没落应该转学什么_谋圣张良:从没落贵公子,到极端刺杀者,再到帝王之师的华丽蜕变...

提到张良,很多人会想到一个风度翩翩的智者形象,谈笑间樯橹灰飞烟灭,运筹帷幄之中,决胜千里之外。但是那不过是笼罩在张良身上的光环,他这个“汉初三杰”的名头是刘邦说的,谋圣也是后人给他加上的头衔。

33e39bb098b08535f66d48e27b1b6a90.png

没落贵族:张良也曾经是养尊处优的贵公子,六国没落贵族的一员。

但曾经的张良不过是个没落贵族,作为韩国相门之后,衣食无忧的日子让张良不需要去奋斗,未来的韩国相位也早就是自己的囊中之物,张良品了一口酒,又想找点乐子了,打猎已经没有什么吸引力了,和一帮兄弟成天四处闲逛,没做过什么坏事也没有什么贡献,说他也是没落贵族,国家的蛀虫并不为过。贵族们歌舞升平、醉生梦死的日子,张良也是其中一份子,但这一切随着秦统一六国进程的开始而彻底破灭了。

cd768cfa96734420cc62bc3ae446b547.png

面对秦国的一个内史腾发动的进攻,韩国几乎没有什么像样的抵抗,就成了大秦帝国手下卑躬屈膝的奴仆。张良自己也没有想到,张氏这个曾经的名门望族,在自己手里终结了。弟弟的去世,让张良第一次看到了世态炎凉和人间冷暖,这个从小一起长大的兄弟,永远离开了自己,他不能接受这一切,不为弟弟发丧,是因为不愿意接受这个事实。张良将这一切都归咎于秦国的暴虐,大秦黑色的旗帜让张良充满了仇恨,对于罪恶之源的秦王嬴政,这个暴君必须付出代价!

刺杀:对付秦王嬴政这个暴君,只有用恐怖极端的手段才行!

在张良看来,最为直接的做法就是去行刺秦王嬴政,就像荆轲所做的一样,不过荆轲所做的是行刺,而张良的行动应该叫做暗杀。要解心头恨,挥剑斩仇人。这个时候的张良激进而极端,和后来我们所熟知的智者形象大相径庭。

c3df7e67762ee5050dd5acd9d8d413f1.png

张良多年养尊处优,你让他去行刺无疑是去送死,但张良他有资源,他散尽家财用来招募勇士,目的只有一个:刺杀秦王嬴政!这个时候的张良有两个认识:第一是钱可通神,只要价位合适,就不难找到刺杀秦王的帮手;第二是万恶之源就是秦王嬴政,只要杀了这个暴君,一切就结束了。被利益驱使的不是英勇壮士,而是唯利是图的逐利之人,那个在博浪沙刺杀秦王嬴政的沧海君,只不过是张良重金雇佣的刺客罢了。这些人没有所谓的家国情怀,有的只是例行公事的工作,行动失败后立刻隐秘行迹,张良也成了被秦王嬴政通缉之人。

c57f2bff602a1fe62b22b26d8864b9eb.png

通过行刺的失败,张良意识到刺杀秦王嬴政并不能解决根本问题,依靠所谓的“勇士”,也无法改变秦统一天下的大势,当前只有隐秘行迹,静观天下大势,而后适时而动。

隐而不颓:张良通过交友和拜师,不断拓展人脉,提升能力,开拓视野,成为了我们所熟知的智者。

张良开始了自己的隐居生活,在这个时期他消失在了人们的视野之中,期间最让人津津乐道的有两件事:第一件是救了被秦通缉的项伯,这个人是项羽的叔父,楚军领袖项梁的弟弟,为日后鸿门宴中项梁通风报信埋下了伏笔;第二件就是让张良脱胎换骨的拜师学艺,和黄石公的相逢,桥下拾鞋的故事被人们津津乐道。这两件事可以总结为:交友和拜师。交友让张良得以扬名于四海,拜师让张良可以不断提升自己的认识,进而获得对时局准确判断的能力,逐渐成长为一位真正的智者。

edcd2a8590c27fd01f7c91ca6566f347.png

出山的张良发生了脱胎换骨的变化,那个风度翩翩的贵公子不见了,那个极端狭隘的刺客不见了,他不在坚持认为自己贵族身份的高贵,而是认为那是过去,是自己身上沉重的负担,这个阶层已经腐朽,和他们一起只能自取灭亡,就算是西楚霸王项羽也不能改变这个阶级的命运。韩王成本来是张良的主君,但他被项羽所杀,张良的目光落在了那个被贵族所不齿的布衣之人身上,那个人叫做刘邦。一个出身平凡而见识不凡的人,自己的谋略其他人不懂,但刘邦了解他们的价值,他给了自己最大的信任,并且把自己当成了师傅。对自己知无不言、言无不尽,“子房”的称谓听上去亲切而温暖,刘邦具有这样的能力,让追随他的每一个人都能够有所期待、有所期盼。

8cd0c0c6d1c79a97e88219b640ca4326.png

张良一开始不过是众多六国没落贵族中的一员,颓废而腐朽,极端而少谋,但是随着时间的推移阅历的积累,对于事物的看法发生了根本性的转变,最大的变化就是他能够摆脱自己身份所累,不再以贵公子自居,而是能够放下身段,成为布衣刘邦的辅佐之臣。

d0c6610d30008e827acbc9836bcc89fe.png

当你学会了放下,懂得了舍得,你才能开始属于自己的一段新的人生,所谓的精彩通常在历经风雨之后,但大多数人只看到了成功,却忘记了背后的坚持和努力。人与人之间最大的不同,是格局不同!

一个人的历史,一家之言。

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