重拾Ruby—新的征程

作家格拉德威尔在《异类》一书中指出:
“人们眼中的天才之所以卓越非凡,并非天资超人一等,而是付出了持续不断的努力。1万小时的锤炼是任何人从平凡变成超凡的必要条件。“
他将此称为“一万小时定律”。
 
要成为某个领域的专家,需要10000小时,按比例计算就是:如果每天工作八个小时,一周工作五天,那么成为一个领域的专家至少需要五年。这就是一万小时定律。
 

可偏偏我是个朝秦暮楚的人。当初见Python比较简单,想去书店买本教材来学下的。无奈找不到相关的书籍,机缘巧合之下,让我遇见了Peter Cooper写的《Ruby从

入门到精通》,当时只知道这是一门编程语言,完全没想到它是可以和Python相提并论的,好了,本以为这下能静下心来好好学习。始料未及的是,我太高估我自己

了,寒假在家,有了战神之后,诱惑实在是太大,没怎么好好学过。(主要也是不知道学了有什么用),就一直在看爱奇艺混日子了。之后到了大一下学期,一次偶

然,在朋友QQ空间看到了年少气盛的余佳文在演讲。那时候,才知道他是个90后创业者,好屌啊,有没有?超级课程表,很受欢迎的APP。原谅无知的我第一次使用。

这才让我知道,原来还可以这么赚钱。

 

萌生了编个有用的校园APP的想法,就去买了本大神们推荐的《第一行代码》,可是搞了几天,也不知道怎么回事,eclipse就是频频出问题,每次都是安装好了之后,

不知道怎么搞的老是报错。这才又想起我那半途而废的Ruby,算了,还是学它去吧。都给晾好久了。还以为从此顺风顺水,不曾想,在Ruby越学越难之后,有点丧气

了,一会见Web语言好学就跳去学HTML,CSS和JavaScript,搞得一开始信誓旦旦想要学好的Ruby反而没有学好。一本好好的300页的入门教程还看不到1/3,真是犯了编

程的大忌。

 

今天在博客园注册了个博客,希望自己能持之以恒,认真学好一门语言。再触类旁通,去开创更大的天地!以前一直在纠结学哪门语言的问题,于是乎跑去知乎求解。

看了看知乎那么多大神的答案,都在强调认真学好一门语言的重要性,这下更加坚定了自己的信心。(虽然还是有点不确定),在了解了什么是魔幻,什么是简约之

后,有那么点点相信,充满魔幻色彩的Ruby和走简约路线的Python是可以各取所长的。不知道两个都学得七七八八之后,左手Ruby,右手Python!是不是可以在我的

手下发挥更加强大的威力呢?

 

勇敢的少年,既然选择了这条路。那就义无反顾地走下去啊。至少,大学,还能学到点什么!

 

关于什么是魔幻语言,什么是简约语言见http://m.blog.csdn.net/article/details?id=2028545

 

转载于:https://www.cnblogs.com/Ruby517/p/5502827.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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