有时候我们停下来是为了走的更远

于 2012-03-29 08:34:37 发布
阅读量1.4k 收藏 1
点赞数
分类专栏： 【转载文章】

这篇文章虽然是另一个学校的提高班的同学写的，但是我觉得感触也挺深的。

=====================================分割线===============================================

为什么我们知道做不到呢?

          这是我所反思的核心问题,如果我们知道并且能做到,能够像电脑的CPU一样彻底的执行各种指令和命令,哪怕是一些会死循环的命令,我们的问题出现在行动上,出现在知道和做到之间.

          于是开始找一些答案,找到了一本相关问题的书,书的名字就是<<知道做到>>,作者是肯•布兰佳、保罗•梅耶和迪克•卢赫.本书的核心就是题目的四个字,知道做到.在书中说到了三个非常关键的原因导致了知道和做到之间的鸿沟.


  • 知识量超负荷
  • 不恰当的过滤系统
  • 不适当的学习方法

 

         而解决上述问题的关键是:重复.懂得重复的力量和技巧.当然具体的解决方式在书中也进行了描述和说明.对我自己的影响特别的大,我对本书进行了思维导图总结.(图的详细内容见链接)


计算机生成了可选文字: 才－‘怡月曰r一厂U」L月刀门可蛇应用少而精的哲学圳门一直在受消极思维影响依赖父母生活父母表现来有条件爱我们获得表扬柯仄可的过程挫折父母无形之中强调消极思维丁一）口）、若『事情呢产目一～、‘户面了＼，月眨‘、、＿一万〕尹｝几乙\}!了一―原因2消极过滤f淤所拥有的Know-how过多卜月．..'丫、知识量超负荷过遍脚丛哩团妞韭匹鱼醚邀塑噩旦共＼坏习惯不适当的学习方法Z气夕1.选择聆听的内容不带任问偏见带着学习态度，对新事物感兴奋积极期待带看笔，时刻记录中可以学到怎样避免知识过量一一怎样通过适量的学习掌握最多的信息一～怎样调节大脑过滤系统，是自己能哆获得比之前多100倍的知识怎样用已经被大家所接受的思想来点燃创造力与智如何通过不间断的知识重温与坚持不懈的探索，终获得对知识的理解和掌握为什么掌握恰当的学习方法至关重要7试么汀仔！了内州户日卜了尹、』不户、、沙点｝户了‘听在仔细聆听对方的同时努力机房自己的相信里做出不可能的事情、＼可能性思维父叹）你所读过的书对你产生过哪些影响？第三次接触：部分主第四次接触：完到鼓励大家接受新橱去或项目建议阻止任何消极的反馈给出自己认为最重要的反馈以及那出积极的反馈之后再作出消极的反馈认真听取意见进行重复KN(）认了（二叭！)():知道做到．门祠．峨予阳月侧月倪角食用．如口．鸿沟从书本，录音，视频学到的东西自己实际的做法人们往往用大量的时间去获取知识，所学的知识运用到生活工作中＼这rr飞入\、黄灯思维价胡豁麟g吸主卿爵篇鱼创引旦即跳爹沈到：澎让我仁〕变得毫无积极性―刁感粟原因／很快恢复旧习惯没有什么好事是偶然发生的火有力信息拒之门外，知识容易获取没有跟进计划会导致原因3缸沙面良一缺失的一环I_-＼声＼气肠、解决原因的关键，多协匕导－.-口曰翻．甘二城问责例如广告，不断重复给人印象多次妾触，尝试是否对学习抱有一i为什、入气狡知．城．皿．歌丑团，帮助人们取得成功彻底读透一本资料的价值要远丈于之读20本书建立学习跟进系统间隔性重复一对一沟通不断重复沟通几星有洲｛卜属奋习连集中几件事保持开放的心态扎每次的重复不是在同一个水平例如读书第一次读书，大概浏览第二次读书画出重点第四次读书和学习伙伴一起多的指导，支持和问责卜尸将所学到的与大家分享～的过程中，加:！碳黑

xiazdong
关注
专栏目录
超级有影响力霸气的Java面试题大全文档
07-18
超级有影响力的Java面试题大全文档 1.抽象：　抽象就是忽略一个主题中与当前目标无关的那些方面，以便更充分地注意与当前目标有关的方面。抽象并不打算了解全部问题，而只是选择其中的一部分，暂时不用部分细节。...
停一停,是为了走的更远---2012年上半年个人总结
管子（zero）的杂乱空间
08-26 245
学习,是一个过程,并不是马不停蹄的一直往前冲,而是需要在适当的时候停下来,看看自己走过的路,看看自己的轨迹的方向是否偏离到达目的地的大方向. 学习,需要总结,将知识归藏.人在旅途,需要停下来,休整,加油,然后继续行走. 回顾自己2012年这半年多来所走过的路,多了份坎坷,多了些成熟.再回首,发现自己真的成长了很多.从那个什么也不知道的小白,到现在的更加成熟和稳重,甚至成为...
当项目出问题时，要勇于喊停，适当的停歇反而可以走得更远
weixin_30437481的博客
09-15 92
转载于:https://www.cnblogs.com/leader4/archive/2011/09/15/2178112.html
20xx唯美语录经典句子.docx
11-17
5. **放弃的艺术**：人生无法兼得所有，懂得适时放弃，如同清理电脑文件一样，能让我们走得更远，心更宁静。 6. **陪伴与真爱**：时间是最奢侈的礼物，愿意花时间陪你的人，是真正爱你的人。真正的改变源于内心，爱...
2021年英语手抄报 中英文励志诗歌系列(九).pdf
10-29
有时候，选择一条少有人走的路，比如深入研究新兴技术或开创性的项目，虽然风险较大，但也可能带来更大的成就和满足感。正如在编程领域，勇于探索新的编程语言、框架或解决方案，可能使你在竞争中脱颖而出。而那些...
2013高考英语 阅读理解冲刺训练（2）
08-19
然而，他并没有停下来，而是继续跑，因为他想要展示自己比小偷跑得更快。这一情节体现了他自信且勇于挑战的精神。 6. 当Ruben的朋友问他为什么还在跑时，他说小偷想证明自己能跑得更快，但实际上已经落后了。这反映...
小学英语英语故事童话故事TheBell钟声
09-09
小学英语故事《The Bell 钟声》是一个...同时，它也提醒我们，有时候美好的事物可能就在我们的身边，只是需要用心去发现和欣赏。通过阅读这样的英语故事，孩子们不仅可以学习语言，还能学习到生活中的智慧和情感价值。
JSP学生学籍管理系统设计与实现(源代码+论文+开题报告+外文翻译+答辩PPT).zip
09-21
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。
省市区数据，完成三级联动，选择地区
09-21
省市区数据，完成三级联动，选择地区
机械原理课程设计网球自动捡球机.doc
最新发布
09-21
机械原理课程设计网球自动捡球机.doc
2024秋招华为笔试题大全-仅供参考具体需要根据实际修改
09-21
2024秋招华为笔试题大全-仅供参考具体需要根据实际修改
借助于Ascend310 AI处理器完成深度学习算法部署任务，
09-21
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。
基于深度学习的物体识别与抓取方法，六自由度机械臂，python编写程序.zip
09-21
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。
电子设计论文文档资料液面检测器电子设计论文文档资料液面检测器
09-21
电子设计论文文档资料液面检测器电子设计论文文档资料液面检测器
基于深度学习的多特征电力负荷预测.zip
09-21
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。
CenterNet 部署版本，便于移植不同平台（onnx、tensorRT、rknn、Horizon）
09-21
CenterNet 是一种用于目标检测的神经网络架构，它的核心思想是利用目标的中心点作为检测的关键信息。这种方法与传统的目标检测方法（如基于边界框的方法）有所不同，因为它不直接预测目标的边界框，而是预测目标的中心点坐标和目标的宽度与高度。 CenterNet 的主要特点包括： 1. **中心点预测**：网络输出目标的中心点坐标，以及目标的宽度和高度。 2. **热图（Heatmap）**：网络生成一个热图，其中每个像素点的值表示该点成为目标中心点的概率。 3. **回归任务**：除了中心点坐标，网络还需要预测目标的宽度和高度，这通常通过预测中心点周围的偏移量来实现。 4. **多任务学习**：CenterNet 通常会同时预测目标的类别、中心点坐标、宽度、高度以及目标的旋转角度（在某些变体中）。 5. **端到端训练**：CenterNet 可以直接在最终的目标检测任务上进行端到端的训练，无需复杂的区域提议网络（Region Proposal Network, RPN）或锚点（anchor）机制。 6. **高效性**：由于省略了传统目标检测中的一些步骤，CenterNe
c#代码介绍23种设计模式-03工厂模式(附代码)
09-21
1. 工厂方法模式之所以可以解决简单工厂的模式： 是因为它的实现把具体产品的创建推迟到子类中，此时工厂类不再负责所有产品的创建，而只是给出具体工厂必须实现的接口， 这样工厂方法模式就可以允许系统不修改工厂类逻辑的情况下来添加新产品，这样也就克服了简单工厂模式中缺点 2. 使用工厂方法实现的系统，如果系统需要添加新产品时： 我们可以利用多态性来完成系统的扩展，对于抽象工厂类和具体工厂中的代码都不需要做任何改动。 例如，我们我们还想点一个“肉末茄子”，此时我们只需要定义一个肉末茄子具体工厂类和肉末茄子类就可以。而不用像简单工厂模式中那样去修改工厂类中的实现 3. 从UML图可以看出，在工厂方法模式中，工厂类与具体产品类具有平行的等级结构，它们之间是一一对应的。针对UML图的解释如下： Creator类：充当抽象工厂角色，任何具体工厂都必须继承该抽象类 TomatoScrambledEggsFactory和ShreddedPorkWithPotatoesFactory类：充当具体工厂角色，用来创建具体产品 Food类：充当抽象产品角色，具体产品的抽象类。任何具体产品都应该继承该类 Tom
ble在发送数据的时候会停下来吗
02-06
在使用蓝牙 Low Energy (BLE) 进行数据传输时，通常不会停下来。 BLE 通常用于低带宽、低功耗的应用场景，因此在数据传输过程中不会停下来。 但是，在 BLE 传输过程中可能会出现一些错误或问题，导致传输失败或者...
评论
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