不停的学习,不停的思考,你就会成长

我不记得是谁告诉过我,一个人的脑子只有不停的想,不停的思考才会转得越快,智力上升得越高,记忆力也会增加,如果人变懒惰了,不学了,记忆力都会跟着你懒惰。以前我对这句话不以为然,但是来了兄弟连后我体会很深。


        刚从苦不堪言的高中进入自由自在的大学,每天除了吃饭睡觉游戏谈恋爱,谁还有心思学习,还有几个人会浪费时间学习,动脑思考、记知识的次数又是何其之少,每次期末考试倒数一周,还是英语46级考试的前一周? 所以,大学期间,我发现我的记忆力下降得厉害。


    来兄弟连一个多月了,我明显的感觉到了我的变化,无论是记忆力,还是学习自觉性。
    
    开始第一周,讲的HTML,因为有基础,跟着赵大湿和明哥的步子走,学的很轻松。但是开始时还是有点不习惯,又要写预习笔记,总结笔记,课堂笔记感觉好麻烦,不想写。但是,我是怀着梦想来的,所以我坚持着,上午听,下午做,晚上想。第一次听李明老师讲职业素质课,感触比较深,让我记得最深的一句话就是,选择你所爱的,爱你所选择的。是啊,我之所以来这,最大的一个原因就是因为我喜欢写网站,每当自己写出一个网站的时候,就感觉自信心极度膨胀,那种开心的感觉别人是无法体会的。每当我厌倦了,累了,这句话就是我的鸡血。


    以前感觉就是厌烦学习,不想学习。最大的特点就是今天告诉自己明天要好好学习,然后明天又推后天我要好好学习,这样一天一天,几年过去了,从没实现过。但是现在不同了,每天在不停的学习,思考中感觉时间过得如此之快,感觉吸收知识是真TM的爽啊。你们知道我现在每天盼望什么吗?就是晚上躺在床上的时候想,今天又过去了,一觉过后,又可以学到新知识了,然后美美的睡过去。


    不知不觉到今天110号了。这两天感觉字符串函数和正则学得不是很好,下午很烦躁,没心思学而且不想敲代码,旁边人又都在学习,我又不好意思一个人玩。好吧,拿出整理的笔记翻看,当然也是漫无目的的翻看,心不再焉的样子。到了每天下午测试的时候,我才发现我今天没总结,没敲代码,没复习上午老师讲的,而且正则和GD库又不是很熟,而且GD库是完全没接触过,我想我肯定考得不会很好。但是考下来,我发现我只有一个知识点拿不准外,其他的都还得心应手,连函数一个个参数我都能知道是什么。这时,我还没发现我的变化,只是有点诧异。 晚上写总结笔记的时候,我就像这几天的函数老是忘,今天就来默写一下,然后惊奇的事情发生了,知识目录,函数,函数参数,还有字符串函数作用和正则函数类似的,思路很清晰,能一个个写出来了。

    这在以前是不敢想象的,我记忆力合适变得这么好了?然后我突然想到今天早上赵大湿讲正则匹配函数的时候,我有了灵感,那时候感觉怎么不知道怎么形容,想到了整理函数,归类函数,想到了思考什么时候用字符串函数,什么时候用正则函数,感觉那时候理清了一些东西。


    所以我想到了开头的那句话,然后想写点什么,记录下来,因为我想这是我的一个转折点,我学习的动力会更加充足。我突然有这么一点感激,不是感激兄弟连教了我们PHP,而是感激兄弟连给了我们这么好的一个学习平台,教了我们该如何学习,如何才能学好。

    学习就像磨刀,只有不停的学,你的刀才会越来越快,越来越锋利。虽然我也知道内容大多和标题没关系,但是我还是想用这个题目,因为我觉得学习才是我们成熟,变强的钥匙。最后祝所有兄弟连的老师兄弟们新年快乐,兄弟们越学越好,老师们越活越顺心。最后一句,李明老师和晓光老师的嘴真会说。

原文地址:http://bbs.lampbrother.net/read-htm-tid-151127.html

<script type=text/javascript charset=utf-8 src="http://static.bshare.cn/b/buttonLite.js#style=-1&uuid=&pophcol=3&lang=zh"></script> <script type=text/javascript charset=utf-8 src="http://static.bshare.cn/b/bshareC0.js"></script>
阅读(37) | 评论(0) | 转发(0) |
给主人留下些什么吧!~~
评论热议
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