被拒绝,是成长的开始

我是什么时候开始有代码洁癖的?

好像忘记了,恍惚之间好像开始是第一份工作时,项目经理说的:你代码格式这么差,我都懒得看,调整好在找我问。
第二次是一次面试的时候,给面试官看了自己以前写的项目,时间紧任务重,很多时候都加班,通宵,那时候真是觉得自己成长的很快,但好多东西那时候并不重视。
当面试官看了我的uils包内的工具类,冷冷的说了一句:你这个excle导出工具类3个?回去等通知吧
我知道要凉,也就继续开始找工作,那段时间我把压箱底的《JAVA编程思想》看完,有了基础的代码格式和基础。
以至于后来,做完功能会优化,只要项目不怎忙,自己就开始进一步优化代码,整合,拆分。后来又借鉴了《代码整洁之道》,《代码之美》,博客等,把自己写的程序反编译,看看编译器是怎么调整代码格式的,翻源码看看代码如何精简,命名。

我是什么时候意识到要不断学习的?

求职的时候,人事说:你定的这个级别,这个学历最高就这个价格。

或许他给的工资是我几个offer里最高的,但我第一个要扔掉的就是它。
歧视,一开始是这么认为的。但是后来慢慢也释怀了,我高考没努力,当时选择3+0而不是3+2的升本都告诉我出来混,迟早是要还的。
想想一个靠着自己打工赚钱买来的计算机,一年开机次数寥寥无几,到在培训机构为了熟悉装JDK,卸载安装十几次。
一切都释怀了,只有不断的学习才能获得救赎。

慢慢的,那些我之前进不去的公司,轻而易举的能拿到简历,我不会停止脚步,目标在眼前,怎敢言歇。

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 1
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