用 TypeScript 做领域建模

图片

静态类型的函数式编程语言鼓励一种非常不同的类型思考方式。类型系统是你的朋友,而不是一个麻烦,可以以许多方式使用,这些方式可能对OO程序员来说并不熟悉。 

类型可以用细粒度的、自文档化的方式来表示领域。在许多情况下,类型甚至可以用来编码业务规则,这样你就不会创建错误的代码。然后,你可以使用静态类型检查几乎作为即时单元测试 - 确保你的代码在编译时是正确的。

在这篇演讲中,Scott将通过一些简单的现实世界示例,探讨一些可以将类型作为领域驱动设计过程的一部分的方法。没有术语,没有数学,也没有先前的FP经验。 

视频地址:

https://mp.weixin.qq.com/s?__biz=MzU3NjM0NjY0OQ==&mid=2247486113&idx=1&sn=31f57d674214ac7d30c7c5439ce83b08&chksm=fd1405d7ca638cc10a3307f5c2bdf0ac154aaad3c6d25f61d4f41720b231fedb44d6f062ce97&token=2136455829&lang=zh_CN#rd    

关于Scott Wlaschin 

Scott Wlaschin是一名开发人员、架构师和作家。他是流行的F#网站fsharpforfunandprofit.com的作者,以及 Pragmatic Bookshelf出版的《Domain Modeling Made Functional》一书的作者。Scott以其非学术的函数式编程方法而闻名,他是一位受欢迎的演讲者,并在NDC、F# Exchange、DDD Europe和其他世界各地的会议上发表了演讲。

 欢迎关注公众号:文本魔术,了解更多

  • 20
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值