網頁視覺特效最強必殺技大全：用 Three.js 與 Shader 圖說核心原理 x 閃避踩雷 x 創作指南（iThome鐵人賽系列書）【軟精裝】 (1版)

類似書籍推薦給您

【簡介】 學網頁 3D 可以用聰明的方式融會貫通， 再也不用埋頭苦幹！ 　　| 內容簡介 　　本書內容改編自第 14 屆 iThome 鐵人賽 Software Development 組的優選系列文章《30 天成為鍵盤麥可貝：前端視覺特效開發實戰》。本書透過不同前端 3D 作品案例逐步解釋 WebGL 底層運作原理，用淺顯易懂的方式，搭配豐富的插圖，進而解釋艱澀難懂的主題，幫助讀者打造屬於自己的網頁 3D 作品。內容從數學原理到畫面上的特效，從第一行程式碼到各個 bug 的解方，深入淺出，口吻風趣，涵蓋理論到實務創作的全面認識，帶領讀者輕鬆進入前端 3D 的大門。 　　網頁 3D 在創作時，最麻煩的是踩到深不見底的大坑，而這些大坑往往代表底層原理需要被理解，本書也依照不同案例會遇到的大坑做詳盡解釋，讓新手除了能夠打造自己的作品外，還可以省下埋頭苦幹的時間，用聰明的方式融會貫通！ 　　| 核心內容 　　本書分為三部曲，第一部曲介紹多種底層關係，第二部曲提供多個 three.js 案例的教學同時引出原理，第三部曲深入 Shader 的世界。每一部都能單獨看，每一個案例都有上手的程式碼以及完成的程式碼，學網頁 3D 再也不必茫然！ 　　| 目標讀者 　　◪ 對網頁開發相對陌生，但希望能更嘗試網頁 3D 並融入創作的網頁設計師 　　◪ 對 3D 相對陌生，但對網頁 3D 躍躍欲試的前端工程師 　　◪ 對網頁 3D 感到好奇，想多加認識該領域的勇者 　　◪ 想嘗試在網頁上呈現創作的 3D 建模師 　　◪ 尋找更酷炫的媒材加以創作的視覺藝術家 好評推薦 　　「我衷心推薦《網頁視覺特效最強必殺技大全》，書中很多艱澀的原理在 Umas 的文筆下都相當有趣，相信你將從中受益匪淺。」——蔡木景，《JavaScript 概念三明治》作者 【目錄】 推薦序 序言 CHAPTER 01 導論：前端 3D 視覺特效是什麼？ 誰適合學習前端 3D 視覺特效？ 學習前端 3D 視覺特效有什麼好處？ 網頁視覺特效包含哪些做法？ 我所準備的資源 本書內容 PART Ⅰ | 用 three.js 理解 3D 世界觀 CHAPTER 02 安裝、建置環境 透過 CodePen 上手 透過 Live Server 上手 CHAPTER 03 Hello three.js! 三者關係 從 three.js 開始，要怎麼起頭？ 開始程式碼 CHAPTER 04 three.js 空間座標――讓世界繞著我旋轉！ 巢狀結構 以程式碼示範 設定空間的方法？ CHAPTER 05 什麼！空間被扭曲了？我 three 願稱你為最強――矩陣 順序到底有沒有差？ 在 three.js 看這個問題 矩陣 在 three.js 實作該方法 CHAPTER 06 The World ！砸瓦魯多！歐拉歐拉歐拉！――歐拉角跟四元數 天球問題 在 three.js 應用歐拉角 在 three.js 應用四元數 製作天球 CHAPTER 07 three.js 圓弧的藝術家！弧線的教授！――OrbitControls 軌道控制器 Control OrbitControls 控制「目標」跟「鏡頭」 實作 Target 不正確問題 總結：target 跟 lookAt 的差異 CHAPTER 08 three.js 的一方通行：矢量操作――全面釐清向量與底層特性 我們需要有向量操作能力 學一方通行在短時間內分析向量來反擊 immutable 不止向量，這觀念遍布 three.js 必學的向量函式 如同「矢量操作」般必殺的向量函式 CHAPTER 09 你有被光速踢過嗎？解析 3D 界的黃猿――光的底層原理與介紹 最常用的光源及其原理 這些光怎麼來的？ 光就是內積算出的結果 以上 three.js 都幫你包好了 CHAPTER 10 傲慢的太陽――光的開發 實作地球與太陽 PART Ⅱ | 用 Three.js 實戰 3D 作品 CHAPTER 11 前端視覺特效工程師實戰：全球戰情室――貼圖原理 做一個地球可以做什麼？――地球的應用 理解貼圖的運作模式 數不清的貼圖 小結 CHAPTER 12 前端 3D 視覺特效開發實戰：全球戰情室――實作地球 成品 運用貼圖 加上雲圖 跨入修圖領域 加上互動 CHAPTER 13 3D 地球特效開發實戰：留下飛雷神術式吧！――經緯度座標轉換 開發鏡頭跳躍功能 完成品 經緯度轉三維空間座標 結論 CHAPTER 14 three.js 3D 地球特效開發實戰：飛雷神之術走跳地球！――鏡頭追蹤與浮動文字 開發功能 地球的潛力 CHAPTER 15 three.js 3D 圖表特效開發實戰――繪畫就跟佐為下棋一樣簡單：線段原理 線段是什麼？ 三個重要的線段物件：Shape、Path、Curve 線段物件：路徑 Path 線段物件：曲線 Curve CHAPTER 16 3D 圖表特效開發實戰――來人！餵公子吃餅：圓餅圖 開發線段 小結 CHAPTER 17 3D 圖表特效開發實戰――你爹只給個爛餅，大不了還你 3D 爛餅：用粉圓體做立體圓餅圖 完成品 開發立體圓餅圖 加上圖例 完成品 小結 CHAPTER 18 three.js GIS 系統開發實戰――鄉鎮市區 GIS 系統：SVG、GeoJson 的應用 由 SVG 渲染模型 讀取 SVG 將 Path 轉成 3D Mesh 將數值轉成物件高度 完成品 CHAPTER 19 three.js GIS 系統開發實戰――成為網頁特效的鹿丸！影子模仿術：陰影的終極原理 陰影的實作 陰影的本質 渲染問題解決方法 Self-Shadow Aliasing 問題 Bias 修正 延伸的陰影技術：Shadow Map、PCF、PCSS 各種光源所產生的陰影差異 小結 CHAPTER 20 three.js 前端 3D 視覺特效開發實戰――設備檢視器：倒影特效 成品 鏡面反射原理 開發鏡面特效 成果 envMap 是什麼？ envMap 流程 CubeCamera 怎麼照出 360 度照片的？ 什麼是 HDRI Cube 是什麼意思？ CHAPTER 21 前端 3D 視覺特效開發實戰――智慧工廠：倒影特效 成品 開發鏡面特效 進階鏡面特效 成品 小結 CHAPTER 22 智慧工廠開發實戰――Dejavu！讓鏡頭跟著拓海一起飄移：鏡頭追蹤、飄移特效 準備程式碼 鏡頭追蹤 鏡頭飄移 小結 PART Ⅲ | 用 Shader 實戰視覺特效 CHAPTER 23 WebGL Shader――你好啊大哥哥，沒想到你可以到 Shader 來呢！ Shader 是什麼 Shader 要如何開發 小結 延伸閱讀 CHAPTER 24 WebGL Shader――從認識 GLSL 開始釐清 Shader Shader 是什麼？ 寫Shader 從認識 GLSL 開始 小結 CHAPTER 25 WebGL Shader――透過自製環境光實作 Shader 傳值 實作即時變化的環境光 完成品 從實作過程中釐清變數類型 小結 CHAPTER 26 使用 Shader 創造漸層 為甚麼要用 Shader? 快速建置 Shader 環境――透過 p5.js 快速建置 Shader 環境――透過 three.js 建立具有光暈的粒子――原理 建立具有光暈的粒子――實作放射狀漸層 建立具有光暈的粒子――移動中心點 建立具有光暈的粒子――反白整個畫面 更多探索 CHAPTER 27 WebGL Shader――透過 Shader 製作光暈：速成篇 用 three.js 製作 Shader 材質 在 Vertex Shader 加上 vertexNormal 在 Fragment Shader 加上「神祕的程式碼」 完成品 小結 CHAPTER 28 WebGL Shader――透過 Shader 製作光暈：Shader 傳值的原理 觀察程式碼 vertexNormal 有值嗎？如果有的話，數值是從哪裡來的？ CHAPTER 29 WebGL Shader――透過 Shader 製作光暈：光暈原理與多種變化形式 dot() 是在哪裡宣告的？它的作用是什麼？ 我們釐清了關鍵問題，現在順一遍程式碼 透過 intensity 生成顏色 延伸嘗試 小結 CHAPTER 30 WebGL Shader――用 Shader 做全視角內光暈、星球材質 成品 全視角的內光暈 內光暈在地球的應用 外光暈 小結 後記

圖解Linux核心工作原理｜透過實作與圖解學習OS與硬體的基礎知識【增訂版】 (2版)

類似書籍推薦給您

【簡介】 📌 全彩印刷、圖解詳盡，快速學會關鍵知識 📌 將Go與Python程式的實驗與結果視覺化 透過實作與豐富的精緻圖解，對OS與硬體相關的工作原理是如何運作，進行淺顯易懂的解說，讓您對OS的運作，有更加具體而清晰的了解。 不論是新手還是老手，都很容易陷入「OS是個充滿神秘與困難的東西」的困境。為了要改善這個狀況，本書不會探討艱深的理論，而是以Linux為中心，在進入實作階段前就對Linux的工作原理進行解說，讀者只需要對Linux基本的命令有所瞭解便可輕鬆閱讀。 本書可以幫助你： ．當OS或硬體相關故障產生時，能夠冷靜處理 ．開發出有考慮到硬體特性的優良軟體 ．瞭解該依據什麼樣的指標來設計系統 【目錄】 第1章 Linux概要 　程式與行程 　核心 　系統呼叫 　函式庫 第2章 行程管理-基礎篇 　行程的建立 　行程的父子關係 　行程的狀態 　行程的結束 　殭屍行程（zombie processes）與孤兒行程（orphan process） 　訊號 　實現shell的工作管理 　常駐程式 第3章 行程排程器 　使用單一邏輯CPU 的情形 　使用複數邏輯CPU 的情形 　user+sys 比real 還要大的案例 　時間片 　上下文交換 　關於效能 　程式平行執行的重要性 第4章 記憶體管理系統 　記憶體相關資訊的取得 　記憶體的回收處理 　虛擬記憶體 　分配給行程的新記憶體區域 　分頁表的階層化 第5章 行程管理-應用篇 　行程建立處理的高速化 　行程間通訊 　互斥控制（mutual exclusion） 　互斥控制的原地打轉 　多行程與多執行緒 第6章 裝置存取 　裝置檔 　裝置驅動程式 　裝置檔名是可變的 第7章 檔案系統 　檔案的存取方法 　記憶體對映檔案 　一般檔案系統 　容量制限（配額） 　維持檔案系統的完整性 　Btrfs 所提供的檔案系統高階功能 　資料損毀的偵測/修復 　其他的檔案系統 第8章 記憶階層 　快取記憶體 　Simultaneous Multi Threading（SMT） 　分頁快取 　緩衝快取 　寫入的時機 　direct I/O 　置換（swap） 　統計數據 第9章 區塊層 　HDD的特徵 　區塊層的基本功能 　區塊裝置的效能指標與測量方法 　區塊層對HDD 效能所帶來的影響 　區塊層對NVMe SSD 的效能所帶來的影響 第10章 虛擬化功能 　什麼是虛擬化功能 　虛擬化軟體 　支援虛擬化的CPU功能 　主機作業系統是怎麼看待虛擬機器 　虛擬化環境的行程排程 　虛擬機器與記憶體管理 　虛擬機器與儲存裝置 第11章 容器 　與虛擬機器之間的差異 　容器的種類 　namespace 　安全風險 第12章 cgroup 　cgroup可控制的資源 　使用案例：CPU使用時間的控制 　應用案例 終章　本書所學到的內容與今後的應用方式

AI+IoT佈建邊緣運算：電腦視覺業界專案原理及實作 (1版)

類似書籍推薦給您

內容簡介 　　本書共5篇，第1篇、第2篇重點介紹以YOLO為代表的一階段物件辨識神經網路；第3篇、第4篇重點介紹物件辨識神經網路在雲端和邊緣端的部署，其中對邊緣端的量化原理進行了重點介紹；第5篇重點介紹當前較為流行的自動駕駛的資料計算原理和物件辨識。本書實用性非常強，既適合對電腦視覺具有一定了解的高等院校大學生、所究所學生及具有轉型意願的軟體工程師入門學習，又適合電腦視覺工程項目研發和營運人員參考閱讀。 　　第1篇，以知名電腦視覺競賽任務為例，旨在介紹物件辨識應用場景下的基本概念和約定，以及資料標注工具和格式，讓讀者具備特徵融合網路、預測網路的設計能力。對於資料後處理技術則介紹了解碼網路、資料重網路拓樸路、NMS演算法等後處理演算法，在此基礎上結合各式各樣的骨幹網路，讀者就可以架設完整的一階段物件辨識神經網路模型了。 　　第2篇，旨在介紹物件辨識神經網路的訓練全流程。本篇從資料集製作到損失函式設計，從訓練資料監控到NaN或INF異常處理，特別是對不同損失函式的設計，進行了非常詳細的原理性闡述。相比神經網路設計，損失函式的設計是最具有可解釋性的，也是電腦視覺研究中比較容易出成果的研究方向。 　　第3篇，旨在運用物件辨識神經網路的訓練成果，架設完整的物件辨識推理模型。推理模型支援雲端部署和邊緣端部署。對於雲端部署，以主流的亞馬遜雲端為例介紹；對於邊緣端部署，以GoogleCoral開發板為例，介紹神經網路量化模型的基礎原理和模型編譯邏輯。 　　第4篇，結合作者主導過的智慧交通、智慧後勤等專案，旨在介紹實際電腦視覺資料增強技術，以及神經網路性能評估的原理和具體應用。本篇還結合應用同樣廣泛的算能科技（比特中國）SE5邊緣計算閘道和瑞芯微RK3588邊緣計算系統，介紹實際專案中如何使用邊緣計算硬體加速人工智慧的產業化應用。根據邊緣計算硬體特性對神經網路進行針對性修改，是真正考驗一個開發者對神經網路理解程度的試金石。跟隨本書介紹熟練掌握2～3款邊緣計算硬體，就能更快速地將電腦視覺應用到實際生產中，在具體應用中創造價值。 　　第5篇，旨在將讀者引入三維電腦視覺中最重要的應用領域之一：自動駕駛。圍繞KITTI資料集，本篇介紹了自動駕駛資料的計算原理，並重點介紹了PointNet++等多個三維物件辨識神經網路。 　　附錄列表說明了本書所參考的物件辨識原始程式碼、Python運行環境架設，以及TensorFlow的基本操作。對基本操作有疑問的讀者，可以根據附錄中的說明登入相關網站進行查閱和提問。 目錄 第1篇 一階段物件辨識神經網路的結構設計 第1章 物件辨識的競賽和資料集 1.1電腦視覺座標系的約定和概念 1.1.1 圖型的座標系約定 1.1.2 矩形框的描述方法約定 1.2 PASCAL VOC競賽和資料集 1.2.1 PASCAL VOC競賽任務和資料集簡介 1.2.2 PASCAL VOC2007資料集探索 1.3 MS COCO挑戰賽和資料集 1.3.1 MS COCO挑戰賽的競賽任務 1.3.2 MS COCO資料集簡介 1.4 物件辨識標注的解析和統計 1.4.1 XML檔案的格式 1.4.2 XML檔案解析和資料均衡性統計 第2章 物件辨識神經網路整體說明 2.1 幾個著名的物件辨識神經網路 2.1.1 R-CNN家族神經網路簡介 2.1.2 YOLO和SSD神經網路簡介 2.1.3 CenterNet神經網路簡介 2.1.4 U-Net神經網路簡介 2.2 物件辨識神經網路分類和高階API資源 2.3 矩形框的交並比評價指標和實現 第3章 一階段物件辨識神經網路的特徵融合和中段網路 3.1 一階段物件辨識神經網路的整體結構 3.2 一階段物件辨識神經網路的若干中段網路介紹 3.2.1 單向融合的中段網路 3.2.2 簡單雙向融合的中段網路 3.2.3 複雜雙向融合的中段網路 3.3 不同融合方案中段網路的關係和應用 3.4 YOLO的多尺度特徵融合中段網路案例 3.4.1 YOLOV3的中段網路及實現 3.4.2 YOLOV4的中段網路PANet及實現 3.4.3 YOLOV3-tiny和YOLOV4-tiny版本的中段網路及實現 3.5 神經網路輸出的解碼 3.5.1 融合特徵圖的幾何含義 3.5.2 矩形框中心點座標的解碼 3.5.3 矩形框寬度和高度的解碼 3.5.4 前背景機率和分類機率的解碼 3.5.5 矩形框角點座標和解碼函式整體輸出 第4章 一階段物件辨識神經網路典型案例——YOLO解析 4.1 YOLO家族物件辨識神經網路簡介 4.2 先驗錨框和YOLO神經網路的檢測想法 4.2.1 用人為設定方式找到的先驗錨框 4.2.2 用聚類回歸方式找到的先驗錨框 4.2.3 YOLO的先驗錨框編號 4.2.4 YOLO的XYSCALE和縮放比參數 4.3 建立YOLO神經網路 4.3.1 根據選擇確定YOLO神經網路參數 4.3.2 建立骨幹網路、中段網路和預測網路 4.3.3 加上解碼網路後建立完整的YOLO模型 4.4 YOLO神經網路的遷移學習和權重載入 4.4.1 骨幹網路關鍵層的起止編號 4.4.2 中段網路和預測網路關鍵層的起止編號 4.4.3 YOLO模型的權重載入 4.5 原版YOLO模型的預測 4.5.1 原版YOLO模型的建立和參數載入 4.5.2 神經網路的輸入/輸出資料重組 4.6 NMS演算法的原理和預測結果視覺化 4.6.1 傳統NMS演算法原理 4.6.2 NMS演算法的變種 4.6.3 預測結果的篩選和視覺化 4.7 YOLO模型的多個衍生變種簡介 4.8 YOLO模型的發展與展望 第2篇 YOLO神經網路的損失函式和訓練 第5章 將資料資源製作成標準TFRecord資料集檔案 5.1 資料資源的載入 5.2 資料資源的解析和提取 5.3 TFRecord資料集檔案的製作 5.4 單樣本的example物件製作 5.5 遍歷全部樣本製作完整資料集 5.6 從資料集提取樣本進行核對 第6章 資料集的後續處理 6.1 資料集的載入和打包 6.1.1 資料集的載入和矩陣化 6.1.2 圖型矩陣尺寸的標準化 6.1.3 真實矩形框標注矩陣尺寸的標準化 6.1.4 資料集的打包處理 6.2 將原始資料集打包為可計算資料集 6.2.1 計算真實矩形框與先驗錨框的匹配度排名 6.2.2 找到真實矩形框所對應的網格下的先驗錨框 6.2.3 可計算資料集測試 第7章 一階段物件辨識的損失函式的設計和實現 7.1　損失函式框架和輸入資料的合理性判別 7.2　真實資料和預測資料的對應和分解 7.3 預測矩形框的前背景歸類和權重分配 7.4 預測矩形框的誤差度量 7.4.1 用中心點表示的位置誤差 7.4.2 用寬度和高度表示的位置誤差 7.4.3 用通用交並比表示的矩形框誤差 7.4.4 用距離交並比表示的矩形框誤差 7.4.5 用完整交並比表示的矩形框誤差 7.4.6 用交並比量化矩形框預測誤差的實踐 7.5 前景和背景的預測誤差 7.5.1 前景誤差和背景誤差的定義 7.5.2 樣本均衡原理和Focal-Loss應用 7.6 分類預測誤差 7.7 總誤差的合併和數值合理性確認 第8章 YOLO神經網路的訓練 8.1 資料集和模型準備 8.1.1 參數配置 8.1.2 資料集前置處理 8.1.3 模型參數載入和凍結 8.2 動態模式訓練 8.2.1 監控指標的設計和日誌儲存 8.2.2 動態模式下神經網路的訓練和偵錯 8.3 訓練中非法數值的監控和偵錯 8.3.1 發現和監控非法數值計算結果 8.3.2 計算結果出現非法數值的原因和對策 8.4 靜態模式訓練和TensorBoard監控 第3篇 物件辨識神經網路的雲端和邊緣端部署 第9章 一階段物件辨識神經網路的雲端訓練和部署 9.1 一階段物件辨識神經網路的推理模型設計 9.1.1 一階段物件辨識神經網路的推理形態 9.1.2 推理場景下的資料重網路拓樸路 9.1.3 構造推理場景下的YOLO模型函式 9.1.4 構造和測試YOLO推理模型 9.2 物件辨識推理模型的雲端部署 9.2.1 亞馬遜EC2雲端運算實例選型 9.2.2 使用雲端伺服器部署模型並回應推理請求 9.3 在亞馬遜SageMakerStudio上訓練雲端運算模型 第10章 神經網路的INT8全整數量化原理 10.1 神經網路量化模型的基本概念 10.1.1 神經網路量化模型速覽和視覺化 10.1.2 浮點數值的量化儲存和計算原理 10.2 神經網路量化模型的製作和分析 10.2.1 運算元的映射和合併 10.2.2 量化參數搜索和代表資料集 10.2.3 TFLite量化模型的運算元和張量分析 10.3 量化性能分析和量化模型的逐層偵錯 10.3.1 量化信噪比分析原理 10.3.2 量化模型的單層誤差偵錯 10.3.3 量化模型的誤差累積偵錯 10.4 不支援運算元的替換技巧 10.4.1 大動態範圍非線性運算元替換原理 10.4.2 大動態範圍非線性運算元替換效果 第11章 以YOLO和Edge TPU為例的邊緣計算實戰 11.1 TensorFlow模型的量化 11.1.1 量化感知訓練獲得INT8整數模型 11.1.2 訓練後量化獲得INT8整數模型 11.2 神經網路模型的編譯 11.2.1 模型編譯的工作原理 11.2.2 在Edge TPU上部署模型的注意事項 11.3 YOLO物件辨識模型的量化和編譯 11.3.1 YOLO變種版本選擇和骨幹網路修改 11.3.2 針對硬體限制進行解碼網路的修改 11.3.3 預測矩陣的整理重組 11.3.4 YOLO推理模型的建立 11.3.5 YOLO模型的量化 11.3.6 量化模型的測試和信噪比分析 11.4 YOLO量化模型的編譯和邊緣端部署 11.4.1 量化模型轉為編譯模型 11.4.2 撰寫邊緣端編譯模型推理程式 第4篇 個性化資料增強和物件辨識神經網路性能測試 第12章 個性化物件辨識資料集處理 12.1 農村公路佔道資料的物件辨識應用 12.1.1 專案資料背景 12.1.2 資料的前置處理 12.2 資料的增強 12.2.1 資料增強技術的概念和效果 12.2.2 基於空間變換的資料增強方法 12.2.3 基於顏色空間的資料增強方法 12.2.4 其他圖像資料的增強手法 12.2.5 圖像資料集的增強工具和探索工具 12.3 使用Albumentations進行資料增強 12.3.1 Albumentations的安裝和使用 12.3.2 幾何資料增強管道的配置 12.3.3 使用資料管道處理並儲存資料 12.3.4 像素資料增強管道的配置 12.3.5 增強資料集的運用 第13章 模型性能的定量測試和決策設定值選擇 13.1 神經網路性能量化的基本概念 13.1.1 神經網路預測的混淆矩陣 13.1.2 神經網路量化評估和P-R曲線 13.1.3 多分類物件辨識場景和平均精確率平均值 13.1.4 F分數評估方法 13.2 餐盤辨識神經網路性能測試案例 13.2.1 專案背景 13.2.2 提取全部真實資料和預測結果 13.2.3 模擬不同決策設定值下的精確率和召回率 第14章 使用邊緣計算閘道進行多路攝影機物件辨識 14.1 邊緣計算閘道的整體結構 14.1.1 核心TPU組件 14.1.2 計算卡和模組 14.1.3 下位機的作業系統 14.1.4 下位機的開發環境簡介 14.2 開發環境準備 14.2.1 上位機安裝Docker 14.2.2 上位機加載鏡像和SDK開發套件 14.2.3 神經網路工具鏈和主要用途 14.2.4 針對TensorFlow模型的編譯方法 14.3 浮點32位元模型部署的全流程 14.3.1 訓練主機將Keras模型轉為單pb模型檔案 14.3.2 上位機將單pb模型檔案編譯為bmodel模型檔案 14.3.3 下位機讀取和探索bmodel模型檔案 14.3.4 下位機使用bmodel模型檔案進行推理 14.4 邊緣端全整數量化模型部署 14.4.1 在上位機Docker內製作代表資料集 14.4.2 在上位機Docker內生成fp32umodel模型檔案 14.4.3 手動增加fp32umodel模型檔案的輸入層映射運算元 14.4.4 對fp32umodel模型檔案進行最佳化 14.4.5 在上位機Docker內將fp32umodel模型檔案編譯為int8umodel模型檔案 14.4.6 umodel模型檔案的偵錯技巧 14.5模型的編譯和部署 14.5.1 上位機將int8umodel模型檔案編譯為bmodel模型檔案 14.5.2 全整數量化int8bmodel模型檔案的邊緣端推導和測試 14.5.3 編譯模型在邊緣計算閘道上的性能測試 第15章 邊緣計算開發系統和RK3588 15.1 RK3588邊緣推理開發系統結構 15.1.1 開發板和核心晶片架構 15.1.2 開發板作業系統和偵錯環境 15.2開發工具鏈和神經網路模型部署 15.2.1 上位機開發環境配置 15.2.2 上位機的模型轉換 15.2.3 下位機使用編譯模型進行推理 15.2.4 RK3588的運算元偵錯技巧 第5篇 三維電腦視覺與自動駕駛 第16章 三維物件辨識和自動駕駛 16.1 自動駕駛資料集簡介 16.2 KITTI資料集計算原理 16.3 自動駕駛的點雲特徵提取 附錄A 官方程式引用說明 附錄B 本書運行環境架設說明 附錄C TensorFlow矩陣基本操作

語感靠不住！從原理掌握韓語相似字：50組字詞Ｘ大量例句Ｘ直覺式插圖，讓你精準用字不混淆（附QRCode線上音檔）

類似書籍推薦給您

韓語學習者人人必備的單字參考書！ 韓籍專業名師——水晶老師專為華語圈學習者打造， 精選50組常見相似韓語字詞， 詳細解釋帶你徹底搞懂單字差異， 選用正確的字，讓你的韓文登上巔峰！ 韓文越學越多，你也開始搞混相似字詞了？ 看著表示「馬上」的곧/바로、表示「路」的길/거리/도로、表示「地方」的곳/데/장소、表示「可怕」的무섭다/두렵다、表示「忍」的견디다/버티다/참다……覺得模稜兩可，不知道具體怎麼分辨？ 辛苦上網查資料、到處問韓文老師或韓國人，只換得一句：感覺就是這樣啊? 其實，你只要弄清楚每個單字的釋義與用法，便能迎刃而解！ 現在就打開本書，讓水晶老師一次解決你所有的疑惑。 本書特色 特色一：專為華語圈韓語學習者撰寫，精選50組高頻相似字詞 本書按詞性分類，收錄從初級階段就經常看到的相似字。不論是日常對話、閱讀文章、表達想法、寫作發文等，都能派上用場，學以致用。 特色二：詳細教學各相似字詞差異，搭配直覺插圖與大量例句 書內會一一說明每個字詞的意思與用法，還在每單元最開始，貼心設計了直覺式插圖，一目了然要學習的內容。並透過老師撰寫的大量例句，掌握單字的使用情境，讓你徹底學會！ 特色三：扎實且多元的練習題，就是要你記住 似乎讀懂了，但真的要用時又想不起來、不太確定嗎？別擔心，本書每單元最後都有設計練習題，舉凡填空、連連看、選擇等多元題型，讓你能驗證所學、加深印象。 專業推薦 Sunny│韓國導遊領隊 金善孝│中國文化大學韓國語文學系教授 阿敏│超有趣韓文創辦人 陳彥伶│韓國首爾大學韓語教育碩士、經營IG專頁「歐摸！韓文」 崔世勳│中國文化大學韓國語文學系助理教授 雷吉娜│超有趣韓文創辦人 楊珮琪（77）│IG韓文學習帳號「77的韓文筆記」創辦人/韓文自學書作者 鍾長志│中國文化大學韓國語文學系助理教授 （依首字筆畫排序） 水晶老師的這本書真的是實用度一百萬分！！韓文有很多單字翻成中文意思相同，但是使用時機卻大不同。學習的時候真的很難自行區別，問韓國朋友有時候他們也很難說出個答案。 現在有了水晶老師這本書，很多疑惑都能得到解答，書裡不僅有很多例句，還有我最喜歡的練習題，練習題還附上詳解，超級貼心！真的是韓文學習者必須人人擁有一本?──阿敏│超有趣韓文創辦人 魯水晶老師是在台灣的韓國人裡精通中文的人之一，她不僅擁有豐富的語言知識，發音也非常準確，語言表達也很出色。而且她精通台語，所以我相信她比任何人都更了解台灣人的語言生活。我們當然可以信賴這樣的專家所撰寫的詞彙書。這本書將相似的詞彙按其功能進行分類，並涵蓋了韓國的固有語和漢字詞。對於初級、中高級學習者以及實務上使用韓文的人來說，都是很用的表達，書中也用圖片與表格來輔助說明。此外，每單元還為讀者準備練習題，我認為能寫出如此實用的書籍，是非常有趣的挑戰。──崔世勳│中國文化大學韓國語文學系助理教授 同為學習韓文的中文母語者，我非常理解大家在學習相似字詞時，總是覺得混亂、傻傻分不清楚的挫敗感，如果您現在學習韓文時也有同樣的感覺，那這本書您絕對必須擁有！ 這本由水晶老師精心撰寫的《語感靠不住！從原理掌握韓語相似字》將帶領您一次搞懂50組常見相似字詞的差異，詳細的說明、豐富的例句，配上大量的練習題，讓您能更加熟悉每一個相似字詞的用法，同時書中也會針對字詞補充搭配使用的動詞或慣用語，可說是外語學習者的一大福音！──雷吉娜│超有趣韓文創辦人 韓語中有許多意義相似的近義詞，這些詞語雖然彼此意義相似，但話者可能會因為對話情境的不同而選擇使用不同的詞彙敘述，不過像我們這樣的韓語外國學習者，因為缺少母語者的語感，則必須透過學習的方式了解母語者遇到不同情境時，是如何選擇、運用這些詞彙的。 我想，我們可以藉由水晶老師的《語感靠不住！從原理掌握韓語相似字》這本書，幫助我們了解韓語母語者遣詞用字背後的思考邏輯，相信這些相似詞彙經由水晶老師有條理的梳理與歸類到不同的詞彙抽屜，可以有效幫助學習者解決詞彙使用上的困惑，並更進一步幫助學習者達到掌握韓語語感的目標。──楊珮琪（77）│IG韓文學習帳號「77的韓文筆記」創辦人/韓文自學書作者