我的2018

我不知道该用一种什么样的心情去表达。

似乎一切都很自然,一切都是按序就班一样,甚至当它到来的时候并没有想象的那么惊艳。

从来都没有觉得考研这件事是一件多么了不起的事情,甚至到它真正结束,仿佛这是走过了一个流程一样,从去围观复试,到决定考清华软院,到等待复试名单的焦虑,到最后反而知道了自己被录取后却冷静的出奇。

整整一年的时间啊,终究回头想起来,仿佛做梦一般,不知道自己为何有胆量敢去尝试清华大学,更不知道自己是何德何能能够进入这样的一所大学。

走出复试考场的那一刻,我一秒钟都没有停留,直到走到五道口的十字路口,真的如释重负,心里想:我真的已经做到最好了,假如不录取也没有遗憾了,明年也不会再来了,就这样吧。

是啊,一年的时间,真的是精疲力竭。

上个春天

很有意思的一件事,2015刚刚大一的我,恰好在2015考研结束的前后,漫步到了清华园,还做下这样的白日梦:
在这里插入图片描述
谁又曾想到,4年后的今天,它竟真的成为我苦苦求索的目标

2018年的三月,跟尉增杰斗胆去了北大围观师兄师姐们的考研复试,整整三天的时间,见证了整个复试的起起落落,内心自然是充满了希望,仿佛燕园在向我招手,于是,我又立下了这样的誓言:

回来的时候跟张宵楠说:我想考北大,还好张宵楠用认真的态度支持了我,没有认为我是发烧烧疯了。

我们彼此都知道2019注定是我们坎坷的一年,不仅仅需要我们想扶相持的依靠,更是要一颗强大的内心顶住所有的压力。

四月份跟张宵楠第一次明目张胆的杭州出游了一次,算是一次告别旅行,告别过去的生活节奏,迎来了新的开始。

春来暑往

准备一场的考试的过程总是枯燥而又单调的,正式回到学校的开始,我决定做一个自闭的人,基本上躲闪着跟其他人们的交流的任何机会,脱离人群的生活总是孤单而又伟大的,于是每天中午跟张宵楠瞎聊一聊变成了每日锻炼口才的好机会,甚至到后来能跟张宵楠讨论一下学习方法,嗯,能跟张宵楠讨论学习了,这个难度大于2019的数学。

我是一个不拘小节的,所以当可以抽签去考研教室的时候,我毫不犹豫的报名了,我不介意被人看着学习,随机抽一个数,每个班数大的前几个可以去考研教室,EXCEL的随机数为我随机了全场最大的一个数,嗯,我就知道这是天意,不能辜负。

本来我的座位是在靠窗第二排,跟前面的女生换了一下位置,我又坐在了靠窗户的一排,现在想起来,不知道从什么时候开始,自己就特别喜欢做靠窗户的第一排,嗯,可能我就是想“目中无人”吧

很有意思,考研教室本来一张桌子两个人,我的同桌最终保研了,后来来的一个人由于忍受不了我桌子上的一吨书,于是出走了,就这样,从头到尾,我基本上教室里唯一一个独占桌子的人,恩,我是一个霸道而又自私的人

之所以花很多的口舌去讲考研教室是因为在那个教室学习,真的犹如神助,各种技能点都能加满,而且中午买的抱枕在那个教室睡觉格外的香,就是口水流的有点多。

准备考试的日子真的过得很快,不知不觉天越来越短,起床天都是完全黑的,起床的时候就特别有成就感,我真牛逼,全宿舍都睡觉的时候就只有我能起得来,我真勤奋。

到了九月的时候,是一个很有意思的时间节点,到了各位同学保研的时候,讲真,当时并不是很羡慕保研的同学,毕竟自己内心觉得我是志向高远的人,我可是要冲击北大的人,但是当时还是很好奇的打开了关闭了很久的朋友圈,偷偷的看了看大家都保研去了哪里,然后看到大家洋洋洒洒的抒情散文,微微一笑,屏蔽了。

到了十月的时候,又是一个很重要的时间,各个学校要出名额了,很早就知道北大要缩招了,当名额确定缩减1/3的时候,我觉得不考北大了,内心还是觉得风险很大,大概率炮灰,所以又重新开始物色考哪个学校。

犹豫需要很久,决定真的只是一瞬间。

很偶然看到了中国大学MOOC的一个分享课,讲的是清华考研的分享,虽然没什么内容,也让我知道了清华软院这个地方,于是用了一个晚上就决定考研清华软院了,恩,真的是一瞬间决定了,这个地方我感觉可以试一下。

第二天给张宵楠打电话的时候,告诉她我不考北大了,我要考清华,现在想想一个正常人听到这种话一定觉得我是个24K纯屌丝每天做梦,于是张宵楠很心平气和气和的接受,我们两个人真的狂妄。恩,你考北大,他考清华,我烤面筋。

给张宵楠打电话的时候总是很有意思,每天都要来一遍:没事,反正考不上;不行,必须可以考上,就这样转眼到了12号。

初试要去清华考,大早上打了鸡血一样起床,去食堂吃饭,用提前准备好的优惠券买小蓝杯(圣诞姜饼人!),打车去清华,一气呵成。

考试的时候很巧,坐我前面的女生是跟我一个学校的,旁边的考生一个缺考了,第一天考完了感觉还可以,第二天数学考完了感觉发挥十分稳定,就像做张宇的模拟卷一样,乱写一通,下午考914的重头戏,题型变化很大,还好最后镇住了。

这个春天

接下来的日子就是心怀不轨的等待时间,不喜欢让别人知道考清华,因为什么大家都懂,等了出分等校线,等了校线等院线,等了院线等复试。

无尽的等待之后,到了3.18号终于到了复试的这一天。

之前的简历改了好几版,最后还是选择了带照片的一版。

复试的时候我是第4个,前面的每个人大概进去20分钟就到我了,时间过得很快。

进去以后第一眼就看到了刘世霞老师的笑容,真的很有感染力,让我的心一下就静了下来。

个人介绍之后一位老师问我为什么成绩这么差,我说自己特别幼稚,大学的时候总想着CS专业应该多学技术,所以就逃课去实习,然后不能保研之后就更加随意了(逃课一时爽,一直逃一直爽,在此谢谢石家庄一中赐予我的逃课能力),在场各位学霸老师们露出了对我一个学渣的一丝笑意。

之后刘世霞老师着重问了我很多Java相关的知识,真的特别谢谢刘世霞老师,短短几句交流,印象深刻。

在此记录一下老师的问题:

1.大学成绩为什么这么差
2.介绍一个你最拿手的项目
3.FPGA开发你认为最难的地方 && FPGA开发的工具
4.你对什么方向对感兴趣
5.Java GC机制
6.什么情况下会产生内存泄露
7.英文:介绍什么是ORM
8.如何优化一个程序,在不改变数据结构和算法的情况下(这个我到现在都不知道,有想法的童鞋请告诉我…)
9.Github上你的项目都有什么
10.什么是DP,DP有哪些经典问题,DP除了递归还可以用什么做
11.讲一个你印象最深的学生活动经历

下个夏天

我的考研故事就这样结束啦

还有很多很多的故事等着我去写

还有很多很多的挑战等着我尝试

永远年轻,
永远热泪盈眶。

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 1
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