关于朋友之间借钱

 

     前几天在网上看到关于朋友之间借钱的事,现在大家在社会上,朋友比较多,朋友之间,有时候,借点钱,或多或少,总是在所难免,往往也就是在这个时候,才知道谁是真正的信任你,谁是可以在关键时刻,可以帮助你的人,谁平时豪气冲云天,在关键时刻,却是一毛不拨的人。

想起了刚毕业的时候,有一次,朋友A给我打电话,口气比较着急,说他的信用卡快到期了,还款日期只有几天了,而他身上的钱不够还款,如果不能按时还款,到底会对个人征信产生不好的影响。听说这么一说,我也明白了,这个事情,对于个人来说,还是相当的个人的,关系到日后货款买房买车的,于是二话没有说,坐上公交车,跑到最近到招商银行,给其办理了还款业务。大约过了几个月,由于工作地点调动,我到了重庆。有一次,我正在家里炒菜的时候,接到了他的电话,原因还是一样,信用卡的还款日期快到了,希望我可以帮一下忙,他这个情况,我也比较了解了。挂完了电话,不一会儿就给他还了款了,转眼几个月又过去了,我又接到了他的电话,内容还是信用卡还款的事,我当然还是以极快的速度给其办理了还款。这是我第三次给其办理信用卡还款了,每次的金额都不大,500元人民币。

有一天,我在贵阳出差时,正在客户现场处理一些事情,我又接到了他的电话,说他交了一个女朋友,现在他女朋友身体不服务,要去医院看医生,他手上又刚好比较紧张,想问我手上方便吗,想像我借个500元钱,我说:“500元钱,恐怕不够吧,这样吧,我上个月的报销刚刚下来,我先拿1000元给你吧”,晚上,待我回到宾馆,就从网上银行给其转了1000元过去了,那时,我记得应该是2009年5月份左右。

待到2009年底,快过年了,想给父母一些压岁钱,于是就问其能不能把这个钱先还我,如果不够的话,先还个1000元也行。他犹豫着说,全部还我可能不够,先还个1000吧,而且过年回老家时,当面还给我,我就不明白了,现在网上银行这么发达,你直接通过网上银行转帐,不就得了,何必多些一举啊。

待到过年时,我家里陪了父母几天,接下来,就到处转悠,把他说的这个事给忘了,他呢,也没有主动打电话给我。

转眼到了2010年底,我又到贵阳出差了,有一天中午休息的时候,我给他去了电话,内容就是快过年了,如果你手上方便的话,把钱先还我吧。他吞吞吐吐地说:“现在恐怕不行,待年底我的年终奖下来,再还给你吧!“,”嗯,好的,没有问题!“。接下来,我就一直等啊等,等到过完年,还是没有看到这老兄的年终奖。这兄弟是做销售的,也许平时他就这样忽悠人,忽悠习惯了吧。

 顺便说一下另一个找我借钱的人,此君是我上高四的时候认识的,是一个小混混的角色,跟社会上的一些小青年有不少的往来。有一天,我接到一个短信,内容是说我怎么好久都没有联系他了,他仰慕我很久了之类的。我想,这肯定是哪位老兄来整我的,但我不想浪费时间 ,于是就直接问:“你到底是谁,找我有什么事!“,此君墨迹了很久,终于说了,他是XXX,现在在湖南做点生意,现在手头上有点紧张,想问我,能不能先借一些给他,那时候,我也没有钱,更重要的是,自从高中毕业后,我们就再没有联系过,此君和A是哥们,我的电话,我肯定是A给此君的,我已经让A弄得有点怕了,于是就委婉的拒绝了他。

 

转载于:https://www.cnblogs.com/gentoofly/archive/2012/12/09/2810398.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