簡報：OpenCV 4.5發(fā)布！DNN 模型在ARM平臺的推理速度提升到業(yè)界第一梯隊

AI

1. OpenCV 4.5 發(fā)布！DNN 模型在 ARM 平臺的推理速度提升到業(yè)界第一梯隊 | OpenCV中文網(wǎng)

摘要：4.5作為2020秋季常規(guī)版本，大多是在修補/完善/優(yōu)化，因5.0版本快要到來，4.x系列版本“基本”已經(jīng)進入“穩(wěn)”而不張的維護階段。 主要更新： Apache 2 授權(quán)協(xié)議，避免專利算法給 OpenCV 引發(fā)潛在糾紛；國內(nèi)公司OPEN AI LAB優(yōu)化后的 OpenCV DNN 在 ARM 上的表現(xiàn)喜人，在新引擎 Tengine lite 加持下，速度獲得了較大幅度提升，性能數(shù)據(jù)見原文； SIFT 專利到期，成為公有技術(shù)，代碼被移到主庫； 新增了實時單目標跟蹤算法SiamRPN++； 針對RISC-V指令集進行了優(yōu)化。 DNN 模塊改進了對一些層和激活函數(shù)的支持（ONNX: ReduceSum, Gather, 改進的Reshape等），后端支持 OpenVINO 到2021.1版，并修復(fù)和優(yōu)化了對CUDA 的支持。[NeuralTalk]

2. AI突破次元壁又火了！《飛屋環(huán)游記》動漫角色一秒變真人，網(wǎng)友：小羅的“貓王發(fā)型”有點酷

Github： https://github.com/eladrich/pixel2style2pixel Paper： https://arxiv.org/pdf/2008.00951.pdf

從“換臉”到“生成漫畫臉”，AI在圖像合成方面的技術(shù)已經(jīng)非常成熟了。 因為支持一鍵切換，而且效果逼真，之前抖音的一款「變身漫畫」特效還登上微博了熱搜，從明星到路人，近千萬用戶參與。國外也有一款「秒變迪士尼公主」工具網(wǎng)站，上線當天就因為訪問量過大而被迫下線。 這件事也引起了一位AI藝術(shù)家Nathan Shipley的好奇心，AI生成漫畫臉如此逼真，那么反過來，將動漫角色轉(zhuǎn)化為「真人」效果會怎么樣？剛好最近國外研究團隊推出了一款通用版AI模型——Pixel2Style2Pixel（pSp）。 因此，Shipley便利用這款A(yù)I模型，嘗試將《超級總動員》《飛屋環(huán)游記》等電影中的經(jīng)典動漫角色進行了轉(zhuǎn)換，結(jié)果也因效果太贊登上了Reddit熱榜。 這張《超級總動員》中的“飛毛腿”巴小飛，「真人版」形象比「動漫」更具喜感。

3. 歐洲發(fā)布最強AI超級計算機LEONARDO，超算系統(tǒng)格局將發(fā)生變化

超算系統(tǒng)份額將有所變化，從即將在11月發(fā)布的全球500強榜單開始。 雷鋒網(wǎng)按，本周在意大利CINCA研究中心揭幕的Leonardo（萊昂納多）超算是用了14000個Nvidia GPU，Nvidia稱其為“世界上最強大的AI系統(tǒng)”，這個系統(tǒng)在某些半精度浮點（FP16）應(yīng)用中提供10 exaflops的AI性能，在以Top500為基準進行測試時，可以提供大約200 petaflops算力。這一系統(tǒng)的推出，也將從今年底開始改變歐洲超算系統(tǒng)的格局。 作為獨立公司，Bull不可能像今天在意大利的CINECA那樣。但有了這個系統(tǒng)的支持，以及其他許多將在明年進入超算Top 500的系統(tǒng)，Atos至少在歐洲是絕對值得關(guān)注的HPC系統(tǒng)。

4. 跨越重重“障礙”，我從 PyTorch 轉(zhuǎn)換為了 TensorFlow Lite

本文作者分享了他在 PyTorch 到 TensorFlow 之間轉(zhuǎn)換的經(jīng)驗，或許可以給我們一些啟發(fā)。 我最近不得不將深度學習模型（MobileNetV2 的變體）從 PyTorch 轉(zhuǎn)換為 TensorFlow Lite。這是一個漫長而復(fù)雜的“旅程”，需要跨越很多障礙才能成功。我發(fā)現(xiàn)自己從 StackOverflow 帖子和 GitHub 的問題中搜集了一些信息。我的目標是分享我的經(jīng)驗，以幫助其他像我一樣“迷失”的人。 將深度學習模型（MobileNetV2 變體）從 PyTorch 轉(zhuǎn)換為 TensorFlow Lite，轉(zhuǎn)換過程應(yīng)該是這樣的： PyTorch → ONNX → TensorFlow → TFLite 為了測試轉(zhuǎn)換后的模型，我生成了一組大約 1000 個輸入張量，并為每個模型計算了 PyTorch 模型的輸出。這個集合后來被用來測試每個轉(zhuǎn)換后的模型，方法是通過一個平均誤差度量，在整個集合中將它們的輸出與原始輸出進行比較。在相同的輸入下，平均誤差反映了在相同的輸入下，轉(zhuǎn)換后的模型輸出與原始 PyTorch 模型輸出相比有多大的不同。

5. NVIDIA開源NeMo：基于PyTorch，允許快速創(chuàng)建會話式人工智能模型

NVIDIA NeMo 是一個基于 PyTorch 的開源工具包，它允許開發(fā)者快速構(gòu)建、訓(xùn)練和微調(diào)會話式人工智能模型。NeMo 由 NeMo Core 和 NeMo Collection 組成，NeMo Core 為所有模型和模塊提供了一個通用的“外觀”，NeMo Collection 是特定領(lǐng)域模塊和模型的組合。在 NeMo 的 Speech Collection（nemo_asr）中，你可以找到用于語音識別、命令識別、說話人識別、說話人驗證和語音活動檢測的模型和各種構(gòu)建模塊。NeMo 的 NLP Collection（nemo_nlp）包含了諸如問題回答、標點符號、命名實體識別等任務(wù)的模型。最后，在 NeMo 的 Speech Synthesis（nemo_tts）中，你會發(fā)現(xiàn)一些譜圖生成器和聲碼器，它們將讓你能夠生成合成語音。

6. Photoshop把AI論文demo打包實現(xiàn)了：照片上色、改年齡、換表情只需要點點鼠標

我們見過很多神經(jīng)網(wǎng)絡(luò)上色、換表情、修改年齡的研究和應(yīng)用，但它們往往只存在于 GitHub 上，距離「人人能用」還有一段距離。但最近，推出 Photoshop 的 Adobe 這次終于有所表示了：你們論文里的效果，我們打包實現(xiàn)了。 這兩年，我們從很多論文中看到過一些令人驚艷的 demo，比如老照片自動上色、低畫質(zhì)圖像秒變高清圖像、普通圖像一鍵變梵高風格等。 但對于不寫代碼、不玩模型的普通人來說，這些 demo 展示的應(yīng)用還是非常遙遠，或者只能從某個 APP 中找到其中一種。因此，經(jīng)常有人會問：「我也想用這個 demo 里的效果，但不懂代碼，我還有機會嗎？」 先說答案：有。 這個答案來自大名鼎鼎的 Adobe。這家極富創(chuàng)意的公司最近在 Photoshop 22.0 版更新中推出了一個新的工具包——Neural Filters，把自動上色、超分辨率、風格遷移等之前很多論文展示的功能都打包到了一起。

7. 分離硬件和代碼、穩(wěn)定 API，PyTorch Lightning 1.0.0 版本正式發(fā)布

Keras 和 PyTorch 都是對初學者非常友好的深度學習框架，兩者各有優(yōu)勢，很多研究者和開發(fā)者在選擇框架時可能會舉棋不定?；谶@種情況，grid.ai CEO、紐約大學博士 William Falcon 創(chuàng)建了 PyTorch Lightning，為 PyTorch 披上了一件 Keras 的外衣。 Lightning 是 PyTorch 非常輕量級的包裝，研究者只需要編寫最核心的訓(xùn)練和驗證邏輯，其它過程都會自動完成。因此這就有點類似 Keras 那種高級包裝，它隱藏了絕大多數(shù)細節(jié)，只保留了最通俗易懂的接口。Lightning 能確保自動完成部分的正確性，對于核心訓(xùn)練邏輯的提煉非常有優(yōu)勢。 今日，PyTorch Lightning 在推特宣布，1.0.0 版本現(xiàn)在可用了，并發(fā)布新的博客文章詳細描述了 PyTorch Lightning 的運行原理和新的 API。William Falcon 表示自己非常期待有一天，當用戶查看 GitHub 上的復(fù)雜項目時，深度學習代碼不再那么令人望而生畏。 特斯拉 AI 負責人 Andrej Karpathy 也評論稱：「這看起來很棒，也很有前途。PyTorch Lightning 倡導(dǎo)對深度學習代碼進行重構(gòu)，將『工程（硬件）』與『科學（代碼）』分割開，然后將前者委托給框架?！?/p>

8. 速度堪比Adam，準確率媲美SGD，還能穩(wěn)定訓(xùn)練GAN：全新優(yōu)化器成為NeurIPS爆款

論文鏈接： https://arxiv.org/pdf/2010.07468.pdf 論文頁面： https://juntang-zhuang.github.io/adabelief/ 代碼鏈接： https://github.com/juntang-zhuang/Adabelief-Optimizer

最常用的深度學習優(yōu)化器大致可分為自適應(yīng)方法（如Adam）和加速方案（如帶有動量的隨機梯度下降（SGD））。與 SGD 相比，許多模型（如卷積神經(jīng)網(wǎng)絡(luò)）采用自適應(yīng)方法通常收斂速度更快，但泛化效果卻較差。對于生成對抗網(wǎng)絡(luò)（GAN）這類的復(fù)雜情況，通常默認使用自適應(yīng)方法，因為其具有穩(wěn)定性。 在 NeurIPS 2020 的一篇 Spotlight 論文中，來自耶魯大學、伊利諾伊大學香檳分校等機構(gòu)的研究者提出了一種名為「AdaBelief」的新型優(yōu)化器，可以同時滿足 3 個優(yōu)點：自適應(yīng)方法的快速收斂、SGD 的良好泛化性、訓(xùn)練穩(wěn)定性。論文代碼也已經(jīng)放出。 研究者用實驗驗證了 AdaBelief 的效果。在圖像分類和語言建模方面， AdaBelief 收斂迅速，準確率高，性能優(yōu)于其他方法。具體來說，在 ImageNet 上， AdaBelief 的準確率可與 SGD 媲美。

9. 超越ResNeSt！ResNet又一改進版，即插即用的HSB漲點神器！

Paper: https://arxiv.org/abs/2010.07621 Code: https://github.com/PaddlePaddle/PaddleClas

多尺度特征對于大量視覺任務(wù)均非常重要，現(xiàn)有諸多網(wǎng)絡(luò)結(jié)構(gòu)的改進均考慮了多尺度信息的構(gòu)件。該文提出了一種“即插即用”型Hierarchical-Split Block（HSB）用于提升現(xiàn)有CNN的性能。HSB包含多個Split與Concat操作，它們共同構(gòu)成該Block的多尺度特征提?。慌c此同時，HSB具有更好的靈活性與高效性?；贖SB構(gòu)件的ResNet在多個任務(wù)上取得了極大的性能提升，比如在ImageNet數(shù)據(jù)集上，HS-ResNet50取得了81.28%的Top1精度，超過了之前亞馬遜提出的ResNeSt。下圖給出了不同ResNet的精度、推理耗時對比。

10. 美團發(fā)布AI智慧門店MAI Shop

10月13日，美團在京發(fā)布首家AI智慧門店 MAIShop，可實現(xiàn)無人自動分揀、無人配送車自動配送等。目前該智慧門店已在首鋼園落地運行。目前，用戶可在落地 MAI Shop 的園區(qū)通過沿途掃碼下單、線上 App 下單及到店自提等方式進行體驗。美團方面介紹，用戶下單后，系統(tǒng)會進行訂單的自主處理，通過自動揀選、AGV 小車配貨、打包以及無人配送車配送一系列流程，完成訂單的運作，用戶只要在相應(yīng)站點等待無人配送車送達，輸入手機收到的驗證碼，即可取到下單商品?！锯伱襟w】

11. TensorFlow Lite 開源設(shè)備端推薦解決方案 | TensorFlow

文檔： https://tensorflow.google.cn/lite/models/recommendation/overview

摘要：TFLite 開源了一個端到端解決方案來解決設(shè)備端的推薦任務(wù)。演示應(yīng)用中，集成的歷史長度N =10 的 CNN 模型，Pixel 4 手機的推理延遲僅為 0.05ms。在下一個版本中，將支持多個特征作為表示，并計劃設(shè)計更高級的用戶編碼器，例如基于 Transformer 的編碼器 (Vaswani, A., et al., 2017)。

12. LambdaResNets：拋棄注意力，比EfficientNet快3.5倍，類Transformer新模型跨界視覺任務(wù)實現(xiàn)新SOTA | 機器之心

鏈接： https://openreview.net/pdf?id=xTJEN-ggl1b
代碼： https://github.com/lucidrains/lambda-networks

摘要：該研究提出名為「lambda」的層，其提供了一種捕獲輸入和一組結(jié)構(gòu)化上下文元素之間長程交互的通用框架。lambda 層將可用上下文轉(zhuǎn)換為單個線性函數(shù)（lambdas）。這些函數(shù)直接單獨應(yīng)用于每個輸入。作者認為，lambda 層可以作為注意力機制的自然替代。注意力定義了輸入元素和上下文元素之間的相似性核，而 lambda 層將上下文信息匯總為固定大小的線性函數(shù)，從而避免了對內(nèi)存消耗大的注意力圖的需求，且可能適合在資源有限的場景如嵌入式應(yīng)用。實驗表示LambdaResNets 在所有深度和圖像尺度上均優(yōu)于基準水平，最大的 LambdaResNet 實現(xiàn)了 SOTA 水平準確度 84.8。更值得注意的是，LambdaResNets 在準確性一定的情況下比EfficientNets 要快大概 3.5 倍，速度-準確性曲線提升明顯。

Other

1. 麒麟絕唱，華為“芯”傷 | 雷鋒網(wǎng)

“華為Mate 40搭載了強大的麒麟9000芯片，是華為史上最強大的芯片?！庇喑袞|在華為Mate 40的發(fā)布會上介紹到。 根據(jù)余承東的介紹，麒麟9000是世界上首個采用5nm制程的5G手機SoC，集成153億個晶體管，相比于A14多了30%，集成8核CPU、24核GPU和NPU AI處理器，另外還搭載華為自研第三代5G移動通信芯片，與同類旗艦芯片相比均有速度方面的提升，表現(xiàn)優(yōu)異。 不過這一款“世界尖端的5G SoC”，在備受打壓之下即將成為華為手機芯片史上的絕唱。 “絕唱”一詞，給予麒麟9000肯定的同時略顯悲壯。 悲壯之外，華為從自研手機芯片發(fā)展至今，還經(jīng)歷了什么樣的變化？復(fù)盤華為手機芯片的發(fā)展歷程，可以用“一切皆有可能”概括之。

2. 研究發(fā)現(xiàn)，商業(yè)語音識別系統(tǒng)存在高錯誤率 | 雷鋒網(wǎng)

“某些語音識別系統(tǒng)（ASR）的準確性可能要比之前假定的差很多?！?/p>

這是最近約翰·霍普金斯大學、波蘭波茲南工業(yè)大學、弗羅茨瓦夫科技大學以及初創(chuàng)公司Avaya的研究人員一項正在進行的研究主要發(fā)現(xiàn)。 這項研究對內(nèi)部創(chuàng)建的數(shù)據(jù)集上的商業(yè)語音識別模型進行了基準測試。共同作者聲稱，詞錯誤率（Word Error Rate, WER）（一種常見的語音識別性能指標）要顯著高于最佳報告結(jié)果，這可能表明自然語言處理（NLP）領(lǐng)域存在更多待克服的問題。 作者基于來自1595個供應(yīng)商和1261個客戶的50個呼叫中心對話數(shù)據(jù)集對幾套ASR系統(tǒng)進行了評估。其通常時間長達8.5個小時，其中2.2個小時是對話。通過測試，作者發(fā)現(xiàn)ASR系統(tǒng)的錯誤率基本在15%以下，這與基準測試中的2%相悖。

3. 一周就能從Arm開發(fā)切換到RISC-V！5年內(nèi)RISC-V的AIoT設(shè)備將觸手可及

如果Arm被英偉達400億美元成功收購，英偉達的競爭對手們不得不考慮Arm第三方IP提供商的角色是否會改變。這可能會促使一些公司轉(zhuǎn)向新興的RISC-V指令集，但他們又會擔心RISC-V的生態(tài)的完善程度，很難下決定。 其實，全球越來越多的人開始關(guān)注和建設(shè)RISC-V生態(tài)。比如，發(fā)布了“一生一芯”計劃的中國科學院大學；以及最新獲得了小米投資，國內(nèi)最早專門提供RISC-V處理器內(nèi)核IP的芯來科技；還有RISC-V國際開源實驗室今年推出的對標樹莓派的PicoRio微型電腦系統(tǒng)，都從不同的維度促進了RISC-V生態(tài)的發(fā)展。 市場調(diào)研機構(gòu)Semico Research預(yù)測，到2025年，采用RISC-V架構(gòu)的芯片數(shù)量將增至624億顆，2018年至2025年的復(fù)合增長率高達146%。多位業(yè)內(nèi)專家都表示，RISC-V已經(jīng)在AIoT市場替代Arm芯片。芯來科技創(chuàng)始人兼CEO胡振波與雷鋒網(wǎng)交流時預(yù)測：“未來3-5年，RISC-V將觸手可及。5年內(nèi)，AIoT的生態(tài)就會完整建立起來?！?/p>

4. 麒麟絕唱！Mate40 系列問世，華為十年打造國產(chǎn)機皇，最高售價超一萬八

就在昨天，華為 Mate40 系列的全球線上發(fā)布會，正式落幕。 這是一場氣氛略為復(fù)雜的發(fā)布會，有一絲恢弘和悲壯交疊其中。 說它恢弘，是因為華為發(fā)布的 Mate40 系列無疑是國產(chǎn)智能手機的巔峰之作，尤其是它內(nèi)置的麒麟 9000 芯片，讓人看到了國產(chǎn)科技產(chǎn)品的榮耀光輝。 說它悲壯，是因為這場發(fā)布會很有可能意味著華為 Mate 系列的終結(jié)——原因自然是眾所周知的，盡管眼下還沒有什么辦法。 在發(fā)布會上，余承東說：

華為現(xiàn)在處在非常艱難的時刻，我們正在經(jīng)歷美國政府的第三輪禁令，這一禁令極不公正，導(dǎo)致我們處境艱難。

在如此艱難的處境下，可以通過閱讀原文來看一下華為帶來了什么。

5. 科技部：我國 5G 核心專利數(shù)世界第一，5G 基站超 60 萬個

10月21日消息，在今日的國新辦新聞發(fā)布會上，科技部高新技術(shù)司司長秦勇表示，我國在移動通訊上實現(xiàn)了 5G 技術(shù)的領(lǐng)跑，5G 核心專利數(shù)占世界第一，并率先實現(xiàn)了 5G 商用，目前我國 5G 基站數(shù)已經(jīng)超過 60 萬個，用戶數(shù)已經(jīng)突破 1.1 億。 同時，科技部在今日的新聞發(fā)布會上總結(jié)了“十三五”期間的成功，例如以上新能源汽車、移動通訊、第三代半導(dǎo)體、新型顯示等領(lǐng)域的進步，在超級計算、軌道交通、量子信息、增材制造等領(lǐng)域取得的一系列突破，后展望了“十四五”的道路——加強前瞻部署和大力發(fā)展以智能技術(shù)和量子技術(shù)為特征的新一代高新技術(shù)，打造我國高新技術(shù)先發(fā)優(yōu)勢；強化重點領(lǐng)域和關(guān)鍵環(huán)節(jié)的攻關(guān)布局；加快培育新一代高新技術(shù)產(chǎn)業(yè)。（IT之家）

6. 退貨！iPhone 12 藍色被嘲丑出新高度，外觀撞臉一切藍色產(chǎn)品，網(wǎng)友：沒有人比蘋果更懂環(huán)保

沒有充電器和耳機的 iPhone12 依然真香。 16 日晚蘋果的第一波預(yù)售依舊賺得盆滿缽滿，眼看真機就要到手，一波測評卻幾乎把網(wǎng)友們搞崩潰了。 直言如果真是測評視頻中這么丑的藍色，強烈要求退貨！ 就在幾天前， iPhone12 藍色便沖上了熱搜。 不好意思，iPhone 12 藍色丑到我了。

7. 美國運營商確認！iPhone12不支持雙卡5G，蘋果內(nèi)部培訓(xùn)文檔曝光

據(jù)自媒體科技獸爆料，在國外社區(qū)出現(xiàn)了據(jù)稱來自蘋果銷售培訓(xùn)文檔的 FAQ 資料截圖，其中顯示，在SIM卡+ eSIM卡的雙卡模式下使用 iPhone 12，用戶無法開啟 5G 上網(wǎng)，網(wǎng)絡(luò)速度將掉回 4G。換言之，要想回到 5G 必須開啟單卡模式，即雙卡狀態(tài)下屏蔽一張卡后才行。 對此，據(jù)快科技援引外媒報道，從美國第一大運營商Verizon拿到的PPT中再次確認了這點?；脽羝€特別指出，eSIM客戶必須拿掉實體SIM卡后才能讓iPhone 12/12 Pro啟用5G。不過，蘋果和運營商計劃在年底前通過軟件更新予以解決，使得雙卡和5G不再沖突。 看起來，雙卡和5G的沖突主要由eSIM帶來，國行iPhone 12/12 Pro/12 Pro Max是實體雙卡，到底情況如何可能需要23號使用之后才能予以揭曉。（快科技）

8. 英國政府或考慮阻止英偉達收購Arm，硅谷科技巨頭們也坐不住了

美國當?shù)貢r間 9 月 13 日，英偉達發(fā)布聲明表示與軟銀達成協(xié)議，將斥資 400 億美元收購 Arm，這被譽為芯片行業(yè)有史以來最大收購。隨后，該筆交易進入審核階段，需要獲得中國、美國、歐盟和英國的批準。 在審核階段，多家硅谷科技巨頭率先站出來對該交易提出反對，他們認為這筆交易對行業(yè)不利。根據(jù)外媒報道，英特爾、高通、特斯拉等多家廠商正在商討協(xié)調(diào)行動，預(yù)計會很快公布相關(guān)公告，以向美國和世界各國當局表達他們的擔憂。值得一提的是，蘋果也參與了此次討論。不過，蘋果之后可能會退出這一行列，因為它被預(yù)測可能會與英偉達和 Arm 單獨達成協(xié)議。 此外，英國政府文化大臣也在近日表示考慮要求競爭和市場管理局調(diào)查這筆交易。他表示：Arm 是英國科技行業(yè)的重要組成部分，為英國經(jīng)濟做出了重要貢獻。雖然收購主要是有關(guān)各方的商業(yè)問題，但政府會密切關(guān)注這些問題，當收購可能對英國產(chǎn)生重大影響時，我們（英國政府）會毫不猶豫地進一步調(diào)查并采取適當行動。

9. 只需25美元，算力提升3倍：樹莓派4計算模組上線

對于每一代嵌入式電腦樹莓派（Raspberry Pi）來說，官方都會在基礎(chǔ)版推出一段時間后發(fā)布同架構(gòu)的計算模組。樹莓派 1 的計算模組在 2014 年推出，樹莓派 3 和 3+ 的更新分別在 2017 年和 2019 年。只有最短命的樹莓派 2 沒有獲得過這樣的版本。 自 2019 年 6 月，號稱達到了「PC 級」性能的樹莓派 4 發(fā)布已經(jīng)過去十六個月了，前段時間，樹莓派開發(fā)團隊宣布推出 Compute Module 4，售價 25 美元起。 樹莓派 4 的計算模組（Raspberry Pi Compute Module 4，CM4）構(gòu)建在和樹莓派 4 相同的 64 位四核博通 BCM2711 處理器之上，性能相對前一代產(chǎn)品有了不小的提升：它有更快的 CPU 核心，更好的多媒體性能，更多的借口，以及第一次可以選擇多種 RAM 容量和無線網(wǎng)絡(luò)連接方式。同時和樹莓派 4 一樣，新的計算模組已經(jīng)可以通過雙 HDMI 接口支持兩個 4K 電腦屏幕實現(xiàn) 60 幀刷新率的顯示。

10. 82頁《現(xiàn)代C++教程》：高速上手C++ 11/14/17/20

中文版鏈接： https://changkun.de/modern-cpp/pdf/modern-cpp-tutorial-zh-cn.pdf
英文版鏈接： https://changkun.de/modern-cpp/pdf/modern-cpp-tutorial-en-us.pdf
書籍代碼鏈接： https://changkun.de/modern-cpp/code/
習題解答鏈接： https://changkun.de/modern-cpp/exercises/

C++ 自發(fā)明以來，經(jīng)歷了多次修訂，每一次修訂都為C++ 增加了新的特性并作了一些修改。 縱觀C++ 的發(fā)展史，從 C++98 的出現(xiàn)到 C++11 的正式定稿經(jīng)歷了長達十年多之久的積累。C++14/17 則是作為對 C++11 的重要補充和優(yōu)化，而C++20 將這門語言領(lǐng)進了現(xiàn)代化的大門，所有這些新標準中擴充的特性，給 C++ 這門語言注入了新的活力。 這本書假定讀者已經(jīng)熟悉了傳統(tǒng) C++ ，至少在閱讀傳統(tǒng) C++ 代碼上不具備任何困難。換言之，那些長期使用傳統(tǒng) C++進行編碼的人、渴望在短時間內(nèi)迅速了解現(xiàn)代 C++特性的人非常適合閱讀本書；
本書一定程度上介紹了一些現(xiàn)代 C++ 的黑魔法，但這些魔法畢竟有限，不適合希望進階學習現(xiàn)代 C++ 的讀者，本書的定位系現(xiàn)代 C++ 的快速上手。當然，希望進階學習的讀者可以使用本書來回顧并檢驗自己對現(xiàn)代 C++的熟悉度。

責任編輯：lq