400万北漂女孩爆红朋友圈,背后的真相却让人泪奔了...

文章首发mrceel.cn

最近,一部叫《北京女子图鉴》的电视剧刷爆了整个朋友圈。这部剧讲的是大学毕业生陈可依只身北上打拼的故事。

本以为这样一部剧能引起不少在大城市独自奋斗的女孩子的共鸣,没想到很多姑娘看完都炸了:“导演你是不是对女性有什么误解?”

标榜着“独立自强”的女主,职场每一次升迁,都是傍着男人;嘴上说着“想要什么自己去赚”,收起土豪老总送的香水倒是心安理得。身边的闺蜜唯一信奉的生活哲理就是“一张床可以奋斗出一套房”。就连剧里唯一成功的女老总,房产也是靠离婚的补偿金买的。

打着女权的旗号,却在鼓励女性靠脂粉、靠衣服博取利益,无限地夸大颜值、关系、小聪明的作用,殊不知这一切都狠狠侮辱和讽刺了那些靠自己的智慧、实力和努力来赢得地位的女性。

真正在大城市拼搏的女孩子,从来不是这样的。


//01//


曾经见过这样一张照片。凌晨两点的街道上,一个女孩蹲在路中间崩溃大哭。那一刻,一定是有什么东西最后压垮了她,让她活不下去了。


而在大城市,这样的深夜痛哭,还有很多。

认识一个编剧,一毕业就做了北漂。刚来的时候穷得只能住在半地下室里。冬天没有暖气,睡觉的时候把所有棉衣都盖在身上;夏天极潮,雨一大,半截窗户就开始漏水,得用脸盆接着。
就这样苦撑两年,等来的不是机会,而是异地男友的微信:我们分手吧,我等不起了。

苦吗?这就是大部分北漂姑娘的日常。谁没住过几次地下室,谁没住过一间合租房,谁没被黑中介坑过,谁没被房东突然涨过房租?

可再苦,还是坚持了下来,哪怕每一个微笑的背后,都是咬紧牙关的灵魂。


 


//02//

朋友圈里有一个妹子,头像是樊胜美,配上字幕:“在上海生活不容易啊”。

在外企上班的她,每天压力大到一把一把掉头发。从小没被爸妈说过一句重话,工作之后整天被领导骂,被客户折磨。熬夜加班成了常事,有一次竟然在公交车上站着睡着了,还自嘲反正超挤,睡着也不会摔倒。没有时间做饭,整天吃着油腻的外卖,常常胃疼到脸色发白。

最盼望的事,就是升职加薪,努力攒钱在这座城市买一个小房子,成为这个城市里真正的一员。可不管怎么努力,工资永远追不上房价。

有一次下班时下雨了,她为了省下打车钱,缩在站台等了半个小时的公交。远远地,她看着一个和她年纪相仿的妹子上了一辆法拉利。

这就是大城市,有人一出生就拥有你从没有过的东西,而有人必须用力奔跑才赶上别人的起跑线。最难的从来不是买房,而是实现阶层的跨越。


//03//

闺蜜来深圳有些年头了。她是销售出身,每天接电话无数,却说自己最害怕接的,就是爸妈的电话。因为每次都是催婚。

有一次,被逼到不行的她也去参加了相亲会。在那个小小的相亲角上,她看到每个人都近乎耻辱地举着一块牌子,在上面把自己物化成一套房子、一辆车、一个本地户口…

在大城市,连感情都多了很多衡量。

而她就像很多打拼的外地女孩一样,无房无车,不是本地户口,不具备任何一项可以在婚姻市场上进行博弈的条件。最可怕的是,她连唯一的资本——年轻,也马上失去了。

所以大城市的女孩子更急迫、更焦虑,不是担心无人可嫁,而是怕自己成长的速度,敌不过自己变老的速度。

 


//04//


你看,这才是最真实的“大城市女子图鉴。”生活从不天真,它不会套着粉红色滤镜给你演玛丽苏剧。

 

那位编剧朋友,苦熬了十年,才有了今天的江湖地位。朋友圈里的上海妹子,吃了几年的外卖才做到公司中层,靠着期权和投资,勉强付了房子的首付。闺蜜自从看清了现实,更是一心扑到工作上,她说:“脱单和脱贫,至少完成一个。”
在大城市的弱肉强食里,一个女孩子要付出更多,才能换来一点进步。

,

记得看过这样一段话:“如果这时候有人抱抱我,我是一定会哭一哭的,如果没有的话,那我就再坚持一下。我要先做一个披荆斩棘无所不能的女英雄,直到遇见能托付一生的人,才能再做一个瓶盖都拧不开的小公主。”

在冷漠的大城市里,从来不是你撒撒娇、掉掉泪就能一步登天的。有多少姑娘,关了灯在合租房里失声痛哭;有多少女孩子,故作坚强,其实还是脆弱的孩子…

所有人都看到了你蓬勃的野心,不容小觑的实力,很少有人关心你疲惫的一声叹息。亲爱的姑娘,女英雄做久了,别忘了去疼爱自己,也给别人一个机会,来心疼你。

那个因为忙工作,在计划表里躺了很久的海岛之旅,不如就成行吧。就当给自己放一个假,就当给这么努力的自己,一个小小的奖励。

那个一个人活成一支队伍的自己,那个万事不求人的自己,不如慢慢放松,让别人也有机会来照顾你。

原文地址点击跳转
因阅读颇有感触故转载…
本文转载自【习惯打卡】App 如有侵权请联系本人删除!

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
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