隐士和神人--逍遥游篇3-·-庄子南华(南怀瑾老师)

参考:《庄子南华》(南怀瑾老师)

继续我们的《逍遥游篇》啊

尧让天下与许由,曰:“日月出矣,而而爝(jué)火不息,其于光也,不亦难乎!时雨降矣,而犹浸灌,其于泽也,不亦劳乎!夫子立而天下治,而我犹尸之,吾自视缺然,请致天下。许由曰:子治天下,天下既已治也,而我犹代子,吾将为名乎?名者,实之宾也。吾将为宾乎?鹪鹩(jiāoliáo)巢于深林,不过一枝;偃鼠饮河,不过满腹。归休乎君,予无所用天下为!庖人虽不治庖,尸祝不越樽俎而代之矣!

 

尧皇帝来找许由这个隐士的,看看他们对话,看看隐士的境界是什么样的。南老师认为他已出世俗的解脱,但是还没达到出世的解脱,为什么呢?我认为原因是他还不敢入世,害怕为名所累,不是大乘境界,大乘境界要入世修啊。尧皇帝想把这个皇帝让给许由,但是许由把世间荣辱看得很明白,“名者,实之宾也”。“鹩(jiāoliáo)巢于深林,不过一枝;偃鼠饮河,不过满腹”可以看出许由达到了出世俗解脱,不要这皇帝的名声。

 

肩吾问于连叔曰:吾闻言于接舆大而无当,往而不反。吾惊怖其言。犹河汉而无极也;大有迳庭不近人情焉。连叔曰:其言谓何哉?曰:藐姑射之山,有神人居焉。肌肤若冰雪,淖(chuò)约若处子,不食五谷吸风饮露,乘云气,御飞龙,而游乎四海之外;其神凝,使物不疵疠cī lì)而年谷熟。吾以是狂而不信也。连叔曰:然。瞽者无以与乎文章之观,聋者无以与乎钟鼓之声。岂唯形骸有聋盲哉?夫知亦有之!是其言也犹时女也。之人也,之德也,将旁礴万物以为一,世蕲乎乱,孰弊弊焉以天下为事!之人也,物莫之伤:大浸稽天而不溺,大旱金石流,土山焦而不热。是其尘垢秕穅将犹陶铸尧舜者也,孰肯以物为事?

 

通过肩吾与连叔对话,我们看看神人是如何的。那我们看看神人是如何的,“肌肤若冰雪,淖(chuò)约若处子,不食五谷吸风饮露,乘云气,御飞龙,而游乎四海之外;其神凝,使物不疵疠cī lì)而年谷熟”,“之人也,之德也,将旁礴万物以为一,世蕲乎乱,孰弊弊焉以天下为事!”,“之人也,物莫之伤:大浸稽天而不溺,大旱金石流,土山焦而不热”,“是其尘垢秕穅将犹陶铸尧舜者也,孰肯以物为事”。

 

宋人资章甫而适诸越,越人断发文身,无所用之。尧治天下之民,平海内之政,往见四子藐姑射之山,汾水之阳,窅然丧其天下焉。

 

宋人带着礼服、礼帽到越国去,越人断发文身,卖不出去。宋人把礼服、礼帽带到没有文化的地方,一个都卖不出去。高度文明的东西,带到那个原始的地方是没有用的。所以说要顺应历史潮流啊,曲高也不行啊,做到如水一样,什么环境都能适应,还能水滴石穿。圣人尧皇帝看到四个神人,觉得自己做的事情(治天下之民,平海内之政)太渺小了。

 

南老师认为,中国远古史这个神话,就证明了我们文化的中心,始终把人的生命价值提高到两个阶段:一个是入世的圣人,一个是入世成功后,功成名遂身退,再次成为出世的神人。这是我们中国文化的总结,庄子把神化的要点都点出来了,每个生命都有神化的功能,可惜我们智慧不够,把这个功能丧失了。

   我认为尧让皇帝,他是要去做出世的神人啊。

                                                                                                                                                                     

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

打赏作者

kupeThinkPoem

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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