敏捷开发修炼之道

摘出一些序言里面的有意思的观点:

       习惯比实践更有味道,流水不腐,户枢不蠹。厨房脏了,就擦一下,总比等满墙都是油烟,然后再去清理的代价要小的多。回顾,测试,重构等有利于团队建设,以及提高生产力的实践要经常、频繁的做,进而变成习惯。

       李笑来老师在《和时间做朋友》一书中提到。所有学习上的成功都只靠两件事,策略和坚持,而坚持本身就应该是最重要的策略之一,但是现实是,我们给自己制定了很多的计划,我们要每天写博客,总结今天的学习心得,我们要每天记单词,但最后没有实现,却给自己找各种理由,其实究其根本,主要是我们没搞清楚,为什么要做?其次才是怎么做。我们要想这个事情做了,怎么好,没做怎么不好,明确该事情的目的,才能有激情,才能不被事情本身的枯燥和乏味击倒,一直坚持下去,直到该行为变成一种生活方式。

       敏捷开发口诀:

       迭代开发,价值优先。

       分解任务,真实进度。

       站立会议,交流畅通。

       用户参与,调整方向。

       结对编程,代码质量。

       测试驱动,安全可靠。

       持续集成,尽早反馈。

       自动部署,一键安装。

       定期回顾,持续改进。

       不断学习,提高能力。

    突然发现,我实习期间的那个项目,就是一个敏捷开发的经典项目。需求频繁变动。团队成员较少。人员非常敬业,呵呵。

下面是敏捷开发宣言:

1、个体和交互胜过过程和工具。

2、可工作的软件胜过面面俱到的文档。

3、客户协作胜过合同谈判。

4,、响应变化,胜过遵循计划

我突然发现上面四句话,对我这种急性子,喜欢极限编程的人来说,总结的简直太合适了。我个人认为,敏捷开发,非常适合人员非常敬业的、需求不太明确的项目。有一点非常重要,就是项目中的人员,必须要有高度的责任心和执行力。每个人都希望尽最大可能把活干漂亮,如果只是想完成任务而已,或者是喜欢拖沓、怠工,那么敏捷开发,并不适合你。你可能适合那些重量级的、缓慢的、有庞大文档基础的项目。个人认为,敏捷开发项目贯穿始终的就三个方面:预防问题,发现问题,解决问题。我们竭力避免问题的产生,但是总是有各种问题,我们得解决问题,我们在解决问题的时候,同样是竭力避免问题的产生。如此循环,此为敏捷开发之道。

值得一提的是敏捷开发的一些辅助工具:

1、wiki,这是个好东西,它是一个web系统,用户可以通过浏览器编辑网页内容,并创建链接到一个新的内容页面。这是一个很好的支持协作的工具。团队中的每个人都可以自由更改网页内容,分享心得。它的好处,谁用谁知道。

2、版本控制,业界强烈推荐,把所有的代码,文档,图标都放到一个版本控制系统当中,无论是cvs或者是svn都行。使用一个网络共享比如说ftp的方式早就已经out了。

 

最后想说的是,解决问题要先难后易,不要有侥幸心理,想着总会好的。这种拖延问题的办法,只能使问题放大。

后续的,我会接着总结,敏捷开发的细节。

突然发现,在学习过程中,难以集中注意力的时候,抱着写一个总结的目的学习,也是一个不错的动力。fighting everyone!

 

转载于:https://www.cnblogs.com/xuq22/archive/2011/11/16/3769285.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。
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