嵌入式系統的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列懶人包和總整理

Linux錦囊妙計 第二版｜基礎操作x系統與網路管理

為了解決嵌入式系統的問題，作者CarlaSchroder 這樣論述：

　　這本隨翻即查的錦囊妙計，為所有從新手到中階的Linux用戶提供了管理一套Linux系統所需的基本技能，兼顧圖形化及命令列工具。無論你的Linux是嵌入式系統、桌上型系統、伺服器、抑或是雲端甚至虛擬環境，這些基本技能都是一體適用的。本書的目的在於協助讀者們，只需照著書中內容依樣畫葫蘆，便能儘快上手。 　　Carla Schroder提供了涵蓋特定問題的諸多妙招，同時附上簡單扼要的探討文字，說明各種招式的運作原理，以及可供事後鑽研的參考資料。 　　您可以從本書學到： 　　．使用新型的全面服務管理工具systemd 　　．以firewalld建構簡易或複雜的防火牆 　　．

為Linux系統及行動裝置設立安全的網路連線 　　．拯救無法開機的系統 　　．重設遺忘的Linux和Windows密碼 　　．使用dnsmasq簡化區域網路上的名稱解譯服務館立 　　．管理使用者和群組並控制檔案存取 　　．偵測電腦硬體並監看硬體健康程度 　　．管理GRUB開機程式並設置Linux和Windows的多重開機環境 　　．以最新式的工具保持網路間的時間同步 　　．在樹莓派上建置網際網路路由器/防火牆 　　．管理檔案系統與分割區 　　“學習Linux的必讀之書。Carla Schroder以最淺顯的方式，為讀者們導覽Linux作業系統的各種層面。”- Jack Wallen, Tec

hRepublic、The New Stack等媒體知名獲獎作者 　　“厲害的工程師都會了解手中的工具、並加以善用。但Carla Schroder的專業將令你眼界大開，讓你學到自己從未深究的Linux另一面。”- Jonathan Johnson, Dijure獨立軟體顧問兼講師

嵌入式系統進入發燒排行的影片

人體脊椎輔助檢測神經網路與系統建構

為了解決嵌入式系統的問題，作者陳紀翰 這樣論述：

人體姿態識別為一項長期發展的技術，目前被廣泛地運用在辨識人體 姿態及動作捕捉等技術中，然而，受限於目前姿態識別所標記的 16~25 點關鍵 點尚不足以用來做最重要的檢查 : 人體脊椎，使得人體姿態識別於復健醫學等 領域中的應用仍大幅受到限制，在此研究中，我們提出了神經網路與系統來執 行人體脊椎檢測輔助的工作，此神經網路檢測了相較目前人體姿態識別神經網 路額外 5 個脊椎點及 3 個肋骨點，使得我們可以檢測出頸椎前傾、駝背、骨盆 前傾及軀幹平衡等身體素質，我們收集資料並配合多階層神經網路與遷移式學 習的神經網路設計，來克服現有開源資料難以標註脊椎的問題，此神經網路設 計為與一個 17 標註點的

預訓練神經網路堆疊後，以數千筆新收集的資料進行 訓練，如此我們可以得到新增的標註點，並且得到數萬筆舊資料的模型強健 性，為了搭載此神經網路並執行脊椎輔助檢測，我們設計了嵌入式系統進行神 經網路的推論，並以應用程式呈現人體姿態各角度的量測結果，針對嵌入式系 統，我們測試了 GPU 與 FPGA 兩著進行比較，嵌入式系統的使用使得使用者 電腦規格不受限制，可以更廣泛地使用，利用此系統，可以執行自動檢測脊椎 點、計算角度及醫療履歷的建置與儲存。

自己動手做虛擬機器：解析程式語言的設計與實現(iT邦幫忙鐵人賽系列書)

為了解決嵌入式系統的問題，作者蒼時弦也（邱政憲） 這樣論述：

　　本書內容改編自第12屆iT邦幫忙鐵人賽IoT組優選系列文章《拿到錘子的我想在微控制器上面執行Ruby》。在學習程式語言的過程中，隨著我們理解的知識、技巧越來越多，我們難免需要更加深入了解我們所使用的語言。而這是一本關於程式語言設計的書籍，我們將透過mruby這款設計給嵌入式系統的Ruby語言，一步一步重現Ruby虛擬機器的部分功能，並藉由這樣的方式逐步了解一個語言的實現，且將其在開發板上執行，另外這也幫助我們重新思考使用程式語言時虛擬機器的運作及語言的關聯。 　　【內容重點】 　　我們將從閱讀原始碼開始，從前人的經驗學習如何打造一個語言虛擬機器，逐步實現一個能在ESP

8266開發板上執行，並具備物件導向特性的精簡版虛擬機器。 　　✪加法虛擬機器 　　實現一個語言的虛擬機器，並沒有我們想像中的困難，我們第一個虛擬機器會以將Ruby的「加法」實現出來為目標，透過數百行的程式碼完成一個最簡單的虛擬機器。 　　✪實現邏輯判斷 　　加入能夠在我們的虛擬機器中進行if類型的判斷，透過這樣的虛擬機器實現，進而能夠讓程式按照我們的預期進行複雜的行為。 　　✪實現物件導向 　　Ruby語言的一大特色就是物件導向特性，我們將會討論如何管理物件的封裝資訊，以及將C語言的程式碼轉換成可以在Ruby中直接被呼叫的方法等機制。 　　✪用測試驗證想法 　　本書的目標是實現一個能

夠在ESP8266開發板上執行的虛擬機器，為了減少反覆上傳程式到開發板的步驟，我們可以透過撰寫測試的方式，來驗證每一個虛擬機器的實現是否如我們所預期的來運作。 　　【目標讀者】 　　✪想了解程式語言運作原理的人。 　　✪想更好撰寫程式的人。 　　✪想在開發板上使用不同程式語言的人。 本書特色 　　逐步打造語言虛擬機器，深入了解程式語言的運作原理 　　✪每項功能都有完整實作，可更容易了解語言虛擬機器的實現方式 　　✪搭配撰寫測試驗證程式，可在學習實作之外，也學習到軟體測試的技巧 　　✪詳細分析mruby虛擬機器的基本原理，並透過簡化的方式引導學習語言虛擬機器 強力推薦 　　創造自己的程

式語言絕對不是不可能的夢想，本書透過虛擬機器來教導「創造自己的程式語言」所需要的知識，幫助你學習新的東西，可以閱讀這本書的大家實在是很幸運！──Ruby語言之父 松本行弘（Matz）  

車道辨識之卷積神經網路架構設計

為了解決嵌入式系統的問題，作者黃孟涵 這樣論述：

本論文設計並實作一款應用於車道辨識之卷積神經網路 (Convolutional neural network, CNN) 模型。首先，製作了一台架設160度廣角相機之輪型機器人，並分別使用手動及無線搖桿二種方式，控制輪型機器人在車道場地上行走在不同的位置上同時拍攝照片，蒐集到的照片作為卷積神經網路之訓練及測試資料集。接下來，使用PyTorch作為深度學習框架，包含定義CNN架構、訓練及測試模型。經過數個不同的模型參數的測試，包含隱藏層層數、全連接層之神經元數量、學習率和兩種不同的優化器等。最後設計完成之CNN模型包括：輸入層為3×220×220的三維矩陣，輸出層為5個類別的分類節點，隱藏層由

2層卷積層、2層池化層及2層全連接層所組成。此模型在車道辨識的準確率可達到99.6%。訓練完成之CNN模型被實現在輪型機器人的微控制器中，並在實驗車道場地上進行測試。實驗結果顯示在整體的測試例中，CNN模型的判斷準確率為92.5%，但在輪型機器人處於道路右側進行右轉的條件下，CNN模型準確率僅82.5%，還需進一步研究及改善。