本包针对目的：本包对图像进行训练及识别的轻量级面向小白的框架,功能在逐渐扩展中
本包目的是，低硬件成本，CPU可快速运行，面向jAVA开发的程序员简单API调用实现图像识别
本包功能说明：
因为图像属于超大浮点运算，亿对亿级，任何一点操作都会被扩大一千万倍以上，所以目前市面上的框架大都针对GPU运算
深度学习GPU价格昂贵，动则几万一块，这也是图像识别的费用门槛，而JAVA的用户一般都是使用CPU运算。
很少会使用JCUDA 包的GPU浮点操作,目前的主流算法大都使用GPU运算（速度快）。
为了保证用户对本包的使用性能，且降低部署成本，面向JAVA开发的程序员对图像的CPU快速处理，可以在CPU部署。
所以本包对一些算法进行了部分功能阉割，部分精度忽略来保证速度，并且做到可CPU快速运算。
阉割的代价，在某些精度上会有所下降，所以本包建议使用方案是对图像识别的分类
比如你要分辨当前图像 是 苹果或是香蕉或是桃子，对图像进行判断分类，精准度更高
对图像的切割，针对占比比较大的物体切割，定位。
好的让我们从HELLO WORLD 开始
testPic();
getTemple();
这有两个方法，testPic()是我们的入口
public static void testPic() throws Exception {
        //初始化图像转矩阵类
        Picture picture = new Picture();
        //初始化配置模板类
        TempleConfig templeConfig = getTemple(true);
        //初始化计算类
        Operation operation = new Operation(templeConfig);
        //标注主键为 第几种分类，值为标注 1 是TRUE 0是FALSE
        Map<Integer, Double> rightTagging = new HashMap<>();//分类标注
        Map<Integer, Double> wrongTagging = new HashMap<>();//分类标注
        rightTagging.put(1, 1.0);
        wrongTagging.put(1, 0.0);
        for (int i = 1; i < 999; i++) {
            System.out.println("开始学习1==" + i);
            //读取本地URL地址图片,并转化成矩阵
            Matrix right = picture.getImageMatrixByLocal("/Users/lidapeng/Desktop/myDocment/c/c" + i + ".png");
            Matrix wrong = picture.getImageMatrixByLocal("/Users/lidapeng/Desktop/myDocment/b/b" + i + ".png");
            //将图像矩阵和标注加入进行学习，
            operation.study(right, rightTagging);
            operation.study(wrong, wrongTagging);
        }
        //获取训练结束的模型参数，提取出来转化成JSON保存数据库，下次服务启动时不用学习
        //直接将模型参数注入
        //获取模型MODLE
        ModelParameter modelParameter = templeConfig.getModel();
        //将模型MODEL转化成JSON 字符串
        String model = JSON.toJSONString(modelParameter);
        //将JSON字符串转化为模型MODEL
        ModelParameter modelParameter1 = JSONObject.parseObject(model, ModelParameter.class);
        //初始化模型配置
        TempleConfig templeConfig1 = getTemple(false);
        //注入之前学习结果的模型MODEL到配置模版里面
        templeConfig1.insertModel(modelParameter1);
        //将配置模板配置到运算类
        Operation operation1 = new Operation(templeConfig1);
        //获取本地图片字节码转化成降纬后的灰度矩阵
        Matrix right = picture.getImageMatrixByLocal("/Users/lidapeng/Desktop/myDocment/test/a101.png");
        Matrix wrong = picture.getImageMatrixByLocal("/Users/lidapeng/Desktop/myDocment/b/b1000.png");
        //进行图像检测
        operation1.look(wrong, 3);
        operation1.look(right, 2);
    }

    public static TempleConfig getTemple(boolean isFirst) throws Exception {
        TempleConfig templeConfig = new TempleConfig();
        //创建一个回调类
        Ma ma = new Ma();//创建一个回调类
        //注册输出结果回调类 必写
        templeConfig.setOutBack(ma);
        //全连接层深度,默认为2 选填
        templeConfig.setDeep(2);
        //要学习几种分类 默认为1 选填
        templeConfig.setClassificationNub(1);
        //设置图像行列比例的行，默认为5 选填
        templeConfig.setRow(5);
        //设置图像行列比例的列，默认为3 选填
        templeConfig.setColumn(3);
        //对模版进行初始化 Ps:初始化一定要在所有参数设置完成后设置，否则设置无效。
        // 使用默认值（模型参数注入除外）若无需注入参数 选择TRU，若注入模型参数选择FALSE
        //相似说明见 文档1
        templeConfig.initModelVision(isFirst);//对模板初始化 使用模板视觉
        return templeConfig;
    }