博士在读一周年,我能谈点什么呢?

实验室最近来了两个新入学的师弟,尽管在心里还是百般的不想承认,终究无法回避这个事实:我已经博士在读一周年了。白天的时候还没什么感觉,可是晚上在刷朋友圈的时候,发现学弟学妹们在晒毕业照和毕业感言,顿时又把我拉回了一年前。

一年前毕业的时候,为了毕业旅行,没来得及参加毕业典礼的我提前离校了,一个人背着包去了大理,虽然古镇的民谣很好听,洱海的风景很美,但也错过了很多,没有在毕业典礼上被校长拨过流苏,没来得及和老师同学好好的道别,现在想起来多多少少还是会觉得有点遗憾,毕竟,大学只有那么一次,毕业也只有那么一次,应该好好珍惜的。

在毕业之后的这一年里,我经历了很多,也学会了很多东西,一年前的我怎么也不会想到我们宿舍10个人,最后只剩下我一个南方人还留在哈尔滨。在这一年里我被保送到哈工大直博,开始接触科研,我也在这一年里尝试着去学习摄影,虽然现在拍的仍然不怎么样,但是还是会有一些朋友会约我出去拍拍人像和毕业照。我开始利用空闲时间试着去做自媒体,公众号在3个多月内被将近9K用户订阅........

这一年真的教会了我很多,也有一些话想和大家分享,不一定有用,权当我是在闲聊就行:

1、执行能力真的很重要。我始终相信贵人相助的这个说法,可是在贵人帮助你之前,你必须得展现出你配的上人家帮助的这个能力啊,有朋友见我的公众号做的还不错,也想整一个,我说好啊,我可以帮你,可是从那天之后朋友就再也没有动静了。

不少人心中有一个想法的时候,都只是停留在想一想的阶段,想要去旅行、想要学好英语、想要写博客、想要做自媒体,可是永远都停留在想一想的阶段,不去行动的话,你就永远都只能站在门外,门内的一切精彩都与你无关。

2、主动性真的很重要。这一点在我博士的这一年中感受尤为深切。通常一个导师都会同时带好几个学生,他没有那么多的精力对每一个学生面面俱到,如果你能主动的跟老师汇报近期的工作,并经常和他讨论一些想法的话,老师肯定会对你特别留心,有什么好处也会优先考虑到你的。如果事事都要等老师来找你,那你离被抛弃也就不远了。

毕竟我们都是成年人了,没有谁会一直在你的背后催着你说,你要做这个,你要做那个。越早学会主动性,就越早把主动权掌握在自己的手里,不要做那个被剩下的人。

3、积极承担责任很重要。小时候,家庭作业没做完的时候会撒谎说作业忘家里了,某件事办砸的时候,会用各种各样的借口来论证这个锅与我无关。

但那时候我们还是小孩子,有被包容的权利,就算被识破也不会怎么样。但是现在我们不再是小孩子了,再找各种各样的借口来为自己开脱责任的话,只会让人觉得你这个人不靠谱,不值得深交。

扯的有点多,现在回首想来,感觉时间过得飞快,一眨眼的功夫一年就过去了,庆幸的是这一年没有让时间流走太多,一直在奋斗一直在加油。

最好的祝福送给这一年来给与我帮助的同学和老师。同样送给正在拼搏的你。

知乎:谭庆波

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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