我是一个没有感情的杀手

我是一个没有感情的杀手

“杀手不能有感情”我的师父曾经对我说。

“如果你有了感情,你也就走到头了。

”我的师父曾经是天下第一的杀手。在我很小的时候收养了我。他只教会了我一件事情— —杀人。杀人是一种奇妙的感觉。是一种机械化的动作,是一种喝茶吃饭一样稀疏平常的生活。

至少对我来说。白刀子进,红刀子出。刀光血影之间生命就消逝不见了。我看着别人的哀嚎,恐惧,一滴滴鲜红的血液从刀子上滴下,他们在哭,在叫,在求饶,他们抱着我的腿,苦苦的求我别杀他们,许诺我荣华富贵。呵呵,真天真。我朝着他们的心脏的位置,结束了这个聒噪的世界…我擦了擦脸上的血迹,不带走一片云彩。

“杀人易,诛心难”师父总是这么说。

我一直不理解。剖开胸膛时候,跳动的心脏,只需要一把精美小巧的匕首,便失去了活力。

师父爱唠叨,爱喝酒,爱醉醺醺的跟我说他过去的故事。师父年轻时候是这个行业的翘楚,几百次任务没有一次失败,外界人称“杀手之王”。

“可是常在河边走,哪有不湿鞋。

”师父醉醺醺的说到,“杀手不能有感情。我上一个接的任务,我爱上我的同伴,她和我一样,也是个杀手。当时我年轻气盛,觉得自己的杀人技巧已经天下第一了,这句祖训我早就丢到九霄云外了。可是她背叛了我,去了另外一个杀手组织,带着人围剿了我的总部,我的师父为了掩护我,死在了乱刀中。我九死一生,从此金盆洗手,隐姓埋名。”

“哦”,我还是不带感情。他尴尬的笑了笑,继续喝酒去了。

18岁那年,我杀了我师父。没有什么理由,因为他是天下第一,哪怕隐姓埋名,他也是天下第一。他死的时候跟别人不一样,我从他眼里看不到我想要的恐惧,害怕,也没有听到他高呼救命,苦苦求饶。他死的时候带着笑容,或许这是对我行为的满意,或许那是他人生的一种解脱吧。

死有什么好怕的。人生来必死。我不信佛学因果轮回,也不信基督耶稣上帝,更不信牛鬼蛇神的无妄之谈。我信的手里的刀,和飞洒的鲜血。我以杀人为乐,我以杀人为生。生命之花再绚烂,一刀下去也会枯萎。我凝望着山川,山川也凝望着我。我臣服于黑夜,黑夜也会臣服于我。我漠视着死亡,死亡在害怕着我。我抛弃了感情,我成了人眼中的恶魔,或许我就是恶魔吧。

我想我轻轻的在白色手帕上擦拭着刚染上的鲜血,破旧的房子旁,突然一声尖叫。我几个瞬身过去,左手捂住了她的嘴巴,右手的匕首抵住了她的脖子。

厉声说“别叫!否则杀。”

她惊恐的点了点头。我松开手。

她清澈明亮的瞳孔,弯弯的柳眉,长长的睫毛随着惊恐微微的颤动着。皮肤很白,白的像十月的霜。“垆边人似月,皓腕凝霜雪”我脑中突然蹦出来这两句词。又自嘲的笑笑。接着在河边洗一洗我的刀。

“你为什么不杀我?”

她声音很好听,清澈动听去泉水叮咚。但是此刻声音却带着一点故作镇定的害怕。

“没什么,杀人杀累了,不想杀。”我笑了笑。

奇怪,为什么今晚会这么想笑。这是从前从来没有过的。这就是,师父说的“感情”吗?

“你受伤了?”

她看到我胸口的血渍,还在不断的往下滴着血。

“没事,刚刚不小心被人捅了一刀。”

“这一定很痛吧”女孩关切的问到。

“我来帮你擦擦。”

她掏出手绢,纯白的手绢上绣着几朵朴素的小花。挺好看的。“别碰我”。我嘴上虽然说着,可是却没有阻止她。她轻轻的擦着我的伤口,说“你笑起来挺好看的”。伤口好像也没那么疼了吧。我努力的想摆出一个笑容给她,我也不知道,半年笑不到一次的我这才一会笑了三次。

虽然杀手不应该有感情,可是,此时我,只想很单纯的笑一个给她看。

“我说的吧,你笑起来挺…”“啊…嘶嘶嘶嘶…”我倒吸了一口冷气。

“对不起,我弄疼你了。”“我走了。”“你还会回来吗?”

“或许吧。”

我迎着月亮向前走,她跟在后面送我。

“路上注意安全。”

“好的。”

我的眼中突然嗜血,拔出刀来,回头。

“啊!”

我是一个没有感情的杀手。我不会有感情的。走在月亮下的我嘴角弯成一个弧度。

刚才拔刀,把她吓着闭了眼睛。

哈哈哈,我偷偷的吻了她。她的唇真甜。比鲜血还甜。

哈哈哈。我是一个没有感情的杀手。如果杀手有了感情他便走到了尽头。如果不当杀手我或许还可以当个诗人。哈哈哈

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
### 回答1: 神经网络是一种模仿人脑神经元组织的计算模型。它由输入层、隐藏层和输出层组成,各层之间存在权重相连的边。神经元接收多个输入信号,根据这些信号的加权和通过激活函数计算得到输出信号,并传递给下一层。通过不断调整权重,神经网络可以学习输入输出之间的映射关系,从而实现预测、分类或其他任务。例如,我们可以通过神经网络训练一个图像分类器,输入一张图片,输出图片中物体的类别。 ### 回答2: 神经网络模型是一种计算模型,它模仿人脑神经系统工作原理,用于解决复杂的模式识别、数据分类和预测等问题。下面我用300字为您写一个简单的神经网络模型示例。 这个示例是一个三层的前馈神经网络模型,包括一个输入层、一个隐藏层和一个输出层。假设我们的目标是训练一个模型,根据给定的数字图片来识别数字。 首先,我们需要设定神经网络的结构和参数。输入层有784个神经元,对应于28x28像素的图片;隐藏层有128个神经元;输出层有10个神经元,分别对应于数字0-9。我们使用全连接的方式,每个神经元与前一层的所有神经元相连,并且每个连接都有一个权重。 其次,我们需要选择适当的激活函数。假设我们使用ReLU(修正线性单元)作为隐藏层的激活函数,它能够增加网络的非线性表达能力。输出层使用Softmax函数,将输出转化为概率值,便于分类。 接下来,我们需要确定损失函数和优化算法。在分类问题中,交叉熵损失函数常被用来衡量预测值与实际值之间的差距。我们可以使用梯度下降算法来求解最小化损失函数的参数,不断更新权重和偏置值,使得网络能够更好地预测。 最后,我们将训练数据输入到神经网络中。输入数据经过前向传播,经隐藏层计算,输出层生成预测结果。然后,通过比较预测结果与真实标签,计算损失并反向传播误差。利用优化算法不断调整权重和偏置值,提升网络的性能。重复这个过程直到网络达到预期的准确率。 以上就是一个简单的神经网络模型示例,它可以用于数字图片识别问题。当然,神经网络模型的复杂程度和具体应用场景会因情况而异,但以上这个模型提供了一个基础框架。 ### 回答3: 神经网络是一种模仿人脑神经细胞网络组织结构和工作原理的模型,用于模拟人脑的学习和决策过程。下面是一个简单的神经网络模型的例子。 这个神经网络模型包括输入层、隐藏层和输出层,每一层由多个神经元组成。 首先,我们需要定义输入数据的特征和标签。以分类问题为例,特征可以是一组数字或图片的像素值,标签可以是分类的类别。 接下来,我们需要初始化模型的参数,包括权重和偏置。权重是每个神经元连接输入的重要性,而偏置代表每个神经元的激活阈值。 然后,我们需要定义激活函数。激活函数是用来增加非线性特性,提高模型的表达能力。常见的激活函数有sigmoid函数、ReLU函数等。 接下来,我们将输入数据传递给隐藏层的神经元。每个神经元将输入与权重相乘,再加上偏置,并经过激活函数得到输出。这个过程称为前向传播。 然后,我们计算输出层的神经元的输出。与隐藏层类似,输出层的神经元也进行权重和偏置的计算,并经过激活函数,得到最终的输出。 接下来,我们需要定义损失函数。损失函数用于衡量模型预测输出与真实标签之间的误差。常见的损失函数有均方误差、交叉熵等。 为了减小损失函数,我们需要使用反向传播算法更新模型参数。反向传播通过计算梯度,沿着梯度方向更新权重和偏置。 最后,重复以上步骤,直到达到预定的训练次数或模型收敛。 这只是一个简单的神经网络模型,实际应用中会有更多复杂的结构和技术来提升模型的性能和稳定性。神经网络在图像识别、自然语言处理等领域具有广泛的应用。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
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