我被大公司废掉的那5年...

【1】

前几天,接到龙哥的电话,说是准备离开大厂回老家了。

我一听就懵了,虽然平时大家都各自忙自己的,联系也不多,但我还是对龙哥挺了解。

他大学毕业就进了一家大公司,工资也不低,运气好到一度让我们这些人艳羡不已。那时我们真的都以为,这小子肯定前途无量。后来进了公司,听说干得也不错,前年好像在老家房子都买了,没想到现在却忽然离职。

怎么也想不明白,几个朋友问下来,没有一个知道为什么。

最后在为他送行的酒桌上,龙哥说出了答案:“其实没什么,就是觉得在大公司待五年,还没有混到一个不错的职位,还是越早离职越好。”

“可是毕竟是大公司,就这么走了,太可惜了。”有人劝慰。

龙哥慢条斯理地回答说:“在大公司待了5年,基本都能攒下一套首付的钱了吧。但会处于一个非常尴尬的位置。想留,没增长,不想继续耗着。想走,有余粮,但就是没胆量。

如果你不能在头五年,就先突破到一定的位置,那从第5年开始,你的价值,真的只会随着你的年龄不断缩水,做任何事情都会变得越来越困难。你发现老板不会再把重要的任务交给你来做,因为永远都有用不完的新人。你也不会再有很大的升职空间,因为你能担起大项目的机会只会越来越少。

听完这话,我心想,的确也是这个道理。没有人想当螺丝钉,但大公司毁掉你的,从来不只是稳定的环境,和一个螺丝钉的职位。

即便是螺丝钉,你也是配套的。汽车上的螺丝钉,就算被卸下来,也不会被放在飞机上。这才是比当一个螺丝钉,更扎心的事情。

【2】

说到底,大公司最可怕的,不是去角色化,而是固化你的角色。

为什么大公司很容易废掉一个人?就是因为它的模式固化,规则明确,流程清晰。你要做的和你能做的,就是和岗位完全匹配的事。其他的,一律不用操心。

大公司累在做人,小公司才累在做事。大公司里每个人都能各司其职,互不侵犯,你才有大把时间去浪费在人际关系上。

而小公司规模不大,业务繁多,人在这个环境下,最容易成长,也最容易做成事,甚至身兼数职,逼近极限。

大公司和小公司一对比你会发现:稳定的环境,可以促进繁衍;而恶劣的环境,才能带动进化。对很多刚毕业走入社会的学生来说,他们一大错误,就是过早地丧失了这份进化的能力。

【3】

在大公司工作五年,基本都已经步入中年阶段。没了年轻时旺盛的精力,却被逼得比年轻人还要拼命。房贷、车贷、下一代,三“贷”同堂,压力剧增。想换行,经济不允许;想拼命,身体不答应。

大公司的可怕,就在于这个角色的位置,只能允许你沿着一个方向不停走下去。你没得选,甚至无法反抗。

你要升职,只能不断精进,花费更多的时间。但时间投入越多,成本就越高,这是一个不断反复的循环,想要再打破,只会难上加难。

大公司的积累,看似很丰富,其实只会让你越来越狭窄。你的工作经验,完全是为了适应公司这套体系,对你将来的创业、干别的,没有太大的帮助,一切都需要你重新学起。

“如果可以重新来过,我宁愿选一家小公司,拼它几年,不至于让自己陷入这么被动的余地。”

这是临别前,龙哥对我说的最后一句话。一直到他离开,我都不知道该说些什么劝慰。

当然,一切也没有如果。

当螺丝钉,命运无法自己掌控,才是最悲惨的!

来源:行者三由(节选,有删改)

作者:三由

最近好多原来的同事,年龄和我相仿,(被动)从大厂出来,有的现在赋闲在家,有的在创业(被逼)。大家坐在一起吃饭喝酒聊天,都聊到之前在大厂的“角色固化”,无不唏嘘。

今天看到这一篇,深有感触,分享给大家。

近期文章

月入十万,你真的承担的起么?

中国程序员的悲哀!(全球调研)

阿里巴巴,日志与异常强制规范26条,Java篇(收藏)

【使用教程】 一、环境配置 1、建议下载anaconda和pycharm 在anaconda中配置好环境,然后直接导入到pycharm中,在pycharm中运行项目 anaconda和pycharm安装及环境配置参考网上博客,有很多博主介绍 2、在anacodna中安装requirements.txt中的软件包 命令为:pip install -r requirements.txt 或者改成清华源后再执行以上命令,这样安装要快一些 软件包都安装成功后才算成功 3、安装好软件包后,把anaconda中对应的python导入到pycharm中即可(不难,参考网上博客) 二、环境配置好后,开始训练(也可以训练自己数据集) 1、数据集准备 需要准备yolo格式的目标检测数据集,如果不清楚yolo数据集格式,或者有其他数据训练需求,请看博主yolo格式各种数据集集合链接:https://blog.csdn.net/DeepLearning_/article/details/127276492 里面涵盖了上百种yolo数据集,且在不断更新,基本都是实际项目使用。来自于网上收集、实际场景采集制作等,自己使用labelimg标注工具标注的。数据集质量绝对有保证! 本项目所使用的数据集,见csdn该资源下载页面中的介绍栏,里面有对应的下载链接,下载后可直接使用。 2、数据准备好,开始修改配置文件 参考代码中data文件夹下的banana_ripe.yaml,可以自己新建一个不同名称的yaml文件 train:训练集的图片路径 val:验证集的图片路径 names: 0: very-ripe 类别1 1: immature 类别2 2: mid-ripe 类别3 格式按照banana_ripe.yaml照葫芦画瓢就行,不需要过多参考网上的 3、修改train_dual.py中的配置参数,开始训练模型 方式一: 修改点: a.--weights参数,填入'yolov9-s.pt',博主训练的是yolov9-s,根据自己需求可自定义 b.--cfg参数,填入 models/detect/yolov9-c.yaml c.--data参数,填入data/banana_ripe.yaml,可自定义自己的yaml路径 d.--hyp参数,填入hyp.scratch-high.yaml e.--epochs参数,填入100或者200都行,根据自己的数据集可改 f.--batch-size参数,根据自己的电脑性能(显存大小)自定义修改 g.--device参数,一张显卡的话,就填0。没显卡,使用cpu训练,就填cpu h.--close-mosaic参数,填入15 以上修改好,直接pycharm中运行train_dual.py开始训练 方式二: 命令行方式,在pycharm中的终端窗口输入如下命令,可根据自己情况修改参数 官方示例:python train_dual.py --workers 8 --device 0 --batch 16 --data data/coco.yaml --img 640 --cfg models/detect/yolov9-c.yaml --weights '' --name yolov9-c --hyp hyp.scratch-high.yaml --min-items 0 --epochs 500 --close-mosaic 15 训练完会在runs/train文件下生成对应的训练文件及模型,后续测试可以拿来用。 三、测试 1、训练完,测试 修改detect_dual.py中的参数 --weights,改成上面训练得到的best.pt对应的路径 --source,需要测试的数据图片存放的位置,代码中的test_imgs --conf-thres,置信度阈值,自定义修改 --iou-thres,iou阈值,自定义修改 其他默认即可 pycharm中运行detect_dual.py 在runs/detect文件夹下存放检测结果图片或者视频 【备注】 1、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用!有问题请及时沟通交流。 2、适用人群:计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。
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