1.2字元型188 8.1.3字元型的輸入輸出190 8.2名片排序191 8.2.1程式分析191 8.2.2字串常量193 8.2.3字元陣列193 8.2.4字元陣列的輸入輸出194

8.2.5字串處理函數197 8.3字元指標199 8.3.1使用字元指標訪問字串199 8.3.2字元指標作參數200 本章知識點總結202 問與答202 練習與自測202 實驗指導203 第9章 自訂資料類型205 9.1構建學生資訊結構體205 9.2結構體類型的定義206 9.2.1結構體3種方法206 9.2.2typedef的使用207 9.3結構體變數的使用208 9.3.1結構體變數的初始化208 9.3.2結構體變數的賦值208 9.3.3應用舉例209 9.4結構體陣列210 9.5結構體指標212 9.5.1結構體指標212 9.5.2結構體指標與鏈表214 9.6其他

自訂類型220 9.6.1共用體220 9.6.2枚舉類型222 本章知識點總結224 問與答224 練習與自測225 實驗指導226 第10章 資料持久化——檔229 10.1將短句“Hello World!”寫入到文件229 10.1.1程式解析230 10.1.2文件概述230 10.1.3檔操作步驟231 10.1.4檔打開、關閉函數232 10.2將學生資訊保存到檔(fprintf)234 10.3從檔讀取學生資訊(fscanf)237 10.4檔的複製(fgetc和fputc)238 10.5二進位檔案(資料塊讀寫fread和fwrite)241 10.6檔定位函數245 本章知

識點總結248 練習與自測248 實驗指導249 第11章 位運算251 11.1IP位址轉換器251 11.2位運算的概念252 11.3位運算子253 11.4位域255 本章知識點總結258 練習與自測258 實驗指導259 第12章 預處理260 12.1巨集定義260 12.1.1不帶參數的宏260 12.1.2帶參數的宏263 12.2檔包含264 12.3條件編譯265 本章知識點總結268 問與答268 練習與自測268 實驗指導270 附錄A C語言中的關鍵字272 附錄B 運算子和結合性273 附錄C C庫函數274 附錄D ASCII表280 參考文獻281

資料擴增於即時眼寫辨識的卷積神經網路

為了解決英文書寫體轉換器的問題，作者呂澤阜 這樣論述：

本研究實現了一種基於卷積網路(Convolutional neural network, CNN) 的眼寫系統。 透過由眼電圖法(Electro-OculoGraphy, EOG)擷取眼睛移動產生的電訊號，採用End-to-End的架構，直接將訊號送入網路並且即時的輸出結果，無須再對眼電訊號進行繁雜的特徵抽取。本研究提出的系統除了硬體成本低廉，並且能夠在一般平價的品牌電腦上即時運行。除了書寫之外，本研究提出的系統也能在各種控制場合做為人機介面，利用EOG訊號做為輸入指令，控制物件。本研究利用此系統實作一個範例，能夠直接依照著手寫筆劃書寫10個阿拉伯數字、26個英文大寫字母，以及自定義的空白(

space)及退格(backspace)的眼寫系統，並且在測試時擁有95.7%的準確率。在文末也透過混淆矩陣(confusion matrix)來探討較容易使系統誤判的情況，並提供設計指令/符號的一些訣竅與建議。此外，本研究還提出了即時的適應性眨眼偵測演算法用以偵測眨眼及計算眨眼次數來分隔符號、局部最大值偵測法用以縮放訊號來標準化訊號、及EOG訊號的兩種數據擴增方式以使數據集涵蓋更多可能的眼寫軌跡。