程序员这碗饭

出来混,无非为一个“钱”。

别给我强调你有多么的喜欢这个行业,有多么的喜欢写代码,有多么的喜欢钻研新的技术。做为一个深爱技术的老程序员,我也和你一样。但浅意识里,你衡量最多的还是那个字。

 

    已经有太多的人被忽悠进来(强烈鄙视略质培训机构),如果你也来看这篇文章,我很不幸的告诉你,你也认为这碗饭不好吃了。你是否幻想过,有朝一天你能写出一个伟大的作品、某一天你会成为一个行业的领域专家、某一天一会成为一个领域的顶尖高手,受万人景仰,靠此腰缠万贯。但现在也许你开始怀疑了。也许你比我看得开点,做这行只是因为待遇还可以,还能混口饭吃。我更相信你是第一种,你肯定是那种喜欢思考的程序员。因为混很容易,但是要混得出色,就必须要思考。令我矛盾的是这两种想法我都有。我只能极力的不将自己归为混日子的那种。你也认为应该坚持吗?

 

    时不如前,人一天天的老去,一天瞎忙火,却始终不明白为什么?

    人总要为自己考虑。以前花费了太多的时间沉迷于技术,宁愿去做苦力而不是去享受温柔。也能这是我的最求,但却不是我最求的生活?我本末倒置,忘了实现美好生活和实现人生价值的等级。

     说起来真是老不如新,大多新人都很清楚自己在做什么,他们有理想有盲目的职业规划,但这感觉很好。他们会幻想他们的职业生涯。什么软件开发、项目管理、系统设计是很美好的,有那一车一车的书教他们应该怎么去做。他们知道只要把这些东西看完、熟悉了他们便是专家高手。直到他们产生怀疑,直到他们发现教他们的人其实比他们还迷茫。到那时他便也成了老人了。为什么现在我们放慢了我们的脚步,不再像以前一样执著、有朝气。

 

     我们不期待已此改变人生,只希望活得滋润一些,爽一些。在翻开很久前的计划,在里面加上“钱”,根据实际情况,从新的制定,认真地执行它。

     有些前辈们教导我们不可沉湎于技术,如果你的心思全部放在这上面,那么注定你将成为孔乙己一类的人物!除非你愿意60岁还在写代码。呵呵,就我来说,事实上我愿意。不管到时候称呼是什么、职位是什么,我仍喜欢写程序。但要活的更滋润一些,那么就适可而止为之,技术只不过是你今后前途的支柱之一,而且还不是最大的支柱。你如果能看出我的矛盾,就不要一样不可救药。

     计划的第一步是选定一个课题(呵呵,还好这个已经完成了),然后围绕他但是不能局限它,而对此进行深入的学习实践。我说的围绕不局限于技术。以前我总是不明白,时常瞧不起某人,说他“什么都不懂,凭啥拿那么多钱,凭啥升官!”,但后来我不得不承认,人家的综合能力的却有我所不及之处,有时候人家的几句话,就能顶上我们的几百行代码。所以一定要培养自己多方面的能力,包括管理,亲和力,察言观色能力,攻关能力等,要成为综合素质的高手,则前途无量,否则只能躲在角落看显示器!技术以外的技能才是更重要的本事!!

     以前总是懒得说、懒得写。让别人还以为你自命清高,难以交流。这样别人怎么认识你,你怎么能有更广的涉足。所以从现在开始就要多说、多写。多与人沟通。为了技术和同行沟通。为了思路和业内人士沟通。为了解决方案和同事沟通,为了钱要善于在领导面前表达自己的观点。我不介意你明天就去给领导谈给你加薪的事情,不要抹不下脸。这也是中磨练。要是你有什么其他的想法可以详详细细的把它写下来,发Email给领导。即使这次不成功,也会在他心里种下一些种子。

    也许哪里的饭都不好吃,也许是大多数人都太浮躁了。要静下心了。如果你始终不能静下心的话,那我恭喜你,也应该考虑自己当老板了。在这条路上你已经比我多走了一步。如果不幸没有成功,那更恭喜你,你比我更近了两步了,至少为下一次冲击积累了经验,不干永远没出息,而且要干成必然要经历失败。不经历风雨,怎么见彩虹,没有人能随随便便成功!

 

LauYee
关注 - 0
粉丝 - 4
18
1
(请您对文章做出评价)
 posted on 2010-05-17 02:04  Lau

  • 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
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