时光机与流浪者-我的2017

红焰火 望着我 快乐的 那个我
转眼悄悄的回来了
旧门锁 别等我 消失的 那个我
就是我要我的自我
流浪者 就是我 飞过了 洪荒的
神秘宇宙的流浪者
别等我 成全我 忠于我 还给我

做我渴望的那个我

————BIBI Chow《时光机与流浪者》

拾起好久没登的博客,发现自己在16年底还写过一篇总结。没想到时间竟然过得这么快,一晃又一年过去了,想想2017年还发生了挺多事的,是该记录一下的。

关于读研

研三了,还有半年就毕业了。步入社会越久,于我而言,读研也越是为了那一纸学历了。现在唯一的念想也就是平稳度过毕业答辩了,是不是太没追求了。

关于工作

2017年注定是不安分的一年,7月初,辞去了实习一年的第三方软件公司的工作,然后又在两个月内入职了一家国企的信息技术部,做自己一直想做的运维工作。先来说说辞职那些事吧,2017年后不久,被告知进入一个新项目,远程进行开发工作,且是大量的开发工作,为期大概三个月,那三个月非常的痛苦,可以说是痛苦地成长吧,一方面因为远程开发,一方面因为时间紧任务重。其实做到那个项目后期,我就知道我不会在在这里长做了,因为我发现我自己真的不喜欢码代码,但是在岗还是得坚持做完该做的事,虽然痛苦但我还是很感激那段经历的。之后就是在该项目三个月到期的那一天,再次被告知和一个同事要前往长沙出差直到十月初,当时我是可以选择的,反正就是头脑发热再加上同事说希望我去,于是我就去了,去了不到一个月就选择了离职,离开这个项目组,离开这个公司。呆在一个项目组可能还不清楚自己适不适合这份工作,适不适合这个公司,当你辗转了三个项目组后,你就知道,你不会留下来,你会走。

接下来仿佛就是一片光明了,机缘巧合地参加了一个国企的社招,又顺利地用本科学历在9月初入职了,现在四个多月了,工作上获得的成就感刚刚好,办公环境也刚刚好,食堂也是出乎所料的满意....现在能理解我为啥说只想顺利拿到研究生文凭了吧,因为要用来涨工资啊TT

关于梦想

其实说梦想有点大了,这段就想讲讲我的副业吧。自认为一直在朝着做更美的自己前进,对于曾经失败的开店经历还是有那么点遗憾的,现在又有一批志同道合的闺蜜们可以重新开启这份事业,可以说很幸福了,所以在2018年除了毕业这件小事以外,最大的困难也许就是开店初期的磕磕碰碰了,这次我相信自己,也相信她们。

关于旅行

想去泰国,想去台湾,想去冰岛...

关于友情

应该是多少年都不会变了吧。

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论 1
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