到底要不要去外包公司?这篇带你全面了解外包那些坑!

UniTouch:多模态触觉对齐技术如何重塑零样本跨模态应用 UniTouch模型通过创新的多模态触觉对齐技术,成功将触觉数据映射到通用的视觉-语言嵌入空间,解决了触觉模态的“孤岛困境”。该技术利用对比学习和传感器特定标记,实现了高质量的零样本学习能力,使模型无需额外训练即可完成触觉分类、描述等任务,并能驱动跨模态生成,为机器人、VR和智能制造等领域提供了强大的触觉理解新范式。 阅读详情

点击上方“芋道源码”,选择“设为星标”

管她前浪,还是后浪?

能浪的浪,才是好浪!

每天 10:33 更新文章,每天掉亿点点头发...

源码精品专栏

 

来源:程序员小谭


  • 要不要去外包公司

  • 外包公司坑不坑

  • 我应聘上了某自研公司和某外包公司,该去哪一个

虽然我没在外包公司工作过,但根据行内评价和一些朋友的经验之谈,我一般只会建议两条:

  • 如果你只有外包公司的offer,那没得选;如果有其他公司的offer,就不要考虑外包公司

  • 如果你不是特别缺钱,就不要考虑外包公司

为什么这么说?

请仔细阅读本文,我将从外包公司的分类、薪水、技术、职场环境、职业发展 这几点娓娓道来。

我翻阅了不下100篇关于外包公司的文章、帖子,总结精华,并结合自身所见所闻成文。

tips:此文,只针对技术外包岗位,其他诸如HR、行政等外包,有相同点,也有不同点,不在本文讨论范围内。

外包公司的分类

外包一般分为两类:人力外包、项目外包。

人力外包

首先,弄明白为什么要有人力外包:

  • 某大型A公司,短期项目多且紧,但人手不足,又考虑到项目结束后,人员会冗余,基于成本,于是找人力外包公司,找几个人来赶项目,用完即“弃”

  • 某大型B公司,想尝试一些非核心的业务,但并不确定收益如何,考虑到新招员工的成本和后期安置问题,于是找人力外包公司合作

  • 某初创C公司,正值业务摸索阶段,也没拿到多少投资,能不能活过今年都不清楚,于是找人力外包公司合作,先搞个试水项目出来,如果不行,也不用担心公司人资问题

总结起来,便是:人力成本高,项目完成后,安置员工困难,找人力外包公司解决问题。

项目外包

首先,弄明白为什么要有项目外包:

  • 某传统餐饮企业,想自己搞一个线上点单的平台,但这不属于他们的业务擅长范围,也不想成立IT部门,于是找到了项目外包公司,搭建一套点单服务

  • 某县政府,想做一个扶贫网页和扶贫APP,用于宣传和开展扶贫工作,于是直接找项目外包公司,做出这样一个系统

  • 某知名博主,想搭建个人网页宣传自己,但考虑到自建和维护的时间,兼顾性价比后,最终选择项目外包公司建站

总结起来,便是:自己不会的、自己懒得做的,找项目外包公司解决问题。

此外,项目外包还有一种,专做toB的项目,可称之为“半外包”。

比如某公司有一套专为政府打造的呼叫系统,该项目的著作权、专利权等归公司所有,该公司销售人员和项目经理,通过招投标形式投中政府项目,并根据政府要求,在该系统的基础上做定制开发。

该类,像项目外包又不像项目外包,可称之为“半外包”,工作环境和工作内容比外包公司好。

基于 Spring Boot + MyBatis Plus + Vue & Element 实现的后台管理系统 + 用户小程序,支持 RBAC 动态权限、多租户、数据权限、工作流、三方登录、支付、短信、商城等功能。

项目地址:https://github.com/YunaiV/ruoyi-vue-pro

外包公司的工资

优点

部分外包公司开出的薪水较高,并且能够开出大于求职者自身技术能力的薪水。

缺点

薪水虚高

职场老人都知道,薪水分为显性薪水和隐性薪水。月薪1w,社保公积金按全额工资购买和按基础工资购买,完全是两码事。

外包公司通常是后者,买最低的社保,拿最低的福利。

涨薪难

比如人力外包公司:企业同外包公司签订合同,协商的价格是2w/人,外包公司给你的薪水是1w,中间的差额便是外包公司的利润,你加薪,他的利润便会减少。

说白了,外包公司挣的是人头费 (用工单位给外包公司的预算 - 外包公司实际发给你的工资)。

所以,加薪,一点也不现实。

晋升难

通常,项目外包公司的薪酬和晋升空间,相较人力外包公司,会大一些。

但一个萝卜一个坑,外包公司的坑,总是比其他公司更难占领,竞争更激烈。

基于微服务的思想,构建在 B2C 电商场景下的项目实战。核心技术栈,是 Spring Boot + Dubbo 。未来,会重构成 Spring Cloud Alibaba 。

项目地址:https://github.com/YunaiV/onemall

外包公司的技术

优点

对新手来说,十分友好,新人成长比较快。

因为进入外包公司,新人会接触到大量的实战项目,短期内,可以快速补齐技术。

但另一方面,外包公司一般不会找新手。因为外包项目大多是紧急的,有质量工期要求,新手能力不足,无法满足项目需求。

缺点

技术更新慢

外包公司很多项目是基于已有项目建立,比如一套后台管理系统,可拆分给无数个企业用。

外包项目讲究的是效益 ,即,用最短的时间、最少的人力上线,这种模式会导致技术人员使出复制粘贴的技能,只做重复性工作,无法探究新的技术领域。

长期待在外包公司,你会发现过了三五载,你还跟刚进入公司时一样,研究的同一套系统、同一套技术,个人很容易达到技术瓶颈。

即便你自学了当下的前沿技术,也很难应用在工作上。因为企业对外包有诸多限制,比如不可带外部设备、不可访问外网,同时,外包公司求稳,也不会让你“胡搞”。

难以系统掌握技术

跟上一点类似,企业有限制,大部分企业不会让外包人员参与核心功能模块 。外包公司接来的项目,很多是非常小的功能或组件,你没办法系统化的了解一个项目。

并且,外包人员大部分做的是从0-1的项目,不会跟进后期的产品迭代和需求变更,对产品的生命周期等相关事宜都不了解。

温水煮青蛙

这是最严重的。

公司安排你做什么,你就得完成什么。如同流水线上的工人,并不需要思考,拧螺丝便是,成为真正的工具人。

说白了,公司只会告诉你该干什么,多久干完,至于为什么出发,没人会鸟你。

外包公司的职场环境

优点

如果被外派到腾讯、阿里等大公司,实际工作是和大公司的人一起工作,工作流程相对规范。你可以学习大公司的流程,从大公司的牛人身上学到很多东西,以后跳槽到其他中小公司时,可以做做降维打击。

但另一方面,几乎所有的外包岗位都是低级或初级岗位,接触不到工作核心内容。

所以,这是一个伪命题,多少有点赌的成分,赌你去的外包公司不坑人,赌跟你合作的人十分友好。

缺点

寄人篱下

你会切实感受什么三六九等 ,特别是驻场外包(外包到企业,在企业内工作):

  • 正式工可能拿着比你高的薪酬,以及全额的五险一金,做着比你轻松的事情

  • 你可能需要在专门给外包人员划出来的工作区域工作,有特殊工牌,连保洁和门卫都会对你“另眼相看”

  • 节假日礼品福利,外包人员和正式工,会分开发,或者,外包人员压根没有

  • 年终奖,更别提了

有句话很经典:

软件外包是是少见的,把不平等写在纸上,而且在空间和时间上,还让不平等的双方朝夕相处,备受心理失衡的折磨。

不稳定

在外包公司,不存在你会在这家公司一直干的说法。当一个公司的项目做完之后,你可能会被派去另外一家公司,经常换工作地点,是一件很痛苦的事情。更有甚者,项目结束后,只给你发基本工资,或者就地解散。

此外,裁员优先会裁外包人员。

背锅

你还记得,今年年初的PDD员工猝死事件吗?

2eecf26af228efa4473b60cb746a2a33.png efb7bbe06526d7d862ce7932ac1204ea.png

此点,不过多展开。

但很多企业处理公共危机,往往是让临时工(外包人员)出来背锅。

压力大

苦活、累活、脏活,都是外包人员做。赶项目的时候,经常加班,996很普遍。甚至正式员工下班后,外包人员还得继续加班。

外包人员的职业发展

简历难写

外包人员做的项目杂、多,但不精,对产品的后期迭代不了解,故,很多公司不愿意招聘有外包经历的员工。

试想,你在写项目的时候,一会写金融项目、一会写教育项目、一会写电商项目,对啥行业都懂一些,但同时对行业都不精通,有什么优势呢?

想转为正式员工?

很多人抱着侥幸心理,觉得在大公司工作久了,再加上一些外包公司HR的不停忽悠和洗脑,认为凭借自身努力,可以转成正式员工。

这种机会不能说没有,但绝对绝对特别少,要占尽天时地利人和 。即,你必须在一群外包员工中特别优秀,或者上面有人能看到你的优秀,并且,外包转正的要求和门槛非常高,甚至超过对正式工的要求。

有这种想法时,你得三省吾身:你能不能成为那个No.1?你能确定去的外包公司有机会?如果你是那个能力优秀的No.1,当初为什么没有其他企业要你?

外包转正,望梅止渴。

到底要不要去外包公司呢?

如果你:

  • 刚转行或者刚毕业,没有太多的项目经验,或者经验不丰富,且没有拿到其他offer

  • 打算换一个行业(注意,是换行业,不是换职业),但没有该行业的经验

可以选择去外包公司练手。上面说过,外包公司有大量的实战项目,你可以快速成长。

如果你经验丰富,不要考虑去外包公司,即便不得已要去,也要选一些靠谱的公司:

  • 了解公司的注册年限、员工人数(可以去天眼查了解公司,或者搜索公司的网评)

  • 了解公司的协调机制、薪酬机制,五险一金是否齐全等,避免因为项目空缺出现工作断档

  • 选对领导最重要。在面试时,问清培训、晋升、发展的问题,看对面那人如何回应你,以及了解对面那人是否靠谱

记住,当你没有选择时,外包公司只能作为你职场的一块跳板 。

去了外包公司怎么办?

尽早规划

如上一点所述,有的人去外包公司,属无奈之举,比如刚刚转行、没有更适合的工作、短期内有经济压力、想换一个行业等等,这没得说。

但基于上述外包公司的各种缺点,可以看出,外包公司非常不利于个人的职业发展。

如果你进入外包公司,早点做好自己的职业规划。即,在这里待多久,学成哪些东西,下一步怎么走等等。

尽快想好,早做打算。千万不要因为外包公司的快节奏,大压力,被温水煮青蛙,得过且过。

磨炼意志

其实,一些从外包公司出来的技术人员,不仅潜心学到了技术,还真能吃苦,有毅力。

这类人是职场的俏客,不过很少罢了。这类人有一个特点,他们在外包公司,通常有自己的想法,不管是在外包公司还是在自研公司,他们不会带着乙方的心态做事,一心追求能力提升,从各种细末小事,皆能学到本领,他们相信“厚积薄发”这个成语。

想想,你是这样的人吗?

一如既往,做个总结

不要去外包公司赌自己的职业未来;缺项目,缺经验,缺钱,没人要,可以去外包,但要趁早做规划。

网络上有句话很经典:但凡有个靠谱的点的职位都不要去外包,但凡兜里还有下一顿的饭钱都不要去外包。



欢迎加入我的知识星球,一起探讨架构,交流源码。加入方式,长按下方二维码噢:

8b6c7ff66ae67dee64e91dcf048e8b09.png

已在知识星球更新源码解析如下:

6729ce096cdeb8646f6e34c1d06a6056.png

b251617fcb31ffd133c04f14ab587573.png

9580cbdd66e5609b778a40310fd20cec.png

d000df18c91b34d03a6ca89cd2881a72.png

最近更新《芋道 SpringBoot 2.X 入门》系列,已经 101 余篇,覆盖了 MyBatis、Redis、MongoDB、ES、分库分表、读写分离、SpringMVC、Webflux、权限、WebSocket、Dubbo、RabbitMQ、RocketMQ、Kafka、性能测试等等内容。

提供近 3W 行代码的 SpringBoot 示例,以及超 4W 行代码的电商微服务项目。

获取方式:点“在看”,关注公众号并回复 666 领取,更多内容陆续奉上。

文章有帮助的话,在看,转发吧。
谢谢支持哟 (*^__^*)
第8讲:基于CST PCB Studio的电源完整性仿真(IR Drop + PDN) 本文系统介绍了电源完整性(PI)仿真的两大核心模块:直流IRDrop仿真与交流PDN阻抗仿真。文章详细阐述了两种仿真的原理、算法(PEEC和3DFE-FD)及完整操作流程,包括参数配置、软件实操步骤和常见问题解决方案。IRDrop仿真用于分析直流供电压降问题,PDN仿真则针对高频电源噪声和谐振问题。文中还提供了优化建议和故障排查方法,如调整铜箔厚度、优化电容布局等,为高速数字系统的电源完整性设计提供了全面的技术指导。(149字) 阅读详情

相关推荐

Cadence Allegro实战:如何精准导入结构DXF文件避免安装偏差(附图层配置技巧)

本文详细讲解了在Cadence Allegro中精准导入结构DXF文件以避免安装偏差的实战技巧。核心在于导入前的单位校准、创建专用图层结构,以及基于坐标基准点的精确对齐方法。文章还分享了将DXF图形转化为正式板框和禁布区、高效管理图层以及向结构工程师导出DXF的完整流程,帮助PCB工程师确保设计与机械结构完美契合。

1a2s3d4f5g的博客 510

打死都不要进外包,看看我在阿里外包的2年…

总而言之,如果你正在考虑加入外包公司,在物质待遇、工作环境、福利等方面不要抱有过高的期望。如果你能够抱着一颗勤奋、求学和进取的心态,那么外包行业还是为你提供了一番广阔的发展空间。另外,大公司虽然优秀,在技术和人才上得到了很好的证明,但并不是入职的唯一出口。在职业生涯的征程中,我们需要不断学习,发现属于自己发展的空间。无论我们走在哪里,学习态度是决定成败的重要因素。只有学习不断进取,我们才能从这份工作中得到更多的经验和收获,为我们的职业生涯打下坚实的基础。

weixin_67553250的博客 1万+

飞牛NAS挂载115网盘避坑指南:为什么你的大文件总是传输失败?

本文深入解析了在飞牛NAS上通过AList挂载115网盘时,大文件传输失败的深层原因,包括风控机制、网络协议及兼容性问题。文章提供了从基础排查到高阶优化的系统性解决方案,并建议采用Kopia分片备份等终极策略,以实现稳定可靠的云端数据流转。

weixin_29306011的博客 1700

阿里外包月薪3800,我干了8个月啦。

外包的工作状态跟所在部门领导有很大关系,换个leader氛围和待遇都会有很大不同,另外大厂通常都有很多部门,不同部门的工作内容工作强度以及福利待遇也必然不同,以上所说仅代表我个人目前状态。

weixin_68789096的博客 3475

【小贪】万字长文介绍因果推断和增益模型

本文首先从一个实例出发阐述了因果性不等于相关性,进而引出因果推断和增益模型。然后简单介绍了因果推断的基础内容,并介绍了主要的三类增益模型:元学习、增益直接建模、表示学习,每一类模型都简要介绍了其经典模型。之后介绍了增益模型的评价指标,包括uplift bins、uplift curve和qini曲线。增益模型实际上是一大类模型框架,本质上可以用传统响应模型或其他机器学习模型嵌入增益模型的框架,但是预测结果并不是一个概率,模型评价方式也有变化。训练样本收集增益模型建模强依赖于ab实验,数据要求很高。

打瞌睡_的博客 2507

cadence中利用sva进行FPV实战(可直接使用)

在cadence中使用fpv进行formal验证

youzjuer的博客 750

踏进字节的那一瞬间,我泪目了,这457天的外包经历值了....

没有绝对的天才,只有持续不断的付出。对于我们每一个平凡人来说,改变命运只能依靠努力+幸运,但如果你不够幸运,那就只能拉高努力的占比。

kk_lzvvkpj的博客 1551

【面试系列】数据分析师高频面试题及详细解答

本文为数据分析师岗位提供了详尽的面试题库和解答,涵盖初级、中级和高级三个层次。初级面试题涉及基本的数据处理和统计分析知识,如SQL查询、数据清理和基础统计概念。中级面试题则重点考察数据可视化、复杂查询和数据建模等技能。高级面试题则深入探讨高级统计方法、大数据处理和高级分析工具的使用。通过这些问题和解答,候选人可以全面了解数据分析师岗位所需的技能,帮助其更好地准备面试。常考知识点总结部分则系统归纳了数据分析师岗位的关键技能领域。

在路上的专栏 5230

有一说一,外包公司到底值不值得去?

做软件这行,外包公司一向是被人诟病最重的。可事实确实如此吗? 外包的缺点确实存在,比如 1.个人能力基本在工作上无法提升。外包基本在做重复的工作,技能上只能自己额外时间去提升。 2.薪资涨幅跟不上通货膨胀。基于第一点,由于你的能力和入职前保持一致,在外包公司你的薪资每年有普调 1000 已经偷笑了,有人在外包 4年,平均每年只涨了 600 元。而在自研公司每年几乎 2000 的涨幅打底,有额外 kpi 奖励,有额外项目奖金,有年底三薪。 3.未来发展。你从外包跳出去,你还是只能以你进外包前的能力去匹

java小白翻身 1万+

系统安全性评估 (SSA) 详细解析

系统安全性评估(SSA)是一种自下而上的验证过程,目的是确保系统设计中的每个功能、子系统、硬件和软件的实现,符合早期通过 FHA 和 PSSA 设定的安全性需求。它通过对已实现的系统进行系统性综合评价,检验各项设计和安装是否符合预期的安全性目标,最终支持飞机的适航认证。飞行控制系统是飞机安全性设计的核心子系统之一,负责控制飞机的姿态和方向。为了确保飞行控制系统能够在各种飞行条件下保持安全运行,SSA 被用于验证该系统的设计是否满足 FHA 中设定的安全性目标。

qq_41854911的博客 1654

【软件系统架构】系列六: SysML(系统建模语言)

SysML(系统建模语言)是OMG组织基于UML扩展的专用建模语言,用于支持复杂系统全生命周期建模。它包含9类标准图,核心建模元素包括块(Block)、端口接口、需求和约束等。与UML相比,SysML更适用于软硬件结合的复杂系统建模。作为MBSE的核心工具,SysML通过结构图、行为图、需求图和参数图实现系统设计、需求追踪和性能验证。虽然面临学习门槛高、工具成本高等挑战,但随着AI融合和国产化替代趋势,SysML在航空航天、汽车电子等领域的应用日益广泛。SysML v2将简化语法并提升互操作性,推动系统工程

moton2017的博客 2389

打死都不要进外包,看看我在阿里外包的2年...

我18年毕业于一个普通二本学校,是一个很不出名的小本科。大学期间专业知识也没有去认真的学习,所以毕业的时候就随便找了一份工作,在一个小公司做功能测试。记得那时候薪资大概是6k左右,因为是在工厂,工作环境很差,也很危险,所以我一直有想跳槽的想法。既然有想法了,我就没有挣扎了,我就直接辞职了,后来就换了一个城市开启了求职生涯,那时候因为自己技术不过关,只会点点点的功能测试,也找不到什么好工作误打误撞进了一个外包公司,阿里的一个外包,这一待就是两年。

yjt2045263063的博客 1995

华为OD机试 - 天然蓄水库(Java 2025 A卷 100分)

例如,当山脉为s = [3, 1, 2]时,则选取s[0]和s[2]作为水库边界,则蓄水量为1,此时输出:0 2:1。选取下标 0(高度 3)与 2(高度 2)为边界,水位为 min(3,2)=2;选取山脉上两个点作为蓄水库的边界,则边界内的区域可以蓄水,蓄水量需排除山脉占用的空间。经过分析,选取s[1]和s[6]时,水库蓄水量为19(3 + 7 + 4 + 5)。当存在合理的水库边界时,输出左边界、空格、右边界、英文冒号、蓄水量;当山脉`s = [3, 2, 1]时,不存在合理的边界,此时输出:0。

学Java,找哪吒 939

什么是软件外包公司?要不要去外包公司?

????????关注后回复“进群”,拉你进程序员交流群????????作者丨土豆居士来源丨一口Linux(ID:yikoulinux)一、什么是外包? 软件外包分为:人力外包和项目外包两个方向。1. 劳务派遣指的是把员工外派到对应的用工企业打“短工”。比如很多工程师虽然签约了中软国际、东软、文思海辉、软通动力、润和等软件公司,但实际工作地点是在华为,接受华为员相关负责人的工作安排和考核。2....

<sdffdsfsdfdfs>sfsfsfsdfsdffds</sdfsDS>Fsd 1万+

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

NTscan扫描工具

ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。

什么是外包公司?要不要去外包公司?

01什么是软件外包?软件外包分为:人力外包和项目外包两个方向。1.1 劳务派遣指的是把员工外派到对应的用工企业打“短工”。比如很多工程师虽然签约了中软国际、东软、文思海辉、软通动力、润和等软件公司,但实际工作地点是在华为,接受华为员相关负责人的工作安排和考核。1.2 项目外包出于时间、成本和人员编制等诸多因素,某个企业将承接的规模比较大的项目中一些基础性的、非核心的业务...

张巧龙的博客 3万+

Probability and Statistics - 4th edition

Probability and Statistics - 4th edition

外包公司能去吗?进了外包如何翻盘?

如果不是生活所迫,谁又愿意去外包了?

程序员囧辉 1万+

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

为什么我不建议你去外包公司?

前言在我离开上家公司之前,我的直属领导找我聊了一番。除了问候我有没有找好下家之外,还千叮咛万嘱咐我千万不要去外包公司,否则会在简历上留下无法磨灭的污点。当时的我对于外包公...

dotNET跨平台 2万+

软件外包公司到底干啥的?要不要去外包公司?

什么是外包? 首先,我们要知道,什么是外包? 外包分类 劳务派遣 指的是把你拉到对应的用工企业打“短工”。你是劳务派遣公司的员工,被“借”到像华为、vivo 这样的用工单位,去为他们进行短期的服务。这个周期,一般是以年计算,很多时候是一年签一次合同。 项目外包 就是某个企业将整个产业链、价值链中原本由自身提供的基础性的、非核心的业务剥离出来,外包给企业外面专业服务提供商来完成的经济活动。你作

一口Linux的专栏 5101

这篇文章,带你全面了解外包公司

大家好,我是小谭。 之前,已经有很多读者问小谭: 要不要去外包公司 外包公司坑不坑 我应聘上了某自研公司和某外包公司,该去哪一个 虽然我没在外包公司工作过,但根据行内评价和一些朋友的经验之谈,我一般只会建议两条: 如果你只有外包公司的offer,那没得选;如果有其他公司的offer,就不要考虑外包公司 如果你不是特别缺钱,就不要考虑外包公司 为什么这么说? 请仔细阅读本文,我将从外包公司的分类、薪水、技术、职场环境、职业发展这几点娓娓道来。 我翻阅了不下100篇关于外包公司的文章、帖子,总结精华,

程序员小谭的博客 3614

我为何一直强调外包公司别去

「 不是针对外包 」我为何一直对外包公司如此大的怨念?其实不是,外包公司也是公司,也是凭本事和技术挣钱,无论在道德、心理、合法性层面都没有任何意义的客观错误。之所以我总给...

前端你别闹 10万+

去外包公司的伙伴们小心了!——亲身经历,数数外包公司的坑

点击上方“Java基基”,选择“设为星标”做积极的人,而不是积极废人!每天14:00更新文章,每天掉亿点点头发...源码精品专栏原创 | Java 2021超神之路,很肝~中文详细...

weixin_44421461的博客 4535

深扒程序员外包,为啥我不建议你去外包公司?

01.前言在我离开上家公司之前,我的直属领导找我聊了一番。除了问候我有没有找好下家之外,还千叮咛万嘱咐我千万不要去外包公司,否则会在简历上留下无法磨灭的污点。当时的我对于外包公司的了解并不深,只是道听途说外包公司很坑,至于坑在哪儿,坑到什么程度,并没有切实的体会。直到我来到了现在这家公司,接触了不少外包同事,对于外包公司的认识才更深了一层,也更深刻地领悟到前领导所说的“污点”的含义。02.外包公司...

cainiao_python的博客 9923

拿到外包公司的 offer 我应该去么?

引言 前一阵子有一个帖子引起了非常广泛的讨论,描述的就是一个公司的外包工作人员,加班的时候因为吃了公司给员工准备的零食,被公司的HR当场批评!这个帖子一发出来,让现在测试行业日益新增的外包公司备受关注。那么外包公司和非外包公司有什么样的不一样呢?如果拿到外包公司的offer,应该去上班么? 外包是什么? 首先,我们来了解一下什么是外包?外包是指企业动态地配置自身和其他企业的功能和服务,并利用企业外部的资源为企业内部的生产和经营服务。现在很多大型公司为了节省成本,将一些偏重劳动量,而非技术量的工作,都择

软件测试前沿技术分享 1万+

程序员要不要去外包公司?

关注+星标公众号,不错过精彩内容转自| 一口Linux我相信很多小伙伴在求职的时候,都遇到过外包公司。对于初入职场的小伙伴可能对外包公司不了解,到底要不要去外包公司,为什么很多人对外包公司的评价不好等等。 一、什么是外包? 软件外包分为:人力外包和项目外包两个方向。1. 劳务派遣指的是把员工外派到对应的用工企业打“短工”。比如很多工程师虽然签约了中软国际、东软、文思海辉、软通动力、润和等软件公司...

strongerHuang 979
上一篇: MyBatis-Plus 使用这么方便,底层是如何处理的呢?
下一篇: SpringBoot+Nacos+Kafka简单实现微服务流编排
公众号-芋道源码
博客等级 码龄10年 1639粉丝 377原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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