熊的困惑

# 作者:水煮鱼
时间:2008-2-1 夜
版权申明:本文为水煮鱼为 水煮鱼@博客园 撰写,不得用于商业用途,如需摘用,请与水煮鱼联系。

森林里,老虎要搬家了。
作为森林之王,众多的动物都来献殷勤,有熊,兔子,长颈鹿,猴子等。
老虎家的东西很多,大到电冰箱,书柜,小到闹钟,布娃娃等。
由于熊的力气比较大,所以老虎就给熊说:熊啊,你就搬这个最大的电冰箱和书柜吧,这两个可是我所有东西里最重要的,你一定要好好的帮我照顾好咯。老虎有看看小兔子,说:小兔子啊,小兔子,你这么小,弱布惊风,就帮我搬搬闹钟,布娃娃的吧。
工作安排完了,所有动物就开始行动了。
尽管熊的力气很大,但是自己搞定电冰箱和书柜,挑战还是不小。费了七熊八虎之力,才把老虎的两个宝贝搬到了老虎的新家。
而小兔子呢,除了轻而易举的搬完了闹钟和布娃娃,小兔子还顺便搬了老虎的书,几个茶杯以及几把老虎舍不得丢的小凳。
繁忙的一天终于结束了,老虎非常满意自己的新家。
它看看动物们搬到新家的家什,乐呵呵的和每个动物握手,并颁发礼品以表谢意。
老虎对着小兔子说:小兔子啊,好样的,呵呵,你看你除了搬闹钟,布娃娃,还给我搬了那么多的茶杯、书,哟,连我的小凳子你都给我搬啦,哈哈,很好很好,来只鸡腿吧。
老虎又看了看长颈鹿,猴子,长颈鹿根据老虎的安排也拿了吊灯和老虎很喜欢的孔雀扇,猴子呢,因为在搬运的过程中又是给大家加油,又是给大家倒水,所以老虎给他们各人一只肥大的鸡翅。
老虎走到熊的面前,看着满头大汗的熊,微微点点头,呵呵,很好好,不过你要努力哦,应该多向小兔子学习,除了完成本职工作之外,还需要不断的挑战自己,承担更多的工作,好吧,这,鸡屁股好好拿着,我很看好你的。
熊困惑了.....
自己难道做的还不够吗?

------------------
上述的一个故事很简单,但是却折射了在工作中很多人遇到的无奈。并且现实中的情况比故事中的寥寥几笔要更复杂。比如当老虎也不知道是冰箱重还是闹钟重,比如小兔子就是指着闹钟对老虎说闹钟比冰箱重,比如,小兔子说自己搬的就是是冰箱(尽管确实那是一只闹钟),还比如当熊费了七熊八虎之力之后,在冰箱快搬到的时候,小兔子帮忙把冰箱扶了扶.........................
看了很多论坛,提到了职场智慧。
这里职场智慧所能体现的做法有很多种,不妨一一列举分析:
1、熊吸取了教训,学习小兔子,在下次搬家的时候,总是挑着闹钟拿,除了闹钟,熊还可以轻而易举的搬完老虎的布娃娃、茶杯、书,小凳子,风扇,吊灯等。
也许熊可以每次都获得鸡腿,但是如是下去,即使熊做了老虎的御前大将军,但是那已经不再是一只熊,那仅仅是一只小兔子而已。况且,本来力气就很大的熊,总是去拿一些不成气的小玩意儿,老虎能答应吗?
2、熊换了一身皮,变成了一只小白兔(这是兔子看来也小不了),那熊就可以名正言顺的去拿老虎的布娃娃、茶杯等。为啥,呵呵,因为俺就是一只小白兔嘛。时间一久,熊也真的以为自己是小白兔,有天,老虎说:兔子啊兔子,你帮我搬了这么多次家了,我想也应该足够强壮了,那这次就给我搬这个电冰箱吧。熊傻眼了,偶仅仅是兔子一只,咋能搬这么大个东西。熊早已经忘了自己是只熊。
3、熊除了搬电冰箱和书柜外,还顺带在书柜里装了老虎的书,电冰箱里放上老虎最爱的吉娃娃..在完成任务中,通过有效的数据体现电冰箱和书柜在所有的家什中的分量,并适当清楚体现自己完成的工作。
--------------------
我对管理学可谓一窍不通,也许第三招就叫对下级对上级的正向管理。
不论是熊,还是兔子,其实实现上述管理的前提在于对自己能力的正确认识。如果你想让自己能在工作中不断进步,不断对自己超越,就需要用适当的方法,以自己的能力担当适当的任务。当萝卜对上的适当的坑,才可以让萝卜茁壮的成长。

转载于:https://www.cnblogs.com/shuizhuyu/archive/2008/02/17/1071444.html

【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