人生在世,做到这四个字就行

文|晚情
出处:倾我们所能去生活微信公号

昨天晚上,我和先生在小区附近一家餐厅吃完饭一起走回家,刚到小区门口,就看见一个女孩满脸泪水地朝我们奔了过来,待她走近,我才看清这是我的小学妹,脸上的妆已经花了,两只眼睛肿得像水蜜桃,所以我一时没认出来。

不等我开口,小学妹就扑了过来:"姐!"然后哇哇大哭。

我很惊讶,小学妹还没谈恋爱,也就不存在被男人抛弃,什么事能让她哭成这样呢?

我抱着她安抚她:"怎么了?发生什么事了?"

先生示意我先带人到家里去,小学妹抽抽噎噎地说:"我等你大半个小时了,门卫不让我进去。"

我故意逗她:"你现在这个样子,门卫当然不让你进了,万一是小三上门来寻仇呢?"

本是一句玩笑话,旨在逗她开心,结果她一听,又"哇"地一声哭开了。

这下我也不敢随便说话了,先把她带回了家。

到了家里,拧了块毛巾给她,过了一会儿,小学妹平复了些,开始倾诉。

小学妹今年25岁,和我是一个地方的人,刚刚工作满一年,性格善良开朗,也很谦虚上进,由于我自己从小到大没有姐妹,一直以来,我都把她当成我的小妹妹。

去年她毕业时,对于行政类的工作都不感兴趣,她喜欢挑战,所以对销售类的工作情有独钟,也如愿在我们当地一家大公司里找到了喜欢的工作。

小学妹热情努力,从进去的那一天,就格外用心,不会的自己买书来看,看不懂的就请教前辈,部门的领导挺喜欢她的。

而她也很争气,进去才四个月,就进了部门里销售前三甲,半年后,就坐上了冠军的宝座,并且一直没下来过。

她们的收入是基本工资加提成,身为冠军的她,每个月的提成相当可观,为了方便谈业务,她买了一辆二十万左右的车,父母见女儿争气,也很高兴,资助了她一些,加上她自己的积蓄,在公司附近的楼盘里买了个小户型,不用像其他女孩一样住在公司提供的宿舍里,年仅25岁的小学妹,很早就过上了有房有车的生活。

小学妹有自己的规划,她希望在未来的两年里,能学到很多销售管理上的知识,能在30岁之前,走向销售管理的方向。

她一直都觉得自己在公司里真诚地对待同事,也从不跟人勾心斗角,只是一门心思自己努力。可是随着她的成绩越来越出色,四周谣言四起,竟还有人给领导写了匿名邮件,说她的业绩是靠陪酒、陪睡,甚至给人当情妇换来的,并一一罗列证据:她开的车就是证据,她住在外面就是证据,她才25就拥有了这一切,就是证据。

于是,领导找她谈话,她无比惊愕,当场就哭了,这个小姑娘在烈日下去见客户时,没委屈过,迎着寒风去等客户,没抱怨过,深夜还在赶计划书,没放弃过。可是当自己用努力换来小小成就时,却要面对这些中伤,她崩溃了,她哭着对领导说:"车是我自己买的,房子是我爸妈资助的,我没有当情妇,我还没谈恋爱!"

一直坚信只要自己努力就能成功的小学妹,在这样的诋毁抹黑中,伤心痛哭,领导见她这样,安慰了她几句,叫她安心工作,不要多想。

她想,只要领导相信自己就好,反正自己没做什么违背良心的事。

可是,渐渐地,她发现领导不如之前器重自己了,和她保持了比以前更远的距离,很多事情,也不再交代给自己了。

她无助、彷徨,心里忐忑不安,她不知道自己做错了什么,也不知道领导是否又听到了什么?一位好心的大姐提醒她:领导也有自己的难处,如今你正是风口浪尖的时候,领导要是立场鲜明地支持你,你又是年轻的姑娘,很容易把领导自己也卷进去,所以,他只能先冷着你。

而此时,部门里的谣言更加喧嚣尘上,说她这种心机婊不会有好下场的。那一个月,她的销售业绩急转直下,这给她带来了新一轮的攻击,说她被人甩了,失去了后台,所以业绩一下就恢复本来面目了。

更有甚者,有尖酸刻薄的同事,当着她的面就指桑骂槐、明嘲暗讽。

同事的诋毁、领导的疏远、业绩的下滑,终于使小学妹崩溃了。

她睁着红肿的眼睛跟我说:"学姐,我跟你发誓,我真的从来没有做过这些事,如果我有,就让我不得好死。学姐,我到底做错了什么啊?"

看着小学妹,我心里没来由地一阵心疼,替她擦擦眼泪:"傻瓜,你什么都没做错,你只不过是太优秀了,让她们感受到了威胁,而用正当的渠道,她们又竞争不过你,所以只能以这种方式打击你、毁灭你!你若真的意志消沉,那就是如了她们的愿了,你要知道,但凡诋毁诬蔑你的人,全都是不如你的人,那些比你强的人,都在默默努力呢!"

小学妹无助地看着我:"那我现在该怎么办呢?就让她们这样诬蔑呢,姐,我到现在还是处女,难道要我上医院去开张证明吗?"

"你以为诬陷你的人需要真相吗?你以为那些旁观看戏的人需要真相吗?就算你真的把这证明开了,她们也只会说你买通了医生,开了张假证明。"

小学妹听我这样一说,又崩溃到哭了:"那怎么办啊?我只能被诬陷或者换公司吗?可是,我真的好喜欢这份工作呀!我要怎么样才能证明我的清白啊!"

"你不必去证明什么,只要继续努力就行,听起来很鸡汤,可是却是最有用的办法。"

小学妹还是想不通:"可是她们这么抹黑我,我以后怎么做人啊,她们说我陪睡,做情妇,以后谁还敢娶我啊?"

"那些道听途说就否定你的人,从来也不是你该交该嫁的人,若是诬蔑有用,这世界上还会有成功的人吗?他们一路遭遇的脏水,比你多千百倍,你越成功,这种事情就越多,除非你愿意庸碌一辈子!"

但愿小学妹能想明白,生气委屈,其实是最无用的反应。在她现在这个年纪,要气定神闲地面对这一切,确实不容易,因为我们向往公平的竞争和公平的对待。

可是,要在当今社会达到这两点,谈何容易?

上个月在上海听了秦朔老师的一场分享,他特地举了两个例子。一个是奔驰与宝马的案例,两家公司已经竞争了上百年,然而,奔驰对宝马说的话是:"感谢100年的竞争,没有宝马的那30年,确实有点儿无聊。"

另一个例子则举了国内两家著名的公司,习惯性地相互黑。

我们,便是在这种文化中长大的:不是你死,就是我活。君子之争,从来罕见。

而这种恶性竞争到了女人身上,则演化得更加极端。一个女人成功了,其他女人往往不愿意承认她的努力,而是给她冠上各种污名,因为她们太清楚了:靠能力,一来竞争不过,二来耗时太长,唯有用极端的手段将对方快速拉下马甚至毁灭了,才能心平气和。原因有二:第一,因为嫉妒,无法接受别人的优秀;第二,别人优秀了,会觉得受到威胁。

这种事,几乎每个成功的人都会遇到,我很喜欢一位成功的前辈跟我说的话:人生在世,不是每次冤枉都有机会解释,不是每次诋毁都有机会澄清,人生太长,能计较的从来不是一城一池,你只需要埋头努力,身边自然会有志同道合的朋友相伴,宵小之辈,格局所限,终此一生,难成气候,所以很多事,不必在意,问心无愧就好!

是啊,人生在世,求的不过是问心无愧而已!愿我们在成功的路上,能够抛开杂念碎语,不失初衷,不忘初心。
1、资源项目源码均已通过严格测试验证,保证能够正常运; 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; 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; 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