這個專案做得差不多了，如以前教學生員工的原則，做軟體的程序是；功能正確→效能優化→介面友善！所以這幾天更深入的整理分析所有的規劃流程，重點在於減少不必要或重複的搜尋運算，整合可以合併的陣列資料。減少計算次數當然可以省時間，很多人沒注意到的是：節省記憶體用量也可以大幅提高效能！

對於複雜的影像辨識或規劃流程來說，過程中必然會有很多暫時使用的陣列或集合物件，就像你在忙碌混亂的工作中的貼紙便條一樣，沒有它們，你的思考記憶就會更加沉重疲累，也容易遺漏一些細節。但是當你已經把事情程序都規畫好了，有了確定的SOP，你就應該回頭整理雜亂的廚房了！你很可能為了同一件事情寫了三張貼紙，或某些菜從冰箱拿出來最後卻沒用到？之類的！

事實是：記憶體使用得越少，運算過程中的陣列或集合物件越精簡，系統移動複製記憶區塊的時間也會越少！所以速度快的程式通常記憶體也是用量很少的程式，我做的軟體都有這種特色！你也可以說我是最環保的軟體開發者！我賣的軟體以一樣的功能來說，一定是最節能省電愛地球的！

如上程式執行巔峰時的CPU與記憶體用量如下，這樣夠省了吧！連我的車牌辨識軟體巔峰用量都只是一百多M而已！相對於一般動輒4G到8G的電腦記憶體來說，可以說根本不痛不癢！買我的軟體是永遠不必擔心需要額外增加記憶體，或是弄甚麼GPU來輔助運算的！重點是AI的程度還一點都不遜色！

現在所謂的AI最大的迷思偏頗就是將演算法的形成工作大量仰賴機器學習，如此產生的演算過程，當然無法精確的理解掌握與整理，所以如果你是使用機器學習的模式工作的話，我前面說的這些概念對你就毫無用處了！你自己都不知道演算的流程，我也無法幫你精簡了！修改一個細節，可能整個軟體就崩塌了！

因為這些經驗，我知道一旦引用機器學習後，我必須付出的沉重代價，包括再也無法如此更新優化我的軟體！所以我雖然未曾排除日後使用機器學習的可能性，但如果不是真有足夠的利基，或不得不用的原因，我採用機器學習的機率是非常低的！ML是我做AI的下下策！也因此大家應該知道，機器學習不論在開發過程或日後使用上，都是效率蠻差的選擇！是很不環保的！如果你愛地球就應該審慎使用。