一、工厂模式核心：1、实例化对象不再用new，用工厂方法2、选择实现类，创建对象统一管理和控制，从而将调用者跟实现类解耦。调用者不用知道实现类的细节，直接使用即可，实现细节交给工厂。这两句话很重要，我们在后面代码中会体会到。工厂模式又可分为三种模式：（1）简单工厂模式（2）工厂方法模式（3）抽象工厂模式1.1 简单工厂模式这里我们用消费者买车的案例，小明要买车，从大众和长安汽车选一辆，我们先用原始

基于若依框架开发的员工绩效考核系统，源码、数据库免费分享

前言思来想去，还是写下CNN原理吧，也是自己回顾一下，做个总结，觉得不错的话，欢迎点赞，收藏。卷积神经网络（Convolutional Neural NetWork）一、卷积神经网络的结构卷积神经网络主要由卷积层、下采样层、全连接层 3种网络构成。。上述三种网络层排列组合可以构建一个完整的卷积神经网络，下图为一个简单卷积神经网络。输入层->卷积层->下采样层->卷积层->下

基于若依框架开发的员工绩效考核系统，源码、数据库免费分享

前言思来想去，还是写下CNN原理吧，也是自己回顾一下，做个总结，觉得不错的话，欢迎点赞，收藏。卷积神经网络（Convolutional Neural NetWork）一、卷积神经网络的结构卷积神经网络主要由卷积层、下采样层、全连接层 3种网络构成。。上述三种网络层排列组合可以构建一个完整的卷积神经网络，下图为一个简单卷积神经网络。输入层->卷积层->下采样层->卷积层->下

前言本文分为两部分：1、损失函数、代价函数、目标函数包括keras中常用损失函数及其使用场景2、优化函数一、损失函数、代价函数、目标函数1、损失函数：衡量预测值与真实值的偏离程度，损失函数就是一个”裁判“，判断函数拟合的效果好不好，评价网络训练的好坏，所以它是一个评价指标。损失函数是针对一个样本的，即一个样本的预测值与其真实值的差距，误差越小，拟合的越好。2、代价函数：针对整个训练集，将每个样本的

前言本篇是对ResNet学习的总结，希望对你有帮助。一、ResNet背景介绍ResNet在2015年被提出，该文章称为Deep Residual Learning for Image Recognition并且该网络在ImageNet比赛分类任务上获得第一名，这个文章一出可以说影响十分巨大，以至于ResNet网络中提出的残差结构在如今应用越来越广泛。那么我们可以先抛出一个问题，为什么ResNet如

前馈神经网络（FNN）前馈神经网路是一种单向多层的网络结构，信息从输入层开始，逐层向一个方向传递，即单向传递，一直到输出层结束。前馈的意思就是指传播方向指的是前向。前馈神经网络由三部分组成：输入层（第0层），输出层（最后一层），中间部分称为隐藏层，隐藏层可以是一层，也可以是多层 。FNN如下图所示，其中圆圈是神经元。学习神经网络前向传播与反向传播推导过程必须了解，这是许多网络的基础，推荐下面的up

前言本文分享一种基于matlab的图像光线增强方法，我们先看效果图。文末会放免费链接。正文链接如下：链接：https://pan.baidu.com/s/1ZKmxE6wyJ2q85Wre5J964A提取码：o0pv

前言本文将分享一种基于matlab的图像去高光方法，是最近处理一些医学图像，效果相对比较好的，现在免费分享一下，我们先看一下效果。下图为一个患者肠胃镜拍的图片，左边为原图，右边为处理后的图像。注意这里必须安装matlab2018b才能运行出来，我一开始装的是2016，会报错，2018a还是报错，室友说可能版本问题，让我改成2018b，结果真的就成了，安装真的好慢！！百度云链接在文末。注：图片只作为