写在离职前

       我在公司一晃也两年了,这个月办理了离职手续。首先非常感谢公司的大力栽培,回顾这两年,我真的努力过,也真的受伤过。期间也想过离职,但也挺过来了。

       真的非常感谢公司,这两年让我学会很多。代码不再是写成一大坨了,也熟练用mvp架构项目了。这两年独自也开发了大大小小十几个项目了吧。当然其中有好有坏,第一年有坑爹的护眼闹钟项目,第一次用GreenDao的学习日志项目,本地资源管理项目和不了了之的复读机项目。那是研发团队也就4个,后台几乎是空白。直到第一年年中的时候才有专业的PHP人进来,年尾的时候才开始了第一个大项目电子书包,核心难点就是控制,也就是当时认为的所谓的发socket。那时候就我一个人想方法,没人教我。甚至没有人对这个办法提出异议,然后我就开始干老师端。期间发生了两段不愉快,第一段就是php那个人说,他要离职了,他干不了,叫找新来的干。后来就是新来的弄的,基于walkman的框架,终于能实现通信了,我承认用tcp我做错了,当时认为数据一定要确保发送,安全。但真的没人提出问题。第二段是做电子书包里的微课堂时,又一次怼了后台,发现他做的很慢,而且不愿意改格式。再加上这个东西已经做到三个月了。那时候第一次想离职,但还是咬牙坚持了。当然期间也有很多开心的事情,和weixin与junnan,熬了很多个夜晚,享受解决问题的快感。当然之后这个东西并不能带来盈利,只能是演示版本。再后来就是开发团队老成员不断离职,开始重组,疯狂招人,到现在30多个,5个android,二十多个php,策划,UI。感觉更加系统与专业。那时我开始主动要求做一些外包故事机的项目,拒绝做公司策划的app。这四,五个月基本上没怎么耍脾气,一般要UI有UI,要什么有什么,那就做呗,也做了差不多八九个故事机的app。期间有些不愉快在,一个是组长说不急给你一个月,然后干了几天,客户说下周开产,对组长咆哮过,O(∩_∩)O哈哈~,不过还是加班加点的干。还有一个是客户不懂技术,就会不停的加功能,组长说不做,但总是有电话11点催我。组长还是很关照我的,感谢他。期间怼人的时候,竟然去死命学PHP与js,组长说不做故事机,开做机器人的时候,竟然学了一遍python基础。现在想想也甚是可爱。来年的电子书包2.0,我也提了下建议,用UDP广播的方式(学python了解到的,学海无涯)。

      非常感谢公司,感谢组长。

      如今公司重心不在app在php方向,周边同学工资也比我高,实在无颜面去喝酒撸串吹B,我也生了退却之心,论对企业忠诚,我也是尽心尽力了。今当远离,哈哈哈哈哈。

      有时候想问自己,为什么还在干这个,一周干六天,除了有死工资,奖金真的没多少,可能是我做了一些无用之工吧。常告诉自己,写项目要有口碑。

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. **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