感受生活

感受生活
在写这篇文章的前两天,我就想好了以”感受生活”为标题。

1、大学
自从用自己的第一桶金买了这台二手ThinkPad T41,后我开始猛烈关注互联网、移动互联网。每天登录一些专业性网站,如cnbate、51CTO、csdn(自从丢失数据库之后,我从来没去过),来到了这里之后,有一次去了51CTO搞到了一张2月份开发语言排行,同桌问我,这是在哪里下的,我说‘51CTO’,他竟然不知道,我好像有点吃惊。经过我观察那么久,同桌只去了百度贴吧,可能上网时间有限,其他网站还没去就到时间了。既然将来会工作在IT行业嘛!就应该多关注一下互联网。在互联网飞来飞去,都是因为学校的网速太给力了,迅雷会员下载最高可达到30M每秒,中国移动Wlan进入学校后网络就更方便了。当然这么快的网速,看电影就方便了,每次有大片上映,第二天或第三天肯定会搞到DVD版,一睹为快!最快的一天之内抢先版太模糊了,看不清楚也就不怎么下,都是重口味限制级恐怖片、恶心、惊悚。当然还少不了苍老师的作品啦!有一次张涛老师还在说在办公室800K每秒,我偷笑了…
虽然这台小黑,才1G的内存,但是就是这里安装Windows 8 开发者预览版,现在大部分都还没见过Win8 我就已经在Windows 8 上尝过鲜了… 那么Windows 8 开发者预览版我是怎么搞到手的呢?这都归功于我大学最好的周同学,他非常关注微软的动态。他30000多人民币购买了MSDN订阅,可定期得到微软产品的序列号。在得到那么多系统序列号(当然不只是Windows系统序列号,还有office、麦克非不是也被微软收购了吗?)干什么呢?装系统呗!以次 50,打着绝对正版的旗号(确实是正版),还真有人来找他,很轻松小赚一笔,但是比起他那30000多,九牛一毛啊! Linux完全是主动接触,慢慢的产生浓厚的兴趣,并且偏向与Ubuntu,它的每个新的发行版本,我都要去试一下(在条件允许的情况下)。但是到了大三竟然发现,有Linux这门课,不过失望的是用的redhat,课上讲解的几乎我都操作过,甚至很多遍。在这里不想说大学课程更新太慢,但是还是更新太慢了。我们学校还好,android系统智能手机,火了后,马上就给我们开了,android程序设计,唯一从这们课程有收获的是另一位很强的同学,参加了几次全国性android程序设计大赛,飞黄腾达了。竟然成为了谷歌中用户组成员,还参加了谷歌大会,好像在北京五棵松举行的。现在正在和一个朋友用H5 和CSS3开发一款手机游戏,甚是蛋疼…
Ubuntu11.10,及其他最新的系统或产品。大一时,我有个想法就是用我这台小黑,架设一台FTP服务器。现在看来配置很简单,但当时还是耗费了一点时间的。当建成之后,在QQ空间、新浪微博,上发信息,但后面都注释着必须链接学校内网,让那些在互联网上荡着的好友失望了。每见到熟人就说只要你能链接学校内网,就能访问我的服务器。那种感觉,飘飘然了! Oracle VM VirtualBox,在我的小黑上疯狂的吃内存,熬夜到很晚终于把Ubuntu10.04虚拟系统安装成功。试了一下,外置无线网卡竟然不兼容,太悲剧了!!!结果删了,等待新的尝试。了解Linux大概从红旗Linux开始,之后疯狂的试系统,红旗sp3、sp2。以及专为上网本发型的红旗2009,但是用于只能由于上网本或未知原因,安装总失败。大学生活很happy,跟专业相关的没学好,没有关系的倒是懂得不少。 当然,由于我对Ubuntu的情有独钟,导致我身边的人也开始关注Ubuntu,去官网下载Live cd(镜像),刻盘,但是安装的时候就不知道怎么按喽,所以就找到我喽!借着CSDN高校俱乐部在我学校成立,我担任了主要负责人之一(另一个就是搞 android的同学)。在俱乐部成立后的六个月(有两个月的暑假),Ubuntu兴趣小组成立了。
要是说下去还有一大堆呢?先写这些吧!说不定等我毕业后,还会在某论坛发表在兄弟连的生活趣事。写的很随便啦!想到什么写什么啦!看在本骗帖子的第二行注明:“1、大学”吧!难道还有“2、XX”吗?有,不过2能不能与大家见面,看它的造化吧!还会以‘感受生活’为标题哦!
以上回忆,均为个人感受,绝无恶意。


史衍泉 保存于小黑E盘根目录下
2012-2-24 2:41

原文地址:http://bbs.lampbrother.net/read-htm-tid-116411.html

<script type=text/javascript charset=utf-8 src="http://static.bshare.cn/b/buttonLite.js#style=-1&uuid=&pophcol=3&lang=zh"></script> <script type=text/javascript charset=utf-8 src="http://static.bshare.cn/b/bshareC0.js"></script>
阅读(226) | 评论(1) | 转发(0) |
0

上一篇:初到兄弟连半月谈

下一篇:echo

给主人留下些什么吧!~~

别致巧医生2012-02-28 14:55:38

评论热议
智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
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
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