《兼职日记》

今天早上7点30的闹钟,每天总误以为自己会听闹钟的话,结果又晚了些出门。等543公交车的时候就是后悔,我哪怕能提前5分钟…还好等到了,也没有耽误报到。

兼职如戏,尽不如意。没耽误也干不了了,回龙观竟然招满了,不需要兼职了。我的天!我岂不是白跑一趟,甚至于浪费一天。
抓紧联系中介,没办法。不过说给个路费补助,一会儿记得要,不能不好意思,奔波所得。

中介让去了1号线,一个小时的路程,中途不断产生放弃的想法,已经快10点半了,放弃就是半天白费,但还是想放弃。不过人家要我,社会需要我总不能拒绝。还是去了。

路上有深深的负罪感,因为知道这是要往楼房里贴传单,这听起来就不是多么道德的行为,也怕被逮到批评。

10点50到了,等到11点10多分。可算等到人来接我了,心里的石头落地了,差点患上心结石。忙上忙下总算开始干活了,没想到是发传单,哎这可是我梦寐以求的工作。有点小兴奋。但是老板说还是会轮换着去楼里贴传单。不管了,先发我的去。

开头几次被拒绝我也没觉得什么,毕竟我也拒绝过别的的传单。接下来一次次的被摆手、摇头和漠视,让我意识到传单并不简单。如果是表白这件事,被拒绝一次,基本都不会发生下一次。但放到传单上,每一次都有可能是下一次。

功夫不负传单人,我的第一次终于发出去了,衷心感谢那个伸手的帅哥。祝他天天开心。我以为接下来就将迎来我发传单的春天了,却还是那个吊样子。冬天了,大家都不愿意把手从温暖的口袋里抽出来。

不能这个样子了,既然我不能改变他们,就要让我的宣传更具有吸引力。首先从口头语开始,虽然说了很多次,但是我还是觉得对行人说“你好,要传单吗?”不太是一句好的宣传语,然后我去旁听了下同行(xing)女生是怎么吆呼的。

“中国电信年底回馈,宽带大优惠。”

“电信宽带了解一下。”

“89一月,免费送路由器。”

“中国电信做活动,有兴趣看一下吗?”

大师就是大师,不管哪一句都比我的“你好,要传单吗?”强太多了。偷师后的我回到我的地盘上有模有样地吆呼起来,传单确实发的快了,也没有人拿奇怪的眼神看我了,不得不说,发出传单收获喜悦,有一点赠人玫瑰手留余香的感觉了。虽然还有人不要,但接受的也多了,接受传单的人就像接受我这个人一样,他们都是好人(ps:不是说其他是坏人)。

该中午吃饭了,老板带着我们去了一个比较实惠的店,我一直纠结着是不是老板请客,要是请的话,我就不好意思点的太好了。不过还好,老板对餐馆老板说了句各付各的,我就放开了,点了好几个看起来比较好吃的。老板看着我一大堆菜有点懵,一时分不清谁是老板。我赶紧趁着没吃分给他们了点,省得吃起来有心理压力。

吃完回去的路上,聊着一些没营养的话题,我为了使话题有趣,指着朝阳大悦城里的店铺说了句“这些店铺一个月的租金够我干好几个月了”,我的吹牛逼让气氛立马活跃了起来,被大家普及了我是怎么怎么在妄想之后,差不多就在欢乐声中回到工作中了。

下午过的非常慢,平时一直觉得时间不够用,到这里恨不得时间能60倍速走。一直站一直走,我一个小年轻快成一个腿脚不便的小年轻了。时不时来个人,我时不时发出去张传单的这种我曾经十分羡慕的行为现在慢慢被我嫌弃到烦到弃之如敝履,以后可不干这个了。

度分如日的我在煎熬中踱步,过会儿掏出耳机听了会儿歌,怕手机和耳机没电,不一会儿又关掉了。看了下时间是15:24。我开始思考活着的意义,想不出来。我又开始想活着有什么意思,还是想不出来。可能我就是一只没有脑子的咸鱼吧,不懂得思考,又想了想,豆腐都有脑,而我却没有。不由得一阵莫名其妙的悲伤。接着我又去看了会儿报纸,边看边注意有没有我的目标人群(老板要求发传单要发给年轻人,因为老年人不懂什么是宽带,只关心能拿多少礼品)。看完报纸觉得没啥意思,又开始踱步思考,看看能不能编出来一个超级搞笑的段子。过了会儿我又看看时间,15:36。

我的天我要疯掉了!时间怎么这么慢,是不是奇异博士在搞鬼,为什么时间宝石要针对我一个发传单的普通人!面无表情的我心里在呐喊,嘶吼,张牙舞爪。

接着就是一直无聊无聊着发传单了,也没叫我去楼里面贴传单,就一直无聊着过来了。

到17点左右,我去跟那位女大师一起了。她好像很久没说过话了一样,跟我说了很多,有她不能回他爸的房子里住了,她老公对她也不是太上心了,她也不演电视剧了,她之前跟胡歌同居过,她之前跟一个《爱情公寓》中的女演员同居过,那个女演员随随便便就陪别人睡觉,去饭店酒店吃饭不用掏钱跟老板上床抵钱。天知道什么是真的,刚开始说他爸的事情我还挺同情呢,后来再说什么就左耳朵进,左耳朵出了。

终于到17:30下班了,累死了,我作为一个颇会做人的男孩子送她到公交站后就自己坐地铁回来了,不一会儿收到了工资,120元,嘁。

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 8
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