<<平凡的世界>>读后感

        我觉得是该写下点什么,自毕业5年后好像很少看啥文学名著了,可能是日复一日的上班和看起来和平谈的生活突然让我觉得我应该看点什么,给波澜不惊的生活泛起一点涟漪,我想到了《平凡的世界》和《活着》。
        起初开始的时候看平凡的世界是没啥太大的感觉的,只是觉得作者无论是在人物细节刻画还是环境渲染上都处理的相当到位,每看一句或者一段话,或者一个小节,我脑海里似乎就可以把文中描述的人物,环境,等都能脑补复刻出来。。。
       再接着看着看着,就感觉不由自主的陷进去了,就像我当初看《钢铁是怎样炼成》的的感觉,小说《平凡的世界》确实是一部人生的百科全书,作者通过对几个关键主人公的事迹将里面几乎,覆盖了对亲情(父母之间,兄弟之间,姐弟姊妹之间)、友情、爱情、同窗之情各种角度的深度描述刻画与提现,反映了文革(1966~1976)那段时间的社会面貌,平常老百姓的生活面貌,当代大学生的生活面貌,当代干部当官的生活面貌,工人阶级等衣食住行,政治,文化,经济,艺术都得以深刻的体现;简直就像一部社会百科全书,不得不惊叹作者该是有何等丰富传奇的社会阅历和优秀的文笔才能将这些给刻画出来,你在读一本书,但是好像是在亲临其境中看着、体验着、感受着。。。
        看完整本书以后,有一种余音绕梁,三日不绝的感觉。我依惜感叹着田晓霞悲壮的结局,她出身较好却又朴实无华,为救人不惜跳入洪水落难,临死之前脑海里浮现过孙少平的影子,孙少平拿着花孤身赴约,却物是人非的那一章节着实是透骨凄凉,催人泪下,明明有回省城的机会却还是选择回了煤矿工作,毅然决然的担起照顾师傅一家人的重担,心地善良并且十分接地气的润叶姐在自己事业如日中天的时候选择接受了双腿残废的丈夫李向前并为其生下了一个儿子,不离不弃;孙少安从一个贫穷的生产队队长最后成为一名优秀的农民企业家,开办了属于自己的砖厂,几经波折终于做大做强,在自己富有之后还不忘回报社会新建学校,这一路不断碰壁却又不断拼搏积极进取向上的精神值得我们每一个人学习,可伶的是他的妻子秀莲在学校揭幕时因身患肺癌口吐鲜血……思绪冷静下来以后,作者路遥仿佛在告诉世人,世界对每一个人都是公平的,为你关上一扇门,必定会为你打开一扇窗,人的这一生中必然包含着喜怒哀乐,成功与失败,生活还在继续,每个人都要担起自己的责任负重前行……

  • 2
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
,发送类别,概率,以及物体在相机坐标系下的xyz.zip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
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
### 回答1: 以下是使用 JavaScript 正则表达式替换字符串中的 `<p></p>` 标签的示例代码: ```javascript let str = "<p>Hello</p><p>World</p>"; let replacedStr = str.replace(/<p>/g, "").replace(/<\/p>/g, ""); console.log(replacedStr); ``` 在这个例子中,我们首先定义一个字符串 `str`,它包含两个 `<p></p>` 标签。然后,我们使用 JavaScript 的 `replace` 函数来进行正则替换。 我们使用 `/<p>/g` 正则表达式来匹配 `<p>` 标签,并使用空字符串 `""` 来替换它。我们再使用 `/<\/p>/g` 正则表达式来匹配 `</p>` 标签,并同样使用空字符串 `""` 来替换它。这样,我们就可以将字符串中的所有 `<p></p>` 标签都替换成空字符串。 最后,我们将替换后的字符串打印出来。结果应该为 `HelloWorld`,其中 `<p></p>` 标签已被替换掉了。 ### 回答2: 使用 JavaScript 的正则表达式可以很方便地替换 <p></p> 标签。 下面是一个示例代码: ```js // 假设需要替换的字符串是 "<p>Hello, world!</p>" let str = "<p>Hello, world!</p>"; // 使用正则表达式替换掉 <p></p> 标签 let replacedStr = str.replace(/<p>(.*?)<\/p>/g, ""); console.log(replacedStr); // 输出 "Hello, world!" ``` 在这个代码中,我们使用正则表达式 `/<p>(.*?)<\/p>/g` 匹配 `<p>` 和 `</p>` 标签之间的内容(这里使用了非贪婪模式,即 `.*?`),然后用空字符串替换掉这个匹配到的内容。最后输出结果是替换后的字符串 "Hello, world!"。 ### 回答3: 使用JS正则可以通过以下代码实现对"<p></p>"的替换: ```javascript let str = "<p></p>"; let pattern = /<p><\/p>/g; let replacedStr = str.replace(pattern, ""); console.log(replacedStr); // 输出:""(空字符串) ``` 在上述代码中,首先将要替换的字符串赋值给变量`str`,然后定义一个正则表达式`pattern`,该表达式匹配"<p></p>"这个字符串。`/g`标识表示全局匹配。 接下来使用`str.replace()`方法,将匹配到的字符串替换为空字符串,得到替换后的字符串`replacedStr`。 最后,通过`console.log()`将替换后的结果打印出来。在本例中,由于"<p></p>"没有包含任何内容,所以替换后的结果是一个空字符串。
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