安裝git的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列線上看、影評和彩蛋懶人包

人工智慧開發第一步 (硬體建置篇)

為了解決安裝git的問題，作者曹永忠,許智誠,蔡英德,郭耀文 這樣論述：

　　本書得以付梓，一切都要感謝MakerPro(https://makerpro.cc/)的主編：歐敏銓總主編邀請筆者針對目前人工智慧的熟門議題，開啟一個『人工智慧整合開發專欄』起說起，希望可以將筆者的經驗分享給各位讀者，而開始的議題則是物件偵測著手，由於筆者也到財團法人資訊工業策進會的AIGO計畫受訓，並且將學習心得與實務經驗整合，便著手開始攥寫『人工智慧整合開發專欄』，筆者發現，一切從零開始方為最踏實的方式，所以筆者開啟了『人工智慧整合開發系列』的第一本書：人工智慧開發第一步(硬體建置篇)，以硬體主機的安裝與設定為基礎教學書籍開始攥寫，開始了本書的源起。 　　這幾年來

，人工智慧無異是最熱門的議題，各種的應用無不一一崛起，人臉辨識整合到門禁、環境監控等，物件辨識整合到無人結帳櫃檯、農產品品質監控、環境監控等，X光片、生理切片等生醫應用更是如火如荼的興起。但是有經驗的開發者、學者、實踐者深知，人工智慧背後帶來的數理基礎、系統開發的難度、系統整合的複雜度，比起以往的單一學門的學理與技術，更是困難許多。 　　筆者不敢自稱人工智慧非常了解，只能算是喜好與研究者，對於人工智慧於物聯網、工業四、環境監控等議題相當有興趣，希望在學習人工智慧時，可以快速把人工智慧的應用整合到上述的領域之中，可以創造出更多創造性、更具影響性、更佳的實務性等應用，於是開始了本系列：人工智慧整

合開發系列的攥寫。  

深入理解邊緣計算：雲、邊、端工作原理與源碼分析

為了解決安裝git的問題，作者崔廣章 這樣論述：

這是一本從環境搭建、部署配置、系統架構、工作原理、源碼分析、二次開發等維度系統講解如何打造協同的雲、邊、端系統的著作。 崔廣章 之江實驗室高級研究專員，資深雲計算和邊緣計算技術工程師。   從2014年接觸雲計算以來，參與過多個雲計算生產項目，其中代表性的專案有基於OpenStack進行定制開發的運營商私有雲、政務雲，基於開源容器雲方案定制開發的面向運營商的資料中心作業系統（DCOS），2018年開始從事邊緣計算相關研究與開發。 前言 基礎篇 第1章　邊緣計算入門3 1.1　邊緣計算系統3 1.1.1　邊緣計算系統的組成3 1.1.2　概念解析6 1.2　

邊緣計算的意義11 1.3　邊緣計算系統的部署與管理11 1.3.1　系統部署11 1.3.2　系統管理23 1.4　不同應用部署方式的比較25 1.5　本章小結27 第2章　雲、邊、端的部署與配置29 2.1　邊緣計算整體架構29 2.2　部署雲部分—Kuberetes31 2.2.1　Kuberetes相關的容器運行時部署31 2.2.2　Kuberetes的學習環境部署34 2.2.3　Kuberetes的生產環境部署39 2.3　部署邊緣部分—KubeEdge45 2.3.1　以系統進程的方式部署KubeEdge45 2.3.2　以容器化的方式部署KubeEdge51 2.4　部署端部

分—EdgeX Foudry52 2.4.1　以系統進程的方式部署EdgeX Foudry53 2.4.2　以容器化的方式部署EdgeX Foudry57 2.5　本章小結60 原理篇 第3章　邊緣計算系統邏輯架構63 3.1　邊緣計算系統邏輯架構簡介63 3.2　雲、邊協同64 3.3　邊、端協同65 3.4　雲、邊、端協同68 3.5　本章小結68 第4章　雲部分原理解析71 4.1　整體架構71 4.2　邏輯架構72 4.3　控制流程74 4.3.1　集群基礎設施層面的資源的控制流程74 4.3.2　集群中應用負載層面的資源的控制流程77 4.4　資料流程81 4.4.1　集群內應用負

載間的資料訪問流81 4.4.2　集群外應用到集群內應用負載的資料訪問流86 4.5　資源調度88 4.5.1　資源調度流程88 4.5.2　資源調度演算法和調度策略89 4.6　資源編排90 4.7　本章小結91 第5章　邊緣部分原理解析93 5.1　KubeEdge的整體架構93 5.2　與雲交互的組件94 5.3　管理邊緣負載的元件96 5.4　與終端設備交互的組件97 5.5　雲、邊協同98 5.6　設備管理模型100 5.7　邊緣存儲和網路資源102 5.8　邊緣節點管理103 5.8.1　以節點的形式管理邊緣計算資源103 5.8.2　以獨立集群的形式管理邊緣計算資源104 5.8

.3　以多集群的形式管理邊緣計算資源105 5.9　本章小結106 第6章　端部分原理解析107 6.1　整體架構107 6.2　設備服務層108 6.3　核心服務層110 6.4　支援服務層115 6.5　匯出服務層119 6.6　安全性群組件122 6.7　系統管理元件122 6.8　本章小結123 源碼分析篇 第7章　雲部分源碼分析127 7.1　搭建開發環境127 7.1.1　安裝Go和GoLad127 7.1.2　安裝Git並下載Kuberetes源碼130 7.1.3　Go Modules簡介130 7.1.4　下載Kuberetes的源碼依賴131 7.2　Kuberetes源

碼整體結構分析131 7.3　元件源碼分析133 7.3.1　共用命令列工具庫Cobra133 7.3.2　Kube-apiserver136 7.3.3　Kube-cotroller-manager140 7.3.4　Kube-scheduler145 7.3.5　Kubelet148 7.3.6　Kube-proxy150 7.4　本章小結153 第8章　邊緣部分源碼分析155 8.1　搭建開發環境155 8.2　源碼整體架構分析155 8.2.1　源碼目錄及元件源碼入口155 8.2.2　元件中各功能模組的共用框架和功能分析160 8.3　元件源碼分析166 8.3.1　設定檔讀取166

8.3.2　CloudCore172 8.3.3　EdgeCore之Edged180 8.3.4　EdgeCore之DeviceTwi189 8.3.5　EdgeCore之EdgeHub195 8.3.6　EdgeCore之EvetBus202 8.3.7　EdgeCore之MataManager206 8.3.8　EdgeCore之EdgeMesh212 8.4　本章小結217 第9章　端部分源碼分析219 9.1　搭建開發環境219 9.2　源碼整體架構分析219 9.3　元件源碼分析220 9.3.1　Cofig-seed221 9.3.2　Core-command232 9.4　本章

小結238

智慧型雙足機器人之設計與實現

為了解決安裝git的問題，作者許哲維 這樣論述：

如今在機器學習如此成熟的年代，利用深度學習來替人們工作已是現在的趨勢，不僅能夠高效辨識各種物體以及事物，還能廣泛應用在各種不同領域，替人們減輕許多負擔，經過許多的比較後。本研究的第一部分選擇將YOLOV4作為辨識用模型，因運算量小無須連結伺服器主機，能精確辨識物體且運算快速的特性，適合在本研究中採用， 因此選擇YOLOV4作為辨識用神經網路來訓練，為了改善只有視覺作為避障的唯一傳感器，本研究的第二部分是加入景深相機D435i，配合YOLOV4神經網路便可以更精準地測量前方障礙物的距離以及深度關係。本研究的第三部分是設計一套輕巧智能的控制器以實現上述的障礙辨識能力，第四部份為雙足機器人機構設計

，在自然界中有許多雙足步行的生物，其獨特的形式就算在滿是障礙物的區域，其機動性仍然非常高，因此本研究選擇使用雙足機器人進行避障，並參考雙足生物鴕鳥後進行設計。在未來硬體效能越來越強大且體積越來越小，便能夠設計出像人類般高速辨識且高機動性的雙足機器人，不僅可以代替人類完成高危險的工作，也可以協助搬運物資到交通工具無法到達的地方等等。