那个在市桥易发街正门的“7-11”便利店工作的死肥婆。

那个在市桥易发街正门的“7-11”便利店工作的死肥婆。
2012年01月13日
   很久没有写日志了、居然这篇日志是因为要人肉那个在番禺市桥易发街正门、即靠近环游,出门就是肯德基的代号为110的seven-eleven、即“7-11”便利店我们俗称为“7仔”的便利店工作的李嘉宜肥婆。本人不人肉她,难以泄愤。我真的很想问问她,难道她一到“7仔”就不用别人教、就知道怎样做、就会做得好好,从来没有出过错吗?? 难道她自己就没有做过新人吗?? 用得着这样对我吗?? 我真的很想同她说、我不说脏话不是因为我不会说,只是我不想说,毕竟那些东西我戒掉了,就不想再拿回来。可是,我希望你从今以后给我醒目点,不要再在我面前单单打打,我不会保证,我自己不会爆粗就在客人面前骂你... 或者我不会爆粗,但是用一种更加直接的话来提醒你。我真的希望你不要再露出那种以为说两句脏话就好厉害的接近弱智的智商,至少不要再我面前,不然我觉得自己听到都觉得是在侮辱自己的智商。更不要,以为我不反抗就认为我很好欺负,我不反抗是因为我给你面子,给你这个所谓比我在“7仔”做得久的老员工的面子,但是,我希望你别给你面不要面。到时我撕破脸皮,我最多就没了份兼职,而你可能就没了份工作。我知道兼职和工作都可以找过另外一份,但我不知道是你找工作容易还是我找兼职容易呢?? 我没了份兼职,我还是有钱用的,虽然不多。但你没了工作,你生活怎么办?? 啊,也是,以你那样不要面的性格而且又接近弱智的智商,会问家里拿钱吧!!! 放心我不介意的,毕竟你的文化与素质连猪都不如嘛。不过,你可以忍受到你老爸和老妈觉得你没有用的眼神、亲戚朋友觉得你根本就是个废人的议论的话,我绝对不会再在网络人肉你。所以,死肥婆,别以为你就好了不起... 见到男生就流晒口水,我同你讲,我明明白白甘同你讲,你这个白痴兼弱智,连粤语都讲唔准,就学人地讲粗口,算数。但我唔该拜托你霖霖,你做服务行业的,俾D礼貌好唔好??
  我记得你今日一上班就问“边个埋了那包东西的单啊??”然后,一个人答“X姐。”你就立即回了句“我去吃一两件”你知道,我那时的心就在想,天啊!! 难怪你那么的肥... 就一只猪,但是,现在想想,我觉得我想法有点侮辱了猪,好吧,从我这几天的观察,你的以且却连猪都不如...
  以你那庞大的身躯,还去笼络那个样衰衰的男兼职,我就知道,阿婶,你春心动了...虽然那个男兼职,圆圆的头加上圆圆的身躯,再加上一副系女仔都不想靠近的样貌,但毕竟他可是110的唯一一个男丁啊!!! 难怪,阿婶你春心动~~~ 阿婶肯定很少接触男人了...
  李嘉宜,我敢在这里骂你,我就不怕你会知道,毕竟今日不是因为赶着搭上那我根本回不了家,但至少离我家还是可以走回去的车,我肯定会掉头去骂你一顿才出来的。
  所以,我声明你们那些认识这个李嘉宜的人尽管去跟她说,我不怕就是了。我就不相信我骂人的功力比她差,放心不到必要的时候我是不会爆粗骂她,我现在追求的是骂人不带脏字,不然会显得我智商跟她一样,蠢到死~~~
  最后一段,我要对你、李嘉宜说:不要以为别人的容忍就是怕了你,容忍只是不想让自己为那种自己认为不是人的人而生气,容忍,只是做人的一样基本礼仪。但,有时,你将一个可容忍你的人给逼急了,我不相信那个人还可以像现在这样,只是在网络上骂一骂你。当然,那些认识这个李嘉宜的人们啊~~~ 你们有空就去教教她什么是素质、什么是有文化、什么叫服务行业... 不然,请把她送去幼儿园吧,毕竟,她看起来应该很老了... 可能都忘记了幼儿园老师教的~~ 还是她根本没学过礼貌和文明这两个词语??
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