最近的一些感悟

      白天打了一天酱油,晚上去公司加班,偌大的公司就几个实习生在,看到他们突然就想起了以前的我,真是时光飞逝啊,转眼就来公司一年了。

      之所以晚上加班是因为周五的时候我们项目部署正式服,和企鹅对接的一个项目,公司这边是第一次做对接,而且企鹅和facebook之类的 不一样,而我也是个新手,所有的对接文档和脚本全是我写的,结果周五部署的时候被运营的人给鄙视了,部署了一下午没有部署上,晚上看着急了,只能和浩哥亲自上阵了,虽然我两对这些很熟悉,但是也是花费了一个小时才部署好,搞完都九点多了,饿的我把杰哥的水果都吃了。

      这件事虽然是一件小事,但是仔细想想其实在整件事情背后隐藏着很多的东西。。。,联想到最近对接的一大堆事情,我自己必须做一些反省,时间管理和每日反省是应该被放到每日例行事件中的,但是我的每日反省做的很不好,警戒自己,要做好每日反省,真的很重要。

下面就QBQ精神对一些事件进行反省:

1云服务器,之前一直在等云服务器,觉得没有云服务器对接啥啊,没有积极主动去做一些事情,比如TGW、CDN、充值的研究和实验,导致最后云服务器下来一大堆事情要做,时间紧迫,功能没有充分的测试,bug还存在,典型的拖延。

2 没有积极去推动GM的事情,这个问题主要的问题在于我,一直认为云服务器不能访问外网,就没理会GM的事情,后来发现企鹅居然有一个权限申请的功能,哎,情何以堪啊,就这事还害的浩哥丢了一次人。。。,还有就是没有和GM的人及时沟通,认为PA会搞定这事,最后发现这事还是的自己搞,一问之下居然发现GM服务器部署在北美,没办法了,只能我们自己在企鹅的服务器上单独部署一套,这又涉及到测试版本,拷出版本,部署的,浪费N多时间…

3 部署自动化脚本的事情,周五部署之所以花费n多时间,就是因为我没有做好脚本自动化,和企鹅对接修改了很多东西,我没有对脚本和文档及时修改,让运营的人手动去改各种配置文件,结果各种改不对,今晚加班就是为了解决这个问题,争取做到一键部署,突然想到强哥的获奖感言,具体话忘了,意思大概是"凡是机器可以做的,就不要让人参与",这句话就是真理啊,人总不可避免会有错误,感慨一下,接触Linux越多,越是迷恋其好啊,脚本大大减少重复劳动,更有各种神器和开源代码可以使用。

      这些事情的背后都映射着自己存在的种种问题,做事情搞不清目的,责任感缺失,做事情不积极主动,没有好的习惯。。。,小大神有天和我说”做事的标准是你想成为什么样的人,如果你想成为一个成功的人,那每天早上想睡懒觉的时候就应该想想我睡懒觉能成为成功的人吗?”,我不想做一个弱小的人,我想要变的强大,保护我身边的人,我要努力提高自己的素质,改变自己的习惯。就像亚里士多德说的:卓越不是单一的举动,而是习惯 。

     我特别感激我的两位主程,昕哥和浩哥他们两放手让我去做,给了我很多的锻炼机会,而且出了问题都是他们两担着,自己没有把事情做好是在是很对不起他们。

   《高效能认识的七个习惯》说人生面对三类问题:可直接控制的问题,改变自己的行为去消除问题;可间接控制的问题,发挥影响力去消除问题;无能为力的问题,微笑接受问题,希望我可以做到这三点。

                                                                                                                       Songbingyu

                                                                                                                                                                              2013-3-24 01:45北京

转载于:https://www.cnblogs.com/songbingyu/archive/2013/03/24/2977991.html

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