《淮南子 原道训》评

原道训摘录

摘录原文

夫临江而钓,旷日而不能盈罗,虽有钩箴芒距、微纶芳饵,加之以詹何、娟嬛之数,犹不能与网罟争得也。射者扞乌号之弓,弯棋卫之箭,重之羿、逢蒙子之巧,以要飞鸟,犹不能与罗者竞多。何则?以所持之小也。张天下以为之笼,因江海以为罟,又何亡鱼失鸟之有乎?故矢不若缴,缴不若无形之像。夫释大道而任小数,无以异于使蟹捕鼠,蟾蠩捕蚤,不足以禁奸塞邪,乱乃逾滋。

作者(刘安及他的门客)从大小之用做了比较,观察了钓与网在捕鱼量的差别,弓和罗在捕鸟量的差别,得出导致收获有多有少,是因为使用的工具作用大小不同。然后,进一步推出,治天下若舍弃了大道而重用那些小技巧,不会产生大作用,而且会引发进一步的混乱

个人看法是:
工具的作用是有分别的,需要区分它们用途的边界。再有就是认清需要应用工具的场景,然后选用适当的工具,帮助自己取得与期望相符的效果。就如东施效颦,该做的不是直接去关注西施是怎么走路或者用什么牌子的化妆品以及怎么化妆。如果是为了使自己看起来更美,就当选取合适自己而且更有效的工具或手段,比如整容

回到个人成长,一个人能做的事情,一定是有极限的,并不是内心喊几句人的潜能是无穷的,就可以忽视这个自然上的局限。倘若,但凭双手双脚,一张嘴巴,两个耳朵,手力可达亦不过霸王举鼎;脚步再快亦不能水上漂;再能说,亦不能三日不停;再灵敏的耳朵,也听不了超声波。那么,就如同荀子《劝学篇》中所说的“吾尝终日而思矣,不如须臾之所学也;吾尝跂而望矣,不如登高之博见也。登高而招,臂非加长也,而见者远;顺风而呼,声非加疾也,而闻者彰。假舆马者,非利足也,而致千里;假舟楫者,非能水也,而绝江河。君子生非异也,善假于物也。”人是需要借助工具来增长见闻,事实上我们改造物质世界也是依赖工具,可能本质上最终依赖人自身对世界的思想(物质世界和精神世界,思想要表现出来,必然需要物质世界的形式)。如,人再能为,亦难一夫当关,终有竭力的时候。人再能为,毕生获取的收入,亦超不过他所在的组织。学习要借助工具管理知识;赚大钱要借助公司这样的组织。

然而,只有工具是产生不了什么作用的,需要人能支配工具,这就涉及到技能。凡是技能,有适当条件均是可以被人(身体和智商正常的)掌握,所要的条件不是那些苛刻的条件。如,贫困家庭的孩子可能连吃饭都是问题,当然不会有闲余的资源去学琴练画,那也不切实际,他们需要根据现阶段的环境实况,改善自身的生存环境。每个人都要针对自己现状采取有效用的行动,向好的行动,而不是原地踏步的行动。
[1]: http://www.guoxue.com/book/huainanzi/0001.htm

  • 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中所有感兴趣的目标(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,即定位出图像中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:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 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,直接在网络中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
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中所有感兴趣的目标(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,即定位出图像中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:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 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,直接在网络中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