【其他】程序员装修指南

你背井离乡摸爬滚打多年,搬了无数次家,受够了各种各样的房东的各种各样的苛刻与挑剔,好不容易凑够了买房的首付,想着即将拥有一个可以安身立命之所以及心灵栖息之港,满心愉悦地告慰自己道再苦再累也值了。预期快乐本身也是一种快乐,但是你知道你不能长时间沉浸在还处于设想阶段的未来憧憬中,于是,你擦把汗,加把劲,继续干。

面对这个以后有可能要伴你大半辈子的房子,你肯定会想着将其装扮成独一无二的,有品味的,漂亮的,温馨的,高大上的;当然,你可能还会攀比着远房的亲戚或者隔壁的邻居,要把房子装扮得时尚潮流甚至花哨些而不被他们在背后数落。

作为一个务实的极简主义者并且一个装修的过来人,我的建议是装修要以简单实用为原则。接下来,我将以图文结合的形式分享一下我的装修经历。

俗话说,装修就是一个遗憾工程。人们之所以这么说很大程度上是因为事先没有考虑周全,比如由于尺寸没有事先量好导致床遮住了开关位置,又比如一味地追求高端或者听从设计师的蛊惑搞了了很多并不实用的东西,比如浴缸和复杂的吊顶等。但是,只要我们用心去思考,多花时间,我们是可以装修出自己满意的新房的。

先自我介绍一下, 本人85后,程序员,2014年6月份买的清水期房,2016年1月份交房,半包装修,2016年4月份装修完毕,目前已经入住将近一年。现在看来,并没有多少后悔的地方,总体来讲给自己新房装修打90分。

当然,为了这个90分,我敢说我花费了比大多数人更多的精力与时间,我甚至于将装修当做一个自己的项目来经营,装修前后,自己从一个彻头彻尾的小白到可以去给别人传经授道的“老师”,而我在装修一开始买来存放各种票据的文件夹也俨然有一本长篇小说这么厚了。

第一步 从了解自己的户型开始

在交房前大概半年起,我便陆陆续续接到了很多装修公司的电话邀请我去参加他们的业主见面会,我都直接拒绝了。也是从那个时候开始,我开始琢磨着如何设计自己的新房,那么从哪里开始呢——户型。我开始一遍又一遍地长时间盯着自己的户型图看,并开始把自己身临其境地置于这个虚拟的三维空间中,模拟出生活中的各种场景,比如在沙发上我应该会一边玩手机一边给手机充电,又比如以后有小孩了,推着婴儿车一进屋时应该有个地方来放置车。于是我开始基于户型图设计房屋的平面布局,这个过程考虑的范围大到卧室中床与衣柜应该如何摆放等整体家具布置,小到晾衣架闲置时应该放在什么地方这样的细节。我甚至开始重新拾起大学时学过的AutoCAD软件来绘制平面布局图,结果发现太繁琐了,还不如自己手绘来得快,于是乎便有了下面这些设计原稿图。

前人的经验和自己的原则

在具体绘制这些图的过程中,除了自己的生活习惯和讲究外(比如我就不喜欢看到房间里面到处都是插线板把电线接来绕去的),在网上多淘淘前人的装修经验是非常有用的,我建议在百度里面搜搜“装修 后悔”关键字,可以查看到很多装修过的人罗列的后悔的事情,比如这里这里。我也选择了一些我认为有用的点直接列在此:

  1. 中国国情,就不要用开放式厨房了
  2. 插座多安装几个,不然满屋的接线板太难看
  3. 不要复杂的灯饰,客厅射灯一年也开不了几回
  4. 吊顶简单为好,不然太压抑
  5. 储物柜尽量多,以后家里东西会越来越多的
  6. 书柜要有玻璃门,不然积灰
  7. 电视墙尽量简单,满墙的花枝招展让你看电视都头晕目眩的
  8. 五金件(比如龙头花洒等)一定要买好的
  9. 不要用升降式晾衣杆,晾衣服时放不进,收衣服时取不出
  10. 卧室灯做双控的,即在床头也能控制,不然冬天你就知道了
  11. 卫生间做干湿分区
  12. 餐边柜的确很实用

当然,这些后悔的事情里面不见得全部中你意,自己需要做个取舍。另外,你肯定还有自己的一些原则,此时需要从实用和自己的追求方面权衡考虑,比如以下是我自己定下的一些很实际的装修原则:

  1. 不能使用插线板(上文已提到)
  2. 路由器不能放在电视柜上面或者置于显眼的位置
  3. 不使用无门的柜子(比如无门书柜和壁龛)
  4. 开关最多两开
  5. 厨房水盆使用台下盆
  6. 袜子需要有个专门的地方存放
  7. 浴室柜需要有足够的空间来放置老婆的化妆用品
  8. 至少有一个厕所使用蹲便器

开始装修

一般来讲,你都不用自己去找装修公司的,开发商早已将你的电话号码卖给了各个装修公司,这些公司们会接二连三地来找你,找到你都想在电话里开口大骂的地步。我记得我只参加了一次某公司的业主见面会,都是由于那个多次打电话的小哥的那种近似央求并且很坚持的语气的确让人不好推脱,到达见面会现场,直接给他们说“今天我不会签合同,你们愿意服务我则可,不愿意则算”,结果还是给我安排的一个设计师,设计师看着我的户型图,聊了将近两个小时,的确也给出了一些很中肯的建议,但是最终我还是直接走人了。遇到这个时候一定要沉得住气,设计师口中的天花乱坠只有一个最终目的,让你缴点你很有可能退不回来的诚意金,然后就把你拴住了。

后来,我在一个同事的介绍下找了一家号称互联网装修公司,其实这家公司和先前我参加过见面会的那家公司都差不多,但是感觉会好很多,因为我就是反感在背后搞到我电话号码再假惺惺地低身下气让你去参加见面会然后想方设法把你套住最后他就是爷了的这种恶劣行为。

先定家具

在通常的逻辑里面,房子装修好了之后才会购置家具,我一开始也是这么想的,在网上找了一些装修攻略之后,发现很多人都建议先定好家具再开始装修,这样的好处一是可以根据家具的风格确定房子的装修风格,二是家具的尺寸固定下来之后便于以后装修的设计和进行,比如在定好了床之后便知道如何设计床头插座的位置了。

当然,先定家具不是说先把家具买到家里,而是可以先预订好,现在的家具厂家都是在你指定的时间送货的(他们也没有现货)。在预订家具时,需要把自己的户型图带上并且已经实际测量过房屋的各种尺寸,最好再带上一个卷尺以便随时比对尺寸。

定好家具之后,建议把拿一本家具的说明书,因为上面有家具的具体尺寸,或者自己手动测量并记录家具的长宽高等各种尺寸。以我为例,我需要在电视柜上方安装插座面板,于是便测量了电视柜的具体高度,在水电改造时直接给师傅说我电视柜的高度,他便知道如何给插座开孔了。

最好是半包+阶段性付款

对于小白来说,我们自己不懂也没有三亲六戚懂这一行(当然,我不是建议去找亲戚朋友来装修,这是装修的一大忌讳),我认为最好的方式还是半包加上阶段性付款。半包即装修主材由你自己采购,比如家具、橱柜、地板地砖等,而一些辅材由装修公司提供,比如水泥、河沙、石膏等。半包情况下,你可能会累很多,我记得当时每个周末,我都会到装修那条街买各种各样的建材,几个月下来,那条街被我碾压了不止10个来回。但是半包时你自己会放心很多,并且选择的余地也会更多,举个例子,我一个邻居选择了一个全包套餐,其中浴室柜和地砖都是指定的,即便你有得选,装修公司也只可能让你在几个款式中选择。

无论是全包还是半包,了解一下装修的基本过程肯定是有好处的,这样什么时候什么材料该进场了你自己就有一个把握。一般来讲,装修过程先后分为水电改造、木工、砖工、刷漆、厨卫吊顶等。更多细节,你可以参考这里这里,也可以自行百度。

另外,不要事先一次性把全部(或者绝大部分)装修款付给装修公司,这样出了问题是始终是出于劣势的,只有阶段性验收通过了再付款,才能牵制住装修公司。举个例子,我当时装修的时候付款分为4次,本别为水电改造结束、工程过半、装修完毕和装修后三个月。当然,也不要以为阶段性付款就可以让装修公司乖乖办事然后你就高枕无忧了,这也只能在一定程度上牵制装修公司,甚至只是装修公司的一个噱头,无论如何都离不开你自己的监督,我当时在装修时还上着班,但是平均每隔一天就会到工地上看看,有什么不满意的就及时向工长提出来。

在装修过程中,你可能还会参加一些大型的团购会,这些团购会往往打着“瓷砖一元一张、马桶十元一个”的广告,还有现场抽奖让你免费领取一个价值千元的洗菜水盆,我的建议是,大可不必参加。我当时也参加过一次,其中有个卫浴前3的品牌,说是买了一个淋浴花洒便可获得价值300元的消费券,于是我在这个品牌的电商旗舰店里一查,价格比团购会的要便宜280多元,也就是其实我只得到了10多块钱的优惠,再想想自己其实是开了1个小时的车横跨整个中心城区,又浪费了半天时间,值吗?

装修成果分享

好了,说了那么多,来看看我的装修成果吧(各位看官根据自己情况取长补短哈)。

 

 

 

原文:http://www.cnblogs.com/davenkin/p/house-decoration.html

转载于:https://www.cnblogs.com/yanglang/p/7204200.html

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。
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。
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