《工人眼中的历史》

《工人眼中的历史》(A Worker Reads History)

   
 标题:《工人眼中的历史》(A Worker Reads History) 布莱希特(Brecht)【东德】 
   

Who built the seven gates of Thebes? 
底比斯七门何人建起 
The books are filled with the names of kings. 
问青史 唯帝王之名 
Was it kings who hauled the craggy blocks of stone? 
难道是帝王搬起了基石与墙砖 
And Babylon so many times destroyed. 
几番倾颓的巴比伦 
Who built the city up each time? 
又是谁将它重建 
In which of Lima's houses.The city with gold, 
金碧辉煌的利马城 
lived those who built it? 
它的缔造者此刻栖居何处 
In the evening when the Chinese wall was finished 
万里长城完工之夜 
Where did the masons go? 
工匠们又要去向何方 
Imperial Rome,is full of arcs of triumph. 
帝国罗马 笑尽凯旋 
Who reared them up? 
那是谁的心血 
Over whom did the Caesars triumph? 
谁的战斗浇筑了凯撒的胜利 
Byzantium lives in song. 
笙歌缭绕的拜占庭啊 
Were all her dwellings palaces? 
宫殿岂是它全部的居所 
And even in Atlantis of the legend 
即便是在那传说中的亚特兰蒂斯 
The night the sea rushed in, 
在那汪洋肆虐之夜 
The drowning men still bellowed for their slaves. 
濒死的主人们仍在怒吼 为了他们的奴隶 
Young Alexander conquered India. 
亚历山大英姿勃发剑指印度 
He alone? 
岂是千里单骑 
Caesar beat the Gauls. 
凯撒挥师北征高卢 
Was there not even a cook in his army? 
莫非凭借匹夫之力 
Philip of Spain wept as his fleet was sunk and destroyed. 
当菲利普为沉没的无敌舰队哭泣 
Were there no other tears? 
落泪的 又难道仅此一人 
Frederick the Great triumphed in the Seven Years' War. 
腓特烈大帝 伟大的七年战争 
Who triumphed with him? 
谁与他一同凯旋 
Each page a victory. 
翻过一页页光辉的胜利 
At whose expense the victory ball? 
谁为金杯斟满了庆功的美酒 
Every ten years a great man. 
人间十年一伟人 
Who paid the piper? 
谁的白骨遍地 谁说莫问封侯 
So many particulars. 
这样多的历史 
So many questions. 
这样多道不清的谜题。

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