吃饱了,就来写点东西吧。讲一个真实的故事给你长自信

        今天周四,一个好日子,一个能上网的日子。虽然还是一个小时,少是少了一点,但也够用了。兄弟连这地方,是一个讲究规矩的地方,正所谓,没有规矩的地方,和猪圈是无两样的。当然,最主要的还是像哥一样,能遵守规矩的人。以及这里够野性的警示牌,比如,在楼道里抽烟,光棍一生。今天晚饭的时候,几个39期的,就楞吧没敢在那块牌子面前抽烟(旁边除了我以外,也没什么别的人了),我想一个是他们也经养成了好的习惯,二呢,这警示牌用东北话说也太尿性了(给力的意思)。但是我更喜欢的还是三楼的那块,抽烟者一旦发现,枪毙半小时,我认为这句更是有力度一些。也是我很喜欢的一句。
今天是一个给力的日子,我已成功的克服了对红牛以及黑卡六小时的依赖(两种很给力的饮料)。已经能克服对于睡眠的依恋了,就是黑眼圈历害了一些,只能每天弄点眼霜来保养一下。我有时就在想,看看那些教课的讲师,同样熬夜,保养的跟90后似的,看不出大小来了。不服不行啊。

好了,我就不在这扯犊子了(闲话)。说点正经的。说点关于如何激发自信心的东西,很有用。比如说吧,最让我闹心的是什么,不是这个作业的题有多么的难,而在于明明一道在我看起来很简单的题,我居然弄了快一个小时才解决掉它,那**和**的,弄的我这个心烦啊。也活该,谁让以前不注重基本训练呢,栽在沟里了吧。不过呢,好在我又起来了。生活吗,每天就是这么起来,倒下,起来,在倒下的。好在哥天性乐观啊。不然这些年,只不定得死多少回呢,人呢,就是有一口气,没有一口气的时候,用郭德纲的话说,人这一生,都有吃shi的时候,记住只管咽,别嚼。就没事了。(太那什么了点)

所以说呢,遇到麻烦不可怕,可怕的是你被吓到了。所以,我建议时不常的,可以用点精神胜利法什么的。比如,找一个比你还惨的人,或者一个比你还牛叉的人,却也掉沟里的事。想想他们,在想想自己,可能就好多了。就像人常说的,这个笑话来源于生活,即然要激励自己,就得找点这种事例,讲个好玩的吧。这是真的啊。说一兄弟连的老师晚上出来巡逻,上了我们班,碰到了我的武汉室友,说一口不太地道可以打78分的普通话,那时候,他刚来谁也不认识, 那天晚上正在做一个关于全局变量的题,其实,这东西本身也没什么好研究的,可问题是,这哥们以前是研究物理的,头脑聪明的很,很欢研究啊,他就在那研究,过了一会他就遇到了瓶颈。这不知道怎么办好呢,一抬头看见一个带工牌的男人,就问他怎么解决这个题,然后那个大哥看了一下说:“呀,这个东西吗,没什么好研究的,以后也用不上。看别的吧。”,于是乎,这老兄就对我说,看,这个男人问他题都不会,我鄙视他。
然后呢,过了几天,也就是昨天晚上,他又讲起了这个问题,在最后的时候,他说,我今天知道那个男人是谁了,我说谁啊。他说是:“李文凯”。欧。。。有意思了,我说了:“李文凯没解出这个题,并不能降低他的身份,必竟人家是很牛叉的人。第二点呢,这么牛的人,都有被人难住的时候,我等小人物遇到忘记的了,自然也是很正常的了。”真的...瞬间,一众人马,豁然开朗,心气都舒畅了好多。所以,我今天一想起这个事情,也就不那么气闷了。 一看,这就是牛人和平常人的不同之处,牛的人,及时犯了个错误,都能起到让人有信心,让人能开朗,让人能看到前途是光明的,路途也是平坦些的,中国足球也是有一天能在冲出那什么,走向世界的。

后来一心思,估计还是当时沟通没做好,也是,天南海北的人哪东有,但是像我这样普通话标准的不是太多。没办法啊。。。

所以呢,在适当的时候,保持一点那个开朗豁达的心态是很重要的,有时候你就要想,你丢钱了,还有人丢人了呢,对吧。这人乐观则无敌,不然这世界早灭绝了。为了庆祝这个道理的想通,我写下这篇文章,只是有些担心的是,这钱包里的13.6元生活费,该怎么分配。不过哥有云:“车到山前必有路,男人不会让钱给憋死的,好在还有卡啊”。不过,哪有工行的取款机呢。跨行费能省两块,它也是两块,对吧。

原文地址:http://bbs.lampbrother.net/read-htm-tid-117417.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(107) | 评论(0) | 转发(0) |
给主人留下些什么吧!~~
评论热议
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. **短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习期依赖关系,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