|
|
|
|
@ -1,5 +1,17 @@
|
|
|
|
|
# medicine
|
|
|
|
|
## 前端思路
|
|
|
|
|
#### *第一步、思路构思*
|
|
|
|
|
- *创建web项目，使用Java进行编写*
|
|
|
|
|
- *spring-boot作为框架、mybatis作为数据库框架*
|
|
|
|
|
- *mysql作为数据库*
|
|
|
|
|
- *前端代码使用vue、html、js等语言进行编写*
|
|
|
|
|
#### *第二步、创建项目*
|
|
|
|
|
- *使用maven创建springboot项目*
|
|
|
|
|
- *导入需要的依赖*
|
|
|
|
|
##### 未完
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
## 图像识别思路
|
|
|
|
|
#### *第一步、搜集数据集*
|
|
|
|
|
|
|
|
|
|
- *文件保存在picture文件夹中*
|
|
|
|
|
@ -23,18 +35,14 @@
|
|
|
|
|
- *激活函数选择*
|
|
|
|
|
- *使用softmax作为激活函数*
|
|
|
|
|
|
|
|
|
|
- $$
|
|
|
|
|
Softmax(z_{i} )=\frac{e^{z_{i}}}{ {\textstyle \sum_{c=1}^{c} e^{z_{c}}}}
|
|
|
|
|
其中zi为第i个节点的输出值，c为输出节点的个数
|
|
|
|
|
$$
|
|
|
|
|
- $$Softmax(z_{i} )=\frac{e^{z_{i}}}{ {\textstyle \sum_{c=1}^{c} e^{z_{c}}}}
|
|
|
|
|
其中zi为第i个节点的输出值，c为输出节点的个数$$
|
|
|
|
|
|
|
|
|
|
- *损失函数选择*
|
|
|
|
|
|
|
|
|
|
- *使用二元交叉熵给出*
|
|
|
|
|
|
|
|
|
|
- $$
|
|
|
|
|
Loss = \frac{1}{N} \sum_{i=1}^{N}[y_{i}log(p(y_{i})) + (1-y_{i})(1 - log(p(y_{i})))]
|
|
|
|
|
$$
|
|
|
|
|
- $$Loss = \frac{1}{N} \sum_{i=1}^{N}[y_{i}log(p(y_{i})) + (1-y_{i})(1 - log(p(y_{i})))]$$
|
|
|
|
|
|
|
|
|
|
- *优化器选择*
|
|
|
|
|
|
|
|
|
|
|
