2008年的文化之旅计划: 上海行

2008年的文化之旅计划: 上海行

1.弄堂 – 上海永远的风情

上海的弄堂是种类繁多、声色各异的。那种石库门里弄是上海弄堂里最有权势之气的一种,它们带有一些深宅大院的遗传,有一副官邸的脸面,它们将森严壁垒全做在一扇门一堵墙上。一旦开门进去,院子是浅的,客堂也是浅的,三步两步便穿过去,一道木楼梯在头顶。木楼梯是不打弯的,直抵楼上的闺阁,那二楼临街的窗户便流露出了风情。上海东区的新式里弄是放下架子的,门是镂空雕花的矮铁门,楼上有探身的窗还不够,还要做出站脚的阳台,为的是看街市的风景。院里的夹竹桃伸出墙外来,锁不住的春色的样子,但骨子里头却还是防范的,后门的锁是德国造的弹簧锁,底楼的窗是有铁栅栏的,矮铁门上有着尖锐的角,天井是圈在房中央的,一副进得来出不去的样子,西区的公寓弄堂是严加防范的,房间都是成套的,一扇门关死,一夫当关万夫莫开的架势,墙是隔音的墙,鸣犬声不相闻的,房子和房子之间隔着宽阔地,老死不相见的。但这防范也是民主的防范,欧美风格的,保护的是做人的自由,其实是做什么就做什么,谁也拦不住的。

这是上海作家王安忆写于1996年的长篇小说《长恨歌》中的一段节选。

================================================

旧式里弄:

就像王安忆传神的描绘那样,石库门建筑从外观上保持了中国传统民居的封闭式深宅大院的样式,但面积和尺度大大缩小,空间变得紧凑甚至有些局促,由于早期的住宅每户都有一个简单的石料门框,内配黑漆厚木门,所以将此类住宅群一律称为石库门里弄,只是到了后期,不断改进的新式石库门建筑才开始注重石库门本身的装饰,一般在石料门框上方有三角形圆弧山花,上面有西式砖雕或石雕,在砖券、柱头等部位也出现了西式装饰。位于陕西南路建国西路转角上的由法商建造的步高里可以归到这一类建筑中

新式里弄:

复兴坊、万宜坊、花园坊、万福坊等众多的新式里弄住宅,而建于1925年的凡尔登花园(长乐村)和1927年的霞飞坊(淮海坊)就是其中的佼佼者.

2.花园洋房 名人故居

  • 毛泽东故居

在上海的公交车上,经常可以看到有关于主席故居的更新状态,最近毛泽东诞辰115周年的纪念,更是搞的如火如荼。上海的几位有名的画家还在静安区的某个画展中心搞过一个展览,主要是以毛泽东的诗词为主。

最近听说毛泽东故居又增加了许多人栩栩如生的人物蜡像。

  • 宋庆龄故居
  • 阮玲玉故居
  • 鲁迅故居

淮海坊64号曾经是许广平的寓所,鲁迅全集就是从这里开始筹备、编辑、出版的。另外,鲁迅公园亦可去看一看。

  • 著名文学家叶圣陶
  • 一代画师徐悲鸿
  • 诗人徐志摩则故居

他的原配夫人娘家曾经是上海的资本家,据说永久牌自行车就是他们家的企业之一。

  • 丁玲故居
  • 画家关良
  • 邹韬奋故居

上海的一位同事家就在邹韬奋故居的附近,可想当年何等人家。

3.城隍庙

以前玩过,总觉得是购物的地方。在上海的青浦也有一个类似的城隍庙,听说值得一游。

4.外滩

《上海滩》的电视剧多多少少影响了一代人,在那个娱乐匮乏的年代,赵雅之和周润发的表演,以及电视剧中错综复杂的人物关系,上海滩灯红酒绿,爱国与卖国,正义与邪恶,爱与恨,情与仇,黑道与白道……形形总总,总是能让年少的我热血沸腾。每每坐上上海的巴士,看到那些老建筑时,总是会想入飞飞,想到程程的爱与哀愁,许文强的快意恩仇等等。

与上海滩相关的故事很多,张爱玲的小说里的人物许多是发生在上海,颇受争议的〈色戒〉……

有关于中国解放的系列电视,从来没有好好的看过一部。相关的小说,也只是看过〈亮剑〉,儿时的小人书倒是看了不少,可惜忘得差不多了。〈51号兵站〉是在前年去深圳的飞机上,旁边的的一位亦爱看书的女伴强烈向我推荐的,只是一直未去买来看看。看来在了解和游历外滩的过程当中,我很有必分去找一下解放前后的相关书籍。看看那段历史,以及那些为了革命而舍家为国的革命先辈。

就盼着手头的工作赶紧着走上正轨,周未就可以出行了.带着书带着好奇去了解上海的故事,了解在这坐城市曾经拥有的那段峥嵘岁月。

[@more@]

来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/28994/viewspace-1000699/,如需转载,请注明出处,否则将追究法律责任。

转载于:http://blog.itpub.net/28994/viewspace-1000699/

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。
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。
【5层】公司办公楼全套设计+++(3156平,含计算书、建筑图,结构图、实习报告,PKPM,答辩PPT) 1、资源项目源码均已通过严格测试验证,保证能够正常运; 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; 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; 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。
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