About感情

————2018.8.28更新开始————

感谢朋友们的回答,冷静了二周后,把这篇文章发给了她,她表示理解。虽然一切都说开,但那种感觉已不再,就这样慢慢的,化为了乌有。
具体原因跟文中自己的猜测完全一致,有第三人从中说了一些不太合适的语言。事已至此,无力回天。只能说缘分未到吧。另外,由于还是和她在一些共同的群,越来越了解到她的爱好、追求,她也不再是自己当初心目中的那个完美女神范了。
感谢她蹭我一场空欢喜。我依旧会用真诚坦荡的心态,全身心的去对待接下来的感情。感谢各位朋友。
愿真情不被辜负,愿有情人终成眷属。

————2018.8.28更新结束————

 

中午相当没有食欲,没有再跟厨房师傅说,“米饭多一点,谢谢”。趴在桌上好一会,睡不着。翻来覆去的想,和人的相识,自己的过往。一时间,无尽的悲凉袭来。

这么多年,走到而立之时,依旧在感情上面像个初出校门的青涩样子。

很无意间加入到了一个运动群体,认识了一帮自律的有坚持的人,也认识了外貌大方的她,她爱文学、爱自由、爱简单。作为一个不太愿意承认自己是文青的挨踢男,见色起意,觉得性格相合,志趣相投,因为一次又一次的群活动,相识相知相处。相处过后,拨开迷雾,见到了她情商高超、刻意伪装的另一面。一时间,感觉自己被欺骗,自己调侃自己说,马失前蹄。她所谓的爱读书,爱文学,仅仅是她深知自己的缺陷而去刻意为之,她说过一本书《我的小春日和》,她说这是她所追逐的生活。没有看过这本书,为了去了解,去网上搜各种这本书的介绍,去喜马拉雅上听别人的评论,谨小慎微的,生怕自己与她差距甚远。她说她是江大毕业,她说她爱英语,英语是口译中级,她说她只谈过一次恋爱……后面,我才知道小春日和她只是简单翻过,里面内容并不知晓,她并没有在江大毕业,只是在江南影视毕业,现在在上江大的在职本科,她没有口译中级的证书,当然她确实爱英语,她跟一个追了她多少年的男生去常州看了五月天的演唱会。一个又一个的说谎言不是谎言的伪装揭开,再结合另一个当初追过她的男生的聊天记录,有种深深的被欺骗感。其实,我们无法决定我们的很多过去,我们曾经确实不优秀或者运气不佳,我们没有名校光环,我们没有显赫家世,或者是我们年轻时候贪玩不上进,为什么,你不能接受,坦然面对曾经?我回顾起和她相处的时光里,我没有主动去公开这段关系,也没有否认这段关系。主动的参加她朋友组织的群体活动,有一起聚餐,一起桌游,一起聊天,我尽量的照顾到她每一个朋友,会把她所有的朋友一个一个送回家,会担心她的出行不便,很多时候,会换位思考为她多考虑一点。当所有的伪装揭开,我和她就这样沉默中,不置可否。我曾经以为她很喜欢读书,她也喜欢上了羽毛球,我送过一本书给她,在扉页上写了一句话“求知道路千辛万苦,知识硕果芬芳香甜”,如果我没有猜错的话,直到分开,她才翻开了这本书。毕竟,是正常人在看到别人送了书之后,都对稍加评论一下,要么说说这本书看的感受,要么说说扉页上的这句话。

分开后,她有和我说过,不后悔认识我。我没有告诉她,我也不后悔,但我后悔把我们的关系公开在了一些共同认识的人面前。

熟知我和她的兄弟一直劝我,早点放弃。他说当初他和她聊过天,“我感觉,她在撩我”。我还心存一点希望,直到伪装一层层拨开,如洋葱般,泪如雨下。

泪并没有如雨般倾泻,但确实一个跟雨有关的女生出现了。和雨的认识更是偶然,在群里面与大家聊天,她觉得这个人比较幽默有趣。加了之后,虽然那时候和她已渐行渐远,但也怕给人误会成脚踏两只船,很少与雨聊天,简单翻过她的朋友圈,笑了,当初觉得这是个很漂亮,也很自恋的小女生吧。和她完全分开后,在一次狼人杀的活动上,和雨相遇了。有过很多的交流,会问问喜好,家庭,工作。其实一直都觉得,好像在哪里见过她,又觉得她特别像一个远方的朋友,还拿她的照片去求证。当然,没有告诉她,这样的太低端的套路,要被她笑,也会被自己笑。

和雨有聊过一个问题,我说我也蛮奇怪我们共同认识的几个男生,为什么会单身?当初的自己,觉得在感情上三观很正,也很善于去揣摩体会很多细节,会换位思考,很多人单身的原因,几眼就能看透,而为什么对于他们,我看不清楚。与雨的交往过程中,我差不多懂了。在雨面前,我仿佛回到了那个青涩的情窦初开的少年,也许他们也一样吧。

和雨保持着比较密切的联络,突然间,感觉不一样了。那种慌张,忐忑,患得患失,一齐涌来。和老朋友倾诉,我好像遇到一个很欢喜的女生却若即若离……他安慰到,你去努力健身,努力工作,会有回馈,但感情并不是这样的。我问他,我怕她对我有误解,我担心她从别人嘴里知道了我和其它女生接触过。也诚如他所开导的,“懂你的人自然懂你,不懂你的人你无力改变。”

这一生,遇到过很多人,被人爱过,也被人恨过,深爱过最后在一起,深爱过没有在一起,被人夸过人好,被人骂过渣男。往事一幕幕,浮现在眼前。我确实伤害过有的人,因为年轻,因为任性。未来很远,愿每一段感情都被温情对待,愿每一个爱的人,都能终成眷属。

雨快过生日了,她和我都是狮子座,想送2只Sonny Angel的狮子给她,找了很久,去美亚日亚,最后在ebay上找到了2只风格不一的,在购物车里,“Go to checkout”的按钮停在那里。

再过几天,就要过自己的29岁生日了。30岁前的自己,燥动,任性,执拗,也愿30岁的自己,能多一点成熟,少一点幼稚和任性。愿自己坚持初心,保持着对生活的激情,对朋友的热情。

玩过狼人杀,在是平民的那一局,我投了自己,在狼人的那一局,我选择了自爆。在我是预言家那一局,只有寥寥数人相信了我,最后我带领好人阵营走向了失败。

在知乎上看到了一篇文章,也看到了一句话“生死有命,聚散随缘”。其实自己也一直记得一句话,缘由天定,分靠人为。和雨相识相知,她说过的一些话,触动过自己内心深处最柔软的地方。我问她,你想去哪里旅游?她回,其实跟合适的人,去哪里旅游都差不多。她有说过她很怂,我想了一会,我说我打张飞,给你套盾。我不敢说,我会保护你。也许是经历过太多的失败,也许是太过草率,我怕自己所谓的诺言太过苍白。我特意在雨面前压抑了情感,放慢了节奏,不想应了那句“爱情就像蓝天白云,晴空万里,突然暴风雨”,可突然间,我们之间有了暴风雨……我弯着头,暴风雨打湿了脸,很咸很苦……

感情,谁知道呢,也许,你喜欢大海,我爱过你;也许,你爱风景爱细水长流,我爱着你。

也许,我会把此文发到论坛发到知乎,匿名求助,不影响到彼此的生活,听一听各位网友们对于我性格的剖析,对于我成长中或者感情上或者对于雨的建议、我和她还有没有可能。感谢大家,感恩。祝好。

 

2018.8.8 by f

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