写给我的2013

前沿:代码看的累了,在新的一年终于可以找点时间来回忆我的2013。想着要写点什么,可是又没有什么可以写。因为回忆无非就是夹杂着些许痛苦与欢乐。

                                                                       写给我的2013

家、生活:

    2013年,舒适了24年,永远长不大的我真正的学会了独自一个人生活。家庭的变故,让我必须、不得不学会独立。于是从2012年底开始,我就一直以学校,老板提供的每月的研究生补助作为唯一的经济来源,这点钱大概是我大学一个月消费的一半左右,但是还是很开心自己没有再拿家里一份钱,学会了独自的生活。起初的过程必将痛苦,但是对我意义重大。

    2014年我必将继续坚持这个原则,利用好每一分钱,争取在内心活的比别人更加的轻松、快乐、充实。

 

爱情的回忆,没有爱情:

     2013的就基本已经结束了自己的大学4年的异地恋爱情,一年过去了,自己也没有完全接受,也没有想其他人倾诉,一直默默的埋藏在自己的心底里。分手的原因,不只是异地恋。主要的原因在于我,一反面家庭的缘故,让我一门心思的投入到科研当中,想着提高自己的能力,找到一个理想的工作(浙江这边工作竞争压力很大),让我和她在一起的时间少了很多,而我也不得不考虑一些经济问题,周末过去的日子也少了很多。而那时的她在考研到了新的学校,有了很多的追求者,最终一切的巧合,让她选择了离开我。起初我实在舍不得放弃,我有死皮赖脸的去看她,求她。2012的冬天里,我在她楼下苦苦等过她一天、两天,寒风里痛苦过、流过泪,只为见她一面。2013年,我也选择了放弃,因为我还有一个家需要我去支撑,有老妈需要我赶紧减轻她的负担。2013年一年里始终也都在关注着她,半夜里还是能回忆起许多的美好,然后默默的哭泣(可能因为我是处女座吧)。一年里去看过她几次,她说她找到了一个比我好的男孩子,找到了可以更好的照顾她的人。我也替她高兴,但实话说想到那男的,我就想揍他,呵呵。

2013 ,她也经历了很多的痛苦,但陪在她身边的不在是我。2014年希望她和她的家人都可以健健康康,平平安安,当然她也要和我一样,学会为家而奋斗。

 

科研:

    所在的重点实验室不错,老板人也很好,给了我很多的机会,当然实验室的集体福利还是不错的。在实验室有一帮很好的师兄们,只是现在刚毕业走了,伤感啊。2013是奋斗的日子我不曾忘记,初步估算每天12小时,效率打个折也就8小时左右,忙着可以忘记一些东西,直到累着睡着醒来。2013年基本是跟着导师走项目,平台从DM3730 A8到CC2541蓝牙,再到DM6437 DSP,再来到现在的全志A31 A7,有的项目已经完成,有的只是做了部分。由于自己对自己要求比较严格,很多人想的问题到1级别,我会想到2,于是比别人花的时间也就多点。虽然2的那点东西有时在开发中完全没必要知道,但是深入过了,开发起来理解更加的透彻,代码也会比较的简练高效。13写了两篇小论文,一个软著,内容不多。但知识的学习都是从0开始,现在感觉对0事物的理解也更容易,上手也更快了。

    现在走的还是嵌入式的开发,弄过Android,会linux,底层系统开发会点,应用开发会点,但是细化的话,开发还不够精炼,怕到时候不好找工作是我目前比较担心的事情。但是我自认为嵌入式方面的相关基础绝对过关,算算也有1到2年的小经验了吧,哈哈。

    因为喜欢开源,2013年坚持把自己的学习成果和大家分享,坚持在CSDN上写一些博客来拓展天才的嵌入式,无论博文质量如何,都只是希望和大家分享、交流、学习!在百度知道开设的“嵌入式的世界”团队也帮着很多菜鸟解答起了疑惑,帮助别人的同时,也是在帮助、巩固自己。

 

业余活动:

    没有了爱情,我学会了寻找寄托,一个人开始养起小龟,现在的小龟养了半年了,大了好多,上个大图看看,处女座追求完美,装备很齐全的,哈哈:

另一方面就是爱玩人人三国杀了,现在等级都到152啦。

喜欢看体育,看火箭,看皇马,熬夜看也没问题。

 

2013最烦恼的事情:

实验室一哥们2012的时候向我借的总计700块到现在还没换,而我的性格弄的我都不好意思要,呀的,最近这货还高富帅买了个IOS,不知道他蛋疼不,反正我是碎了!哎,14年希望能拿到吧!

 

2013幸运的事:

2013过的比较踏实,也没桃花运,就是1111的时候+1212的时候在淘宝大概弄了500左右的红包,手摇的累死了都。

 

2014年最大的愿望:

1.她(老妈)、她(唯一是过的女朋友),以及所有其他人都可以开心的活着,健康的活着,活着是福啊!

2.找到一份理想的工作,能赚钱养家。

3.顺利毕业,一切的前提。

4.拿回那属于我的700块,放余额宝都好多利息了,妹的!

5.淘宝抢到更多的红包.

好的,我可以给您提供一个基于深度学习的fer2013人脸表情识别的代码。请确认您已经准备好了相关的项目环境以及所需的Python库。 首先,我们需要导入所需的库: ```python import tensorflow as tf import numpy as np import pandas as pd import matplotlib.pyplot as plt ``` 接着,我们需要加载FER2013数据集并进行相关的预处理。这里我们使用FER2013的csv文件,如果您的数据集是图片,则需要使用相应的图片处理方法。 ```python data = pd.read_csv('fer2013.csv') emotions = ['Angry', 'Disgust', 'Fear', 'Happy', 'Sad', 'Surprise', 'Neutral'] num_classes = len(emotions) # 将像素数据转换为图像格式 def process_pixels(pixels): image_data = np.asarray([int(num) for num in pixels.split()]) image = np.reshape(image_data, (48, 48)) return image.astype(np.uint8) # 预处理FER2013数据集 def preprocess_data(data): # 将像素数据转换为图像格式 data['Image'] = data['pixels'].apply(process_pixels) # 获取图像和情感标签数据 X = np.asarray([image for image in data['Image']]) y = pd.get_dummies(data['emotion']).to_numpy() # 将图像数据归一化 X = X / 255.0 # 将数据划分为训练集、验证集和测试集 num_samples = len(X) train_samples = round(num_samples * 0.6) valid_samples = round(num_samples * 0.2) X_train = X[0:train_samples] y_train = y[0:train_samples] X_valid = X[train_samples:train_samples+valid_samples] y_valid = y[train_samples:train_samples+valid_samples] X_test = X[train_samples+valid_samples:] y_test = y[train_samples+valid_samples:] return (X_train, y_train), (X_valid, y_valid), (X_test, y_test) (X_train, y_train), (X_valid, y_valid), (X_test, y_test) = preprocess_data(data) ``` 接下来,我们使用CNN模型进行FER2013表情识别。 ```python model = tf.keras.models.Sequential([ tf.keras.layers.Conv2D(32, (3, 3), activation='relu', input_shape=(48, 48, 1)), tf.keras.layers.MaxPooling2D((2, 2)), tf.keras.layers.Conv2D(64, (3, 3), activation='relu'), tf.keras.layers.MaxPooling2D((2, 2)), tf.keras.layers.Conv2D(128, (3, 3), activation='relu'), tf.keras.layers.MaxPooling2D((2, 2)), tf.keras.layers.Flatten(), tf.keras.layers.Dense(64, activation='relu'), tf.keras.layers.Dropout(0.5), tf.keras.layers.Dense(num_classes, activation='softmax') ]) opt = tf.keras.optimizers.Adam(lr=0.0001) model.compile(optimizer=opt, loss='categorical_crossentropy', metrics=['accuracy']) history = model.fit(X_train, y_train, epochs=50, batch_size=64, validation_data=(X_valid, y_valid), verbose=1) ``` 最后我们可以使用测试集进行模型的测试,查看模型预测效果。 ```python test_loss, test_acc = model.evaluate(X_test, y_test, verbose=0) print('Test Accuracy:', test_acc) predictions = model.predict(X_test) predictions_labels = np.argmax(predictions, axis=1) fig, axes = plt.subplots(4, 4, figsize=(8, 8)) fig.subplots_adjust(hspace=0.7, wspace=0.7) for i, ax in enumerate(axes.flat): ax.imshow(X_test[i].reshape(48, 48), cmap='gray') ax.set_xticks([]) ax.set_yticks([]) ax.set_xlabel(emotions[predictions_labels[i]]) plt.show() ``` 希望这份代码可以帮助您完成FER2013人脸表情识别的任务。
评论 21
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