某拼多多员工吐槽:互联网的35岁危机都是自己作出来的,明知道是青春饭,还真以为自己年薪百万了。...

在互联网行业这片充满机遇与挑战的沃土上,我们曾怀揣梦想,渴望以技术为剑,斩破前行的荆棘。然而,当岁月的车轮滚滚向前,35岁的门槛悄然出现在眼前,不少人开始感受到前所未有的焦虑与迷茫。互联网的35岁危机,真的是自己“作”出来的吗?

回望过去,那些曾经以为年薪百万触手可及的日子,是否让我们迷失了方向?在追求物质享受的同时,我们是否忽略了职场生涯的潜在风险?以上海为例,面对高昂的学区房和补习班费用,我们是否真的需要以当前的收入去匹配那些看似光鲜的消费?

ec4b1a233ad2e3a57518cb34db02c217.png

有人说:是有一部分人对自己的未来收入过度乐观了。并且不考虑时代和平台的因素,把高薪全归为自己的实力和努力。

615a028faf99a44b4fbc200aa033cc6c.png

有网友说:是的,学区房有什么用,名牌大学读出来还不是社畜996。

072032791e129657403728cfd320e2fd.png

有人说:大部分人都在无病呻吟,得了便宜还卖乖。一个个能力不怎么样幻想着自己是中产,眼高手低

48d318c9a54d62598a496f48e1801af2.png

有网友说:为什么会有35危机,因为你现在能赚的都是你所处平台带来的,一旦平台不要你了,你就难了,所以人得认清自己,不要把平台优势当成自己的,能搞副业还是搞一个吧,开个加盟便利店都行啊

fb34795ec4d7b0deedd6fdd683c15bbb.png

有人说:你去这些地方定居。。。啥都没有的。有种地方叫学区。上海的学区都在市区,均价8万往上。

ab0529738ec767e7af189dc37738dd31.png

有网友说:拼多多我来了4年,就看到一个35以上的,而且是今年刚35,你如果没到35,没资格说这话吧?没有同理心还在喷同类的,我感觉要三思,至少完全了解情况再说

f36a76b1b71117d0e9c63ba764c35aad.png

有人说:有点赞同,所以我没有考虑深圳买房,农村来的娃知道不可能靠我这代就有翻天覆地的变化,以后我的小孩健康成长就行了,我不给他添加额外的负担,有钱就富养,没钱就穷养,家庭和睦心理健康的长大最重要

19f29e3743658e3b1d31fe6de04c183d.png

有网友说:其实我也不懂为啥说35岁就不要了,我们现在招一个d7都可费劲了,35+也是可以的,靠谱的人真的很难啊

d58fa90c84a3b1091e443217d7f09d92.png

有人说:别贩卖焦虑了,我37,周围一堆40左右的,没一个失业的

335e2893f798a36b5ab4cac7078747f1.png

有网友认为,确实有人对自己的未来收入过度乐观,忽视了时代和平台的影响,将高薪全部归功于自己的实力和努力。他们指出,有些人过于追求物质享受,如学区房等,却未能认清自己在职场中的真实位置和风险。一旦失去平台的支持,他们往往会陷入困境。他们认为,35岁危机并非完全由个人造成,而是与整个行业的生态和企业的用人策略有关。

有的网友也指出,有些人虽然能力一般,但也能在职场中立足,这并非完全是他们自己的功劳,而是得益于平台的支持和团队的协作。在应对35岁危机方面,有人认为,副业是一个不错的选择,可以为自己增加一份收入来源和保障。也有人认为,家庭和睦和心理健康才是最重要的,不必过于追求物质享受和名利地位。还有人认为,企业应该改变用人策略,更加重视中年员工的经验和价值,为他们提供更多的发展机会和晋升空间。

【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