李斯

中国历代 丞相中,若要论下场最可悲、死得最惨的人,恐怕要首推秦相 李斯了。《 史记》中有一句关于 李斯被杀的文字记载:"二世二年七月,具斯五刑论,腰斩 咸阳市。"

"五刑",是指对罪犯所实施的五种刑罚。"五刑"究竟包括哪些内容,历朝历代都有所不同。先秦的五刑是指墨、劓、剕、宫、大辟;《北魏律》的五刑是死、流、徒、鞭、杖,《北齐律》的五刑是鞭、杖、耐、流、死,《北周律》的五刑是死、流、徒、鞭、杖。从《隋律》起,才将五刑定为笞、杖、徒、流、死,并一直延续到清朝。

[ 转自铁血社区 http://bbs.tiexue.net/ ]


从"五刑"的演变过程来看,这种惨绝人寰的刑罚,随着**的不断进步,正在一步步向着较文明、较人道的方向发展,呈现出逐步减轻身体摧残程度的趋势。可李斯没有那么幸运的生在隋朝以后,也只有在秦朝束手待毙的份了。秦朝的五刑虽然比先秦时期有所进步,但从《大秦律》中仍能感觉到这种肉刑与死刑并用的刑罚的极端残忍。其法为:"先黥、劓、斩左右趾,笞杀之,枭其首,菹其骨肉于市,其诽谤詈诅者又先断其舌。"


李斯行刑时没有胡言乱语,所以没有被额外的割掉舌头。但"具"这个字,说明了李斯所遭受的那五种刑罚并处腰斩,一项也没有少。单纯通过文字记载,很难揣测出李斯受刑的情景。试想,如果先实施五刑,碎了尸,腰斩便无法进行;若先行腰斩,截成两段,那么刺脸、劓鼻、剁肢、笞杀都失去了意义。唯一的办法,就是将五刑和腰斩结合起来执行,先刺脸、劓鼻、剁肢,随后腰斩,接着砍头,最后再慢慢碎尸。赵高这一语无伦次的判决,可真够难为那些准备行刑的刽子手们的。


被施以五刑,这不能不说是残酷现实对李斯个人的极大嘲讽。其一,李斯是《大秦律》的制定者和执行者,搞不好五刑的具体内容还是由他大笔一挥,用精美的小篆最终圈定而成的。其二,李斯是秦始皇残暴统治的"铁杆屠夫",或许那些为他行刑的刽子手们,还是当年他用杀人无算的经历,一手调教和培养出来的娴熟庖丁。如今他自己却成了"俎上鱼肉",最后由他训练出来的刀客,按照他厘定的刑罚,一项一项,一刀一刀的被结果了性命,很有一股子"木匠做枷,自作自受"的滋味和 "请君入瓮"的感觉。


五刑实施起来是一个漫长、甚至无限延长的死亡过程,远没有被一刀砍下脑袋那样来的简单痛快。从脸上被针尖随心所欲的雕刻,到鼻子被匕首硬生生的割下,到两根小腿被砍刀一条一条的剁下,到整个身子被特制铡刀拦腰切断,再到脑袋被鬼头大刀嗖地斩下,在这一个极其复杂的死亡过程中,李斯感受到的是从阵阵刺痛,到钻心剧痛,再到痛不欲生,最后到了不知疼痛。李斯是看着自己一点一滴慢慢死去的,同时他也看到了自己为之追逐一生的荣华富贵、权势地位也随之而去。

权力,对于李斯这个河南上蔡汉子来说,具有超乎寻常的亲和力和亲切感。为了出人头地,他义无反顾的抛开家乡,数十年不归;为了个人私利,他心甘情愿的背叛自己的国家楚国,跑到了秦国当汉奸;为了荣华富贵,他奴颜婢膝的写出了《谏逐客书》,成为嬴政身边的红人;为了争权夺利,他心狠手辣的排挤老同学韩非,并将其毒死在狱中;为了讨好皇帝,他借题发挥,眼睛没有眨一下就把数百名儒生活埋在骊山脚下...... 无情、无耻、残忍、残酷,把李斯从一个上蔡的"郡小吏",一步步推上了大秦帝国的第一任丞相秦始皇的儿女亲家。中国历代丞相之富贵,莫过于此。


花团锦簇、烈火烹油的眼前气氛,并没有让李斯的心情彻底得到放松。他念念不忘老师荀子教导他"物忌太盛"的至理名言,这说明他没有完全陶醉于高官厚禄之中。他曾在一次大型家宴上感慨的说:"我本是个平民百姓,今天做了丞相,可以说是富贵到了极点。但物盛则衰,我还不知道将来会有什么样的结局呢?!"这说明李斯对现实还有着比较清醒的认识,甚至对将来似乎有一种不详的预感。但是,为了巩固既得的现实利益,为了获得更多的期望利益,贪得无厌的李斯还是抛弃了秦始皇对他的极端信任,竟然与阴险歹毒的赵高、近乎白痴的胡亥狼狈为奸,合谋上演了一出"假传遗诏"的肮脏**交易,造成扶苏自杀,蒙恬遇害。而他自己,也因此走上了不归之路。

[ 转自铁血社区 http://bbs.tiexue.net/ ]


卸磨杀驴的事情自古有之。本来,李斯与赵高一战线的仓促结合,完全是为了互相利用,各取所需,但等赵高的地位巩固了,目的达到了,昔日的盟友很快便成了他的眼中钉、肉中刺,欲除之而后快。一条莫须有的谋反罪名,让"千古一相"李斯体会到了牢狱的冰冷黑暗;一次次下死手的严刑拷打、刑讯逼供,让李斯真正领略到了秦朝刑罚的扎实。给胡亥写得几封信,早就被赵高付之一炬;重见天日的幻想,早被赵高狠毒的眼神搞得支离破碎。李斯在这场权力的角逐中,终于彻底被打败,最后被残忍的折磨、屠杀、碎尸。


在押赴刑场的路上,已经七十三岁、白发苍苍的李斯曾回头对同判死刑的二儿子李由说:"吾欲与若复牵黄犬,俱出上蔡东门,逐狡兔,岂可得乎!"这种视死如归的慷慨,这份面对死亡的从容,这句言语猖狂的调侃,让我们真切的感受到了李斯当时平静而又激荡的内心世界。李斯这种临刑前的黑色幽默,既是他对牵狗逮兔子那份闲情逸致的向往和怀念,也是对他追逐权力终生的全面、彻底否定。

【6层】一字型框架办公楼(含建筑结构图、计算书) 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
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