看一个屌丝脱屌的经历有感,谈谈自己在个人成长中改变自己的经验

[size=small]成长是一个很大的话题,不好展开,以下只针对自己的经历对过去一年做个简单的总结。

2011年底之前,也曾经树立自己的职业生涯目标,也曾经为之奋斗,到最后依然失去了方向,有时只能在游戏中找到乐趣,有时甚至对游戏都没有兴趣,随着公司那条大船漫无目的的飘。

2011年全年都酝酿着改变,制定的计划没有完成,真正的改变从2010年底开始:

1、了解自己的处境;
我是一个相对理性的人,认识自己对我来说不是一件难事。缺点:缺乏明确的目标、自制力差、不能吃苦、缺乏耐心、动手能力差,优点:理性、表达沟通能力较强、对事不对人、底子尚可、不甘堕落。也就是说普通人具备的缺点基本上我都有。

2、根据处境和自己的规划制定了粗略的学习计划;
首先,针对问题明确自己的职业目标,这个很容易。明确长期目标,制订短期的学习计划也很容易。其次,尝试约束自己去学习,去坚持,去动手。这完全靠自己的觉悟,觉悟之后偶尔做做很容易,要坚持就必须有内在或者外在的压力,有时候还要靠一点点运气。年纪大了,有些事情不做已经不行了,谁让咱是心比山高呢。

3、开始努力;
每天晚上,每个周末,日常工作空闲时,都在学习。正好也在工作上遇到一些问题,能提起学习的兴趣。有时候团队的组成决定了,事情只能压在我身上。新人是不能搞定的,大多也没有那份雄心壮志,有些老人比我还懒,或者比我还忙。

4、试图改变周围的环境;
一个人,是不容易约束自己的,另外学习的效率虽高,但是毕竟能力和见识都是有限的。所以尝试拉拢同事一起组成学习小组互相学习互相督促,大家初期也都表示出极大的热情,可惜第一次活动就都爽约了。
但是自助者天助,我遇到一个和我一样迫切需要改变自己的同事。一开始我是不抱太大希望的,但是那位同事非常执着,中午经常拉着我讨论问题。慢慢的自己也融入其中。


5、生活变得充实、简单;
有了明确的目标,再加上一开始的热情投入,学习的乐趣和求知欲很快就被激发了,跟做其他吸引人的事情一样,慢慢的,越来越投入,开始沉浸在其中,这时候其他事情开始被淡忘,生活变得越来越简单,随着投入的增加,收获也越来越多,人也变得充实快乐,这也算是意料之外的收获了。专注于个人职业目标的实现,却收获了生活的快乐。
人都是贪婪的,贪婪的结果都得不到,所以他永远贪婪着。


一句话,想要改变主要得做两件事:
第一,树立坚定明确的目标;
第二,行动,当然这个最难。

没有行动或者行动不够的原因很多:自制力差、不能吃苦、运气不佳、放纵自己、得过且过、环境不好等等。所以,成功学的故事永远都只是故事,因为你只是听听而已。

总之,只要你能接收现在的德行,你就永远是那副德行。我虽然也还是那副德行,但是比一年前那副德行可爱多了。你呢,不如跟我一起来可爱一把。
[/size]
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像的目标属于哪个类别。 定位问题:确定目标在图像的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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