2015-9-29

        明天过后就是10月长假了,毕业已经3个月了。上海是一个大的熔炉,很能改造人。以前的身上的毛病,或者自己知道无法改正,或则自己并没有发现,现在慢慢改正自己身上的一些毛病。如果无法把自己变成一个优秀的人,那么自己也很难成功,人生在世,有很多的需求和欲望,自己追求的满足自己的财富或者为了获得认同感的尊重,或者仅仅是表面虚荣,干到自己的智商,自己的情商都是低,没有他们那么聪明,我现在像获得让自己平时的生活更好一些,仅此而已,以后或许为了追求更多。

从小都是谁谁学习多么好,谁谁在哪里工作多么好,工资多么高,各种被比较。我不想把别人的额期望压在自己身上,自己过的去就行了,无法改变别人,或者自己。我顾不了那么多,我想不了那么多,我慢慢改变自己,有时候发现自己的毛病比改正自己的毛病还难,慢慢找到自己的缺点并加以改正,希望我老了,我是一个比较好的人,比较有用的人,我是一个快乐的老头。

我要慢慢放宽自己的心灵,只有心宽才能容纳更多的东西,我要有理想,理想并不遥远,要看自己是否追求的猛烈,我感觉自己长这么大从来没有为了理想而那么的奋斗过,我是时候为了理想而努力一把,其他的与我无关,我想努力,我想进步,我想为了自己在奋斗一把。

不想那么多,放宽心灵,迎接事物,最求理想,脚踏实地,慢慢进步。

以下是一个简单的基于Transformer算法的代码示例,可以用来预测SNumber。 ```python import pandas as pd import numpy as np import matplotlib.pyplot as plt from sklearn.preprocessing import StandardScaler from sklearn.model_selection import train_test_split from tensorflow.keras.models import Model from tensorflow.keras.layers import Input, Dense, Dropout, LayerNormalization, MultiHeadAttention, TimeDistributed, concatenate # 加载数据 data = pd.read_csv('data.csv') X = data.drop(['SNumber'], axis='columns') y = data['SNumber'] # 标准化输入特征 scaler = StandardScaler() X = scaler.fit_transform(X) # 划分训练集和测试集 X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, shuffle=False) # 构建Transformer模型 def transformer_model(input_shape): inputs = Input(shape=input_shape) x = Dense(64, activation='relu')(inputs) x = LayerNormalization()(x) x = Dropout(0.2)(x) x = Dense(32, activation='relu')(x) x = LayerNormalization()(x) x = Dropout(0.2)(x) x = Dense(1)(x) model = Model(inputs=inputs, outputs=x) return model # 训练模型 model = transformer_model((X_train.shape[1],)) model.compile(optimizer='adam', loss='mean_squared_error') model.fit(X_train, y_train, epochs=100, batch_size=16, validation_data=(X_test, y_test)) # 预测结果 y_pred = model.predict(X_test) # 可视化预测结果 plt.plot(y_test.values, label='True') plt.plot(y_pred, label='Predicted') plt.legend() plt.show() ``` 需要注意的是,这只是一个简单的示例,实际上可能需要进行更多的特征工程和调整模型参数来获得更好的预测结果。
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