我的读书”历史”

很小的时候,还没上学呢,比较有印象的一本书叫作《神州擂》,讲的是爱国豪杰痛扁外国人的故事,主人公叫做东方一杰, 有些看不明白(主要是不认识几个字),但是留下了很深的印象。
小学1年级,小人书《碧血剑》、《东周列国志》懵懵懂懂,好奇,就翻来看,认字实在是不多,嘿嘿.
小学2年级,《冰川天女传》港版的,繁体竖排版,不知道有多少人看过这个版本?一直到现在我还认为这是梁羽生写的最好的一本书之一,也就是写出了金世遗心底的孤独和那与生俱来的自卑。当然这是我后来感觉到的,当时看的时候繁体字认得不多,旁边要拿一本字典。
小学3年级,有一本小人书《战病菌》写的几乎就是近现代医学的发展史,里面的一些内容竟然在我在大学里考试都用得上,当然我的专业课几乎不及格的了。在舅舅家看到《笑傲江湖》,当时不是很用心的看,主要是第一章的内容,甚至是第一部都写得很沉闷。金庸的长篇几乎都有这个毛病。
小学4年级《天龙八部》速度飞快,奇怪的是那时候几乎能够记清楚所有的情节,不可思议。与它相同的就是后来看到的《四大名捕会京师》看的时候感觉特别刺激,其中的打斗简直是太精彩了!
小学5年,《多情剑客无情剑》,感觉到了古龙小说的魅力,在此之前,看过若干古龙的别人冒名之作和一些不成熟的作品,在我心中居然形成了古龙=黄色小说的印象,惭愧。那个时候自己还算是个好孩子,看到书中的一些”那个”就心惊肉跳,呵呵。
小学六年级,《侠客行》
初一的时候《呐喊》《彷徨》读了很多遍,想的不是很多。一本《世界历史》,名字是这个,但是现在找不到了。历史题材的书籍后来在我的读书单子中多了很多。
初二,看到过一本师范院校的教材,其中收录了汪增祺的小说《受戒》,没有任何历史背景的幸福生活的一种。
初三,几乎是空白,现在没甚么印象了。那本枯燥的政治黄皮书看了有几十遍吧。只背下了6/7遍,有的同学背了 37 遍;
高中一年级,重读《三国演义》,一个寒假看了大约有十几遍,看的很认真,最后那本书看的好像被抽了筋骨。
高中2年级,读到《鲁滨逊飘流记》,大约有6-7遍的样子,最后上课看的时候被数学老师没收了,嘿嘿,后来我去要,数学老师死活不给,原来他没看完。《百年孤独》,不是很喜欢的一本书,但是后来看到很多书的第一句都写着”很多年以后….”
高3,张承志的《回民的黄土高原》,不知怎么的,当时就很喜欢他的风格,后来实在受不了他的救世主口气了。南怀瑾系列,最爱看《老子他说》,算是少年人品味人生吧。这一年后来因为自己没有高考的压力,还看了《围城》,余秋雨的《文化苦旅》等等,还有一本书不能不提,李轻松的《玫瑰血》
补:高中时期对金庸的作品评价极高,通读金庸大作 N 遍,喜欢《连城诀》《笑傲江湖》。


大学一年级应该是我读书最多的一个时期,累计看的书有《巨人三传》《傅译传记五种》(这两本书基本内容一样),喜欢贝多芬的人生,和夏洛的生活状态。进而看了《约翰.克利斯朵夫》 , 很符合自己当时的心情。好书还有《皇帝新脑》《万历十五年》。当时认为那一年最喜欢的书是王小波的《青铜时代》,看的最累的书是《陈寅恪的最后20年》和李辉的书《风雨中的雕像》[补注:封面是老年的胡风,一脸傲气]使我对现实产生了莫名的恐惧。《Catch 22》,这本书就不说了,现在都是一个常用词了。
大学2年级,卡夫卡的《变形记》,很奇怪,这是卡夫卡的小说中我唯一完整读过的中长篇小说,其他的长篇有的已经读过很多遍,但是没有一个是完整的,这可能也和他的小说的风格有关吧。读《变形记》的时候当时很痛苦,很迷茫。海子《海子诗全编》,那是个缅怀和善于幻想的年代。
大学3年级《活着》理解了什么是人生的苦难。《黑骏马》《棋王》《白鹿原》[补注:全系男生都读完了这本书]还有莫言的若干中短篇小说,爱上了莫言的快刀砍冻萝卜一样的语言风格。他的短篇,如《司令的女人》《宝刀》《祖母的门牙》实在是有趣。米兰.昆德拉的那几本书,不是很喜欢看,出于好奇还是通读了一遍,但是翻译的质量的确很差。《瓦尔登湖》是我这一年中最爱读的书,现在还在我的身边。
大学4年级,刘亮乾的《一个人的村庄》苇岸《大地上的事情》[补注: 在北京风入松带回来的]使我回归自然之心。这两本书是受《瓦尔登湖》的影响,不过《一个人的村庄》实在是对我影响极大。
到现在为止,我没有看过《西游记》,不知道为什么,一直不想去读。不喜欢看所谓的《简爱》之流的名著,《钢铁是怎样炼成的》那本书也是比较反感,当时的政治遗风还很重,凭心而论,那样的书文学上的价值还是不高的。政治宣传的作品看过不少,但是现在这些书怕是没有人再来读了吧?现在有几个人读过《子夜》之类的书呢?
评书类的小说看过太多了,《 N 家将》……最爱看的是《童林传》,当时爱不释手.小人书看的也特别多,后来都给了别人,最开始俺哥有两百多本,可惜给了别人,只给我留下一套《东周列国志》,后来我白手起家,到了小学毕业,也初具规模,一百多本,这是足够的本钱了,和别人交换,好书极多。
以上是这么多年来的看的书籍的一个回顾,[谈不上读书, 就是看字儿]不能说哪一本书对我的影响最大,生活就是一部大书吧,我现在还没有读懂。
怀念那个难忘的时光

What God wants God gets God help us all
后记:
昨天偶然发现以前写的这个流水帐。复录一下.

Google+
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