【真香定律】不要成为自己讨厌的那种程序员!

为什么要学编程?每个人都有着不同的理由。当你第一次成功运行“Hello Wld”时,你已经步入了这个全新的世界。

那时的我们犹如初生的婴儿,敏感而用力地感受着这个世界的一切,所有事物都是那么新奇和精妙,让人发出由衷的惊叹。

但是渐渐地,当编程成为我们的职业,我们似乎从它的朋友,变成了它的仆人。日复一日地忙碌,只为从它的手中,赚取一些酬劳。我们好像再也没有为写程序而感到兴奋,再也没有那种创造时的快乐了。

回顾初心,是什么变了?假如让我们丢弃现在对程序的一切理解,从头来过,这些会改变吗?如果说人们都是一粒粒平凡的米,时间可以让它变质,也可以让它变成陈年的酒。

读了一些书,也接触了一些人,我告诉自己,克制、坚持,不要变成自己讨厌的那样。

 

骄傲的利己主义者

有一些程序员,总是自我感觉良好,自诩为领域里的专家。客观上,假如单兵作战,他们的技术能力不差,但正因为如此,傲慢和自我使其变质。

在需要团队合作时,他们会过高地评定自身的价值。有时候,需要通过贬低他人的方案才能彰显自身的高度。

与他们讨论,开口必谈分布式、高并发,而不结合实际情况,只有为系统引入更多的复杂度,才能恐吓初学者,维系自己的优越感。

对于求助,有的高级程序员既不想帮助你,又不想失去一次展示的机会。犹如孔乙己在咸亨酒家柜台前满口“之乎者也”,叫人半懂不懂的。

 

忙碌的悲观主义者

有时候,需要你去接手一个老旧的系统。它就像是上世纪的石英挂钟,拥有复杂且老旧的工艺,虽然还能够工作,但下一秒可能就会垮掉。

当你维护和改造它时,无从下手。“我一定处理不了他”,你可能会这么想,“它这么老,除非完全重构,否则优化也没有任何意义。”

但可能没人在乎你怎么想,你需要完成任务。此时,你陷入一种悲观情绪当中,失去了冷静分析问题的能力。

修复Bug变成了拆东墙补西墙,你在无意义地忙碌着,甚至自己也再不相信自己能解决它。你活在被Bug支配的恐惧中,认为自己做的一切都是徒劳,因为系统一定会坍塌。

有另外一些人,每天都处在重复的机械劳动中,程序员似乎是脑力劳动者,但对于他们来说,变成了一种纯粹的体力劳动。

他们有很多进度要赶,但是这些都不怎么需要思考,纯粹地CRUD让他们变得麻木,他们悲观地认为写程序就是这样子的,谁复制粘贴的速度更快,谁的绩效就更高。

 

框架的盲目追求者

编程世界日新月异,每天都会有一些新的东西诞生。守着固有的一亩三分地,就无法攻城略地,驰骋疆场。“程序员是一个需要终生学习的职业,否则,很容易被淘汰。”这句话很有道理,但它并不全对。

有的程序员永远保持着一种极端的尝鲜态度,当新框架出现,一定要成为首批使用它的人,仿佛旧事物都像陋习一样不堪。

他们或许是为了学习更多知识,运用到自己的工作中;或许是为了使自己保持对技术趋势的敏感;或许仅仅是因为这样好像很酷。

他们能从这无穷无尽的新框架中得到什么吗?

收获有时候会很少,因为真正的技术需要沉淀,频繁地浅尝辄止,只会浪费深入学习的时间。

有的人在简历上写了一长串的框架名字,但大多都流于表面。即使你精通一百种语言的“Hello world”,事实上,你等同于什么都不会。

人们对于无法跟上新框架产生的速度而恐惧,他们害怕被时代抛弃。不要担心,去拥抱那些最经典,最精华的内容吧,他们经受住了时间的考验而历久弥新。

 

拒绝合作的自我主义者

编程世界里流行一种“全栈”,很多人将它等同于“高手”。后来又渐渐流行“devops”,因为花一个人的钱就可以雇佣拥有两种能力的人。

有时候,这些“全栈”确实很强大,同时压力也很大,因为他包揽了所有的工作,一切流程和模式,只存在于他一个人的脑中,别人无法帮助他,他也不需要他人的帮助。

有时候,能力欠缺一点的人,为了标榜自己是“全栈”,也拒绝与他人合作,可最后工作成果并不让人满意。更糟糕的是,当别人问他某一方面比较深入的问题时,他答不上来,这反而对他的职业生涯形成了阻碍——由于没有专精,长时间停留在初级岗位上。

人的精力毕竟是有限的,除非你是天才。现实是,天才很少,自认为天才的人很多。

 

上面的四种角色,仿佛我心中的困兽,也是大部分人的梦魇。

人们常说自己终究变成了自己讨厌的样子。时间怎样对待你我呢?有时候,我们需要反思如何期许我们自己。

 

路漫漫其修远兮,吾将上下而求索。

各位程序员同行们,一起加油,好吗?

小编的程序员编程学习基地【点击进入】!从零基础到高级软件开发工程师~

欢迎到访~

涉及:游戏开发、课程设计、常用软件开发、黑客等等...

【使用教程】 一、环境配置 1、建议下载anaconda和pycharm 在anaconda中配置好环境,然后直接导入到pycharm中,在pycharm中运行项目 anaconda和pycharm安装及环境配置参考网上博客,有很多博主介绍 2、在anacodna中安装requirements.txt中的软件包 命令为:pip install -r requirements.txt 或者改成清华源后再执行以上命令,这样安装要快一些 软件包都安装成功后才算成功 3、安装好软件包后,把anaconda中对应的python导入到pycharm中即可(不难,参考网上博客) 二、环境配置好后,开始训练(也可以训练自己数据集) 1、数据集准备 需要准备yolo格式的目标检测数据集,如果不清楚yolo数据集格式,或者有其他数据训练需求,请看博主yolo格式各种数据集集合链接:https://blog.csdn.net/DeepLearning_/article/details/127276492 里面涵盖了上百种yolo数据集,且在不断更新,基本都是实际项目使用。来自于网上收集、实际场景采集制作等,自己使用labelimg标注工具标注的。数据集质量绝对有保证! 本项目所使用的数据集,见csdn该资源下载页面中的介绍栏,里面有对应的下载链接,下载后可直接使用。 2、数据准备好,开始修改配置文件 参考代码中data文件夹下的banana_ripe.yaml,可以自己新建一个不同名称的yaml文件 train:训练集的图片路径 val:验证集的图片路径 names: 0: very-ripe 类别1 1: immature 类别2 2: mid-ripe 类别3 格式按照banana_ripe.yaml照葫芦画瓢就行,不需要过多参考网上的 3、修改train_dual.py中的配置参数,开始训练模型 方式一: 修改点: a.--weights参数,填入'yolov9-s.pt',博主训练的是yolov9-s,根据自己需求可自定义 b.--cfg参数,填入 models/detect/yolov9-c.yaml c.--data参数,填入data/banana_ripe.yaml,可自定义自己的yaml路径 d.--hyp参数,填入hyp.scratch-high.yaml e.--epochs参数,填入100或者200都行,根据自己的数据集可改 f.--batch-size参数,根据自己的电脑性能(显存大小)自定义修改 g.--device参数,一张显卡的话,就填0。没显卡,使用cpu训练,就填cpu h.--close-mosaic参数,填入15 以上修改好,直接pycharm中运行train_dual.py开始训练 方式二: 命令行方式,在pycharm中的终端窗口输入如下命令,可根据自己情况修改参数 官方示例:python train_dual.py --workers 8 --device 0 --batch 16 --data data/coco.yaml --img 640 --cfg models/detect/yolov9-c.yaml --weights '' --name yolov9-c --hyp hyp.scratch-high.yaml --min-items 0 --epochs 500 --close-mosaic 15 训练完会在runs/train文件下生成对应的训练文件及模型,后续测试可以拿来用。 三、测试 1、训练完,测试 修改detect_dual.py中的参数 --weights,改成上面训练得到的best.pt对应的路径 --source,需要测试的数据图片存放的位置,代码中的test_imgs --conf-thres,置信度阈值,自定义修改 --iou-thres,iou阈值,自定义修改 其他默认即可 pycharm中运行detect_dual.py 在runs/detect文件夹下存放检测结果图片或者视频 【备注】 1、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用!有问题请及时沟通交流。 2、适用人群:计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。
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