没变强是因为你太舒服(图)

职业生涯很长,对企业而言,它需要你成为一个专才,但从职业发展来看,你需要成为一个全才,方能适应社会的变化。

阻碍你成为全才的不良习惯有很多,有时候我们喜欢趋利避害,拖延症更是让自己定下来的目标难以实现。

从现在起,你要努力去寻找各种让自己变得不舒服的环境、习惯,别害怕痛苦,伴随着痛苦的出现,才会有成长的空间。新的一年让自己变得更强,告诉你五个变得更强的生活习惯。

这个世界上有两种人,一种人是强者,一种人是弱者。强者给自己找不适,弱者给自己找舒适。想要变得更强,就必须要学会强者的必备技能,那就是让不适变得舒适。 如果你学会了这种技能,你可以搞定很多事情,例如克服拖延,健身,学习新语言,探索未知领域等等。但是很多人都倾向于回避这种不舒适,毕竟没有一件事情是简单的,都需要付出很多努力,忍受很多痛苦,甚至是让自己遍体鳞伤。 我以前一直很觉得我们应该让自己舒适一些,但是后来我明白一些不适有时并不是件坏事。事实上,你可以学会享受这种不适,例如,我每天都会做一些力量训练,虽然这点不适不会严重到我讨厌的地步,但是人就是这样的,能逃避的困难,我们总能找到借口。

我制定计划表格,让这点不适参与我的生活,形成一种习惯。每当我完成15个引体向上,我会在引体向上那一栏写上15,每个月我都会换新的纸张,并总结上个月的情况。不经意间,几个月时间我已经做了1000个引体向上了。 我发现任何只要是有一点不适的事情都是可以训练的,我们可以将一件不适的事情变成一种习惯,然后你会离不开它,觉得这点小痛苦其实是平淡无奇生活中的一种调味料。这件事由不适变得舒适,良好的习惯就是这样养成的。

具体的方法如下: 找到一件你想做的事情,这件事情会让你有点小不适,但是做成了以后你会收获很多。例如,健身。 你可以把这件事情分解成1000个独立的事件,要确保每个事件都在你能容忍的不适程度内。你可以先测试一下你尽全力最大的容忍程度,然后减去20%,从这个值开始。例如,我想要做10000个引体向上,那么分成1000份,就是每次10个。 开始去做,并且不要强迫自己,把它当做一种乐趣去挑战。随着你的能力增强,逐渐增加分量,例如一个月后,你可以做到15个,3个月后,你可以做到25个。所以,10000个看似需要1000天才能完成,事实上,你可能9个月就搞定了 这个方法的精髓在于把一个很大的痛苦分解成1000份小不适,然后将它融入每天的生活中,培养成习惯,将不适转变成舒适。 我们可以通过上面的这种方法,对自己的能力进行提升,改变一些坏习惯,培养一些好习惯。

1、拖延的习惯。我们为什么要拖延,主要原因在于我们要做的事情令我们感到不适。 所以,我们的头脑会产生各种各样的借口和诱惑,来促使我们去做更容易的,更舒服的事情。当我们把一件事情定义为“不舒适”的时候,我们会本能的不想去做它,想方设法拖延到明天。但是,如果我们能够把这种痛苦分解成1000份,变成可以忍受的程度,那么事情就变得容易了。我们可以制定一个表格,叫做“战胜拖延”。每次有想要拖延的想法的时候,就立刻去做,完成任务之后就在表格上+1,当完成1000+的时候,拖延的习惯就根除了。

2、健身的习惯。 我们不去健身因为我们感到不舒适,但是如果每次有意识的让自己承受一些不适,会逐渐提升自己的忍耐力,一旦养成一种习惯,我们会依赖于这种不适带给自身的有利刺激,让自己感到更有活力。

3、阅读的习惯。 没有阅读习惯的人会把读书看成是一件很痛苦的事情。如果你能够建立的一个表格,让自己每读完一章节就在上面写上+1。逐渐养成习惯以后,改成阅读一本书写上+1,你会发现一个月你甚至能够读上5本书。然后阅读会变得不再痛苦,而成为一种习以为常的事情。当你能够跟别人谈起你阅读的著作以及你的看法,会是一件很有成就感的事情。

4、早起的习惯。 要培养早起的习惯首先要为自己设定一个早起的目的。而且这个目的会让你很期待第二天的早晨快点到来。如果你是一个吃货,不妨睡前准备好一顿丰盛的早餐食材,等早上起床给自己做一个很好吃的早餐。我给自己设定的早起目的是玩半个小时游戏(很神奇吧),这对我来说很有吸引力。于是,如果我想要6点半起床,那么我会把闹铃定在6点,然后快速起床,开机时间我会搞定刷牙洗脸,然后热一杯牛奶,一边打游戏,一边听着英语广播。通过这个方法,我将不适转换为舒适,让本来很难得事情变得容易而且备受期待。

5、写作的习惯。 读书再多如果不写出来,就不能成为自己的东西。如果不能向别人说出来,就不能得到修正与反馈,也无法知道自己的观点是处于什么样的水平。写作是一个整理自己想法的很好的工具,将平时阅读中的论点整理出来,加以思考,总结成自己的话语。这样,逻辑能力和思考能力就会逐渐加强。当然,写作是件比较痛苦的事情,你需要整理自己的思绪,并且组织语言将它们表达出来。而且,当你对着电脑的时候,还要排除各种杂事的干扰,这对专专注力也是一种锻炼。

【6层】一字型框架办公楼(含建筑结构、计算书) 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。
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,这些特征对于像和语音识别、自然语言处理、医学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,如像。它们使用卷积层来提取像的特征。 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 14
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