千万不要天真的以为努力就可以成功,埋头走路,也要抬头看天。

每天五分钟,每周一本书,弗兰克带你一年读52本书。今天分享的是古典老师的新书《跃迁》


《跃迁》

油画对绝大多数普通的你我来说都很陌生。大家平常接触图像最常用的工具就是手机,其次是电脑、电视、相机。

可能一年到头或者两三年之后,心情特别好的时候,才会去博物馆或者文博会看一次画展。

油画很神秘,画油画的人也很神秘。但或许我们并不知道,有些“大师”只不过用了一些你我都可以用的小伎俩罢了。

比如如今一些油画大师首先会找一张照片,然后用投影仪投射到画布上,勾勒出素描稿,然后做做着小学生都会的上色工作,然后署上自己的命,然后卖个每天一张画卖个好价钱。

当然,这不是说所有画家都这样,而是说一个真实的现实。而且每个行业都有一些不为外人所知的暗箱,只有行内人才知道的暗箱。


比如你现在看到这个故事:

有禅师有一个爱抱怨的弟子。一天,禅师将一把盐放入一杯水中让弟子喝,弟子说:咸得发苦。禅师又把更多的盐撒进湖里,让弟子再尝湖水。弟子喝后说:纯净甜美。禅师说:生命中的痛苦是盐,它的咸淡取决于盛它的容器。你愿做一杯水,还是一片湖水?”

再比如你现在看到的另外一个故事:

两家鞋业制造公司分别派出了一个业务员去开拓市场,一个叫杰克逊,一个叫板井。

在同一天,他们两个人来到了南太平洋的一个岛国,到达当日,他们就发现当地人全都赤足,不穿鞋!从国王到贫民、从僧侣到贵妇,竟然无人穿鞋子。

当晚,杰克逊向国内总部老板拍了一封电报:“上帝呀,这里的人从不穿鞋子,有谁还会买鞋子?我明天就回去。”板井也向国内公司总部拍了一封电报:“太好了!这里的人都不穿鞋。我决定把家搬来,在此长期驻扎下去!”两年后,这里的人都穿上了鞋子……

普通的人看到这两个故事一定以为弗兰克好牛啊,旁征博引,记忆力超群。其实事实不是这样的,不是我读的书多,而是我收集的故事的多,段子多。

这只不过是每一个写作者都在用的“素材库暗箱”罢了。再比如,下面这些句子:

工作不是拼苦劳,是拼功劳,拼结果。

在职场,多得罪一个人不如少得罪一个人。

能做好一件小事,就可以证明你的工作能力或潜力。

能做到极致的事情,不管多少,你能至少能说出至少100个细节。

其实,上面这些句子大部分来自于网络上的自媒体人,类似的句子在笔记本里还躺着几百句。

再比如下面这些句子:

生活在阴沟里,依然有仰望星空的权利。——王尔德

当你长大时,你会发现你有两只手,一只用来帮助自己,一只用来帮助别人。——赫本

有时候真实比小说更加荒诞,因为虚构是在一定逻辑下进行的,而现实往往毫无逻辑可言。——马克·吐温

人生处处都有暗箱,只不过你没有发现罢了。

长江商学院的校训有三个词:

取势

明道

优术

大多数人年轻人都在学习干货,学习具体的战术,但是他往往忘记了战术背后的道(战略)以及战略背后的趋势。

什么是道?道就是事物运行背后的规律。

比如,你以为互联网用好google+wikipedia+baidu能找到所有信息。其实这话只说了一半,它们能找到所有能公开的信息,但却无法找到未公开的信息。

比如,下面这张图咪蒙的图,你永远也无法在公开场合找到,因为很多有价值的信息只会在小圈子传播。

昨天晚上坐在Spenser的特斯拉上,他说着下午和咪蒙见面的种种细节,电影,编剧,奇葩大会,知识付费,桔子理财等等等。



图片发自简书App


很多人以为学习学习再学习就能甚至加薪赚到大钱,对于这样的认识,我只是说一个字。

一个人要在互联网找到机会,需要准备的东西真的很多

产品设计能力

项目管理能力

营销策划能力

文案写作能力

演讲输出能力

人脉链接能力

人际沟通能力

阅读输入能力

时间管理能力

压力调节能力

这么多东西,你肯定不会一项一项学习。怎么办呢?

第一,你要改变思维,高手其实和你想的不一样

第二,你要放下焦虑,如何度过迷茫焦虑的30岁?

第三,你要持续学习,个人成长52本好书推荐|弗兰克

第四,你要学会沟通,如何说话才让人听着更舒服?

第五,你要结交人脉,如何认识比自己优秀的人?

千万不要天真的以为努力就可以成功,埋头走路,也要抬头看天。


1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip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。
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