目录
摘要 1
关键词 1
ABSTRACT 1
KEY WORDS 1
引言 1
1 概念与提出问题 1
1.1边缘计算 1
1.2机器学习 1
1.3 TensorFlow Lite 3
1.4 提出观点与问题 4
2 解决方案 4
2.1 Mobile Bert 4
2.2 在微控制器上运行TensorFlow Lite 6
3 12306网站“不定数汉字倒置验证码”问题 7
3.1 明确问题与数据准备 7
3.1.1 问题明确 7
3.1.2 TensorFlow Lite支持库 7
3.1.3 数据准备 8
3.2 构建模型 8
3.2.1自定义模型的部署 8
3.2.2 模型部署实例 9
3.2.3 构建模型 9
3.3模型训练与验证 9
3.3.1 TensorFlow Lite Select 9
3.3.2 选择性注册技术 10
3.3.3 模型训练 10
3.3.4 模型验证 10
3.4 模型优化与推论 10
3.4.1 性能 10
3.4.2 提高模型性能 11
3.4.3 模型推论 13
3.5 模型输出 13
4 结论 14
4.1 结论 14
4.2 TensorFlow Lite的未来发展 14
致谢 15
参考文献 15
附录A 16
附录B 16
附录C 16
附录D 18
附录E 19
附录F 19
附录G 21
附录H 21
附录I 21
附录J 21
附录K 23
附录L 24
附录M 25
附录N 25< *51今日免费论文网|www.51jrft.com +Q: @351916072@ 
br /> 附录O 25
附录P 25
附录Q 26
附录R 26
图21 5
图22 5
图31 11
图32 12
利用机器学习解决12306网站验证码问题
摘 要
本文旨在揭示TensorFlow Lite在嵌入式设备上实现机器学习的方式，并用其解决日常生活中的实际问题。本文对12306网站中的“不定数汉字倒置验证码”问题进行模型抽象和提取数据，利用TensorFlow Lite构建神经网络来进行识别数据，同时以TensorFlow Lite自定义模型部署、TensorFlow Lite Select以及如何在微控制器上运行TensorFlow Lite等技术手段为基础，建立机器学习模型，并对该模型进行训练，在训练过程中，模型会产生2个数据迭代器，利用数据迭代器进行对该模型的验证，其次在保证模型准确性的前提下，利用量化、修剪、硬件加速器、使用移动优化架构和逐操作分析等技术手段来提高模型性能，最后检验模型输出结果是否能够解决实际问题。从模型输出结果可以得知，该模型能够正确解决12306网站中的“不定数汉字倒置验证码”问题。这说明TensorFlow Lite能够在嵌入式设备上实现机器学习。
目录

原文链接：http://www.jxszl.com/jsj/xxaq/606943.html