往后这十年的规划

终南樵的第1篇原创文章

财务自由是每一个人的渴望,但是又太遥远了。

于是,我希望能够一点一点实现这个目标。我想要设立一个吃饭基金。

这个吃饭基金分为以下几个阶段:

1 第一阶段

第一阶段,累计资产14万元。这个时候吃饭基金的目的主要有两个:

(1) 可以覆盖,我个人的早餐伙食费用。
(2) 实现每年8%的自我增长,可以完成从第一阶段到第二个阶段的过度。

这个阶段该基金称为早餐基金,这个基金主要分为3个部分:

  • 30%的稳定的理财,能够实现保值并且有一定的收益率。
  • 40%的指数基金和债券的投资。

这两部分主要是为了确保个人的早餐费用。

  • 30%的股票配置,主要是为了完成自增长。

这个目标完成的截止日期是:2020年10月01日

2 第二阶段

第二阶段,累计资产30万。这个时候吃饭基金的目的主要有两个:

(1) 可以覆盖,我个人的日常花销。

(2) 实现每年8%的自我增长,可以完成从第二阶段到第三阶段的过度。

这个阶段该基金称为花费基金,这个基金主要分为3个部分:

  • 30%的稳定理财,能够实现保值并且有一定收益率。
  • 40%的指数基金定投和债券投资。

这两部分主要是为了确保个人的日常花销。

  • 30%股票和其他投资配置

这个目标完成的截止时间是:2021年10月01日。

3 第三阶段

第三个阶段,累计资产60万。这个时候吃饭基金的目的主要有三个:

(1) 可以覆盖, 我个人的日常花销。

(2) 可以覆盖, 我的租房费用

(3) 可以实现7%的年化增长。

这个时候,吃饭基金的名称具体为个人花费基金。

具体投资方式再更新,这个目标完成的截止时间是:2022年10月01日

4 第四阶段

第四阶段,累计资产120万。这个时候需要添加额外目的。

主要分为以下四个目的:
(1) 可以覆盖,我个人的日常花销

(2) 可以覆盖我的租房费用

(3) 可以覆盖我房贷的还款

(4) 可以覆盖实现年华7%的自我增长

这个基金的名称为住房基金,这个时候已经付完南昌的首付并且买房。

具体投资方式再更新,这个目标完成的截止时间是:2024年10月1日

5 第五阶段

第五阶段,累计资产480万。这个时候离职,开始新的生活。

已经完成的目标,南昌买房并且房贷已经结算完成,主要目标:

(1) 覆盖全家的日常花销

(2) 实现年化6%的增长

具体投资方式之后更新,这个基金名称为自由基金。

完成的具体截止时间为:2030年10月01日

更多个人成长内容关注微信公众号:终南樵

  • 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