趁年轻将“坏事”干够

640?wx_fmt=jpeg文/高哥

是的,昨晚熬夜了,熬到了半夜五点,我半夜一点多朋友圈发了一条状态,读者评论说「程序员最该做的就是熬夜」,我说昨晚我不是一名IT从业者,是一名商人。还行,凑合过。早上六点五十又爬起来上班,实在是瞌睡的起不来,就洗了下头发,洗发膏用的是飘柔牌的。有读者说高哥,你还上什么班呀?我说现在对发工资已经完全没感觉了,就是不想荒废了这一身的手艺而已,万一有个变数,出去最起码还能混口饭吃。

别人贪婪时,我恐惧。别人恐惧时,我贪婪。这句话也许是对我最好的诠释。


其实,我一般说的都是理念,都是一些实用的过来的经验。今年是动荡的一年,发生了很多大事,大家都习惯叫寒冬。其实只要技能精进了,每一刻都能过得跟春天一样,青春的春那种。

昨天早上看了连岳的文章,启发很大。不由得也想说点,这是我的第201篇原创文。不管吃得了吃不了这碗饭,先写够500篇再说吧。

很多人说你为什么做什么事都执行力那么强,其实一直在自我驱动。就单纯拿写作这件事来说,在这里也要感谢读者们,打赏、广告等渠道,也算是给了我一份小小的动力。「一份支持、一份认可」。当然同时我也愿意去写作的,早之前就说过,写作这件事无需去对抗,我没有 KPI。 做事得上心,认真,得把事情做到极致。然后再说行不行。

不由得想起了上次和球友的一次谈话经历,文:高哥,微信公众号:说点特别的。大概过程如下:

#别瞎折腾 刚才跟球友短短的几句话,我觉得有必要在这里写点东西说一说。


读者,高哥,我0基础转行,现在在写java,看到周边的朋友都买房买车,而我还在这里干it,跟他们聊天的时候都说开票快,好赚钱。我想转行干销售去了。


我,别瞎折腾,折腾要人命,我最懂这个了销售是好赚钱也最不好干。100个里面能有1个混好的就算概率非常高了,it杂么了,it行业平均薪资第一。不要管别人,马云一晚上挣个几千亿,能比得来么?明天得自己比今天的自己强就好。我昨晚熬了一晚上凌晨4点才睡,早上6点就醒,一天只睡了两个小时,今天7000块钱拿到手。但是付出的多,豁出去干。我写这个不是说炫耀。没事千万不要瞎折腾,要人命的。好好的转什么行,选择了就去坚持,不要动摇,干事情不是三天两头就能成的。如果都那么容易,这个世界不乱道了。请记住:没事千万不要瞎折腾,好好做正事,先把正事干好了再说其他的。工作都干不好,还能去干点啥。

这都是题外话,其实做事情都是认知在前,选择居中,执行最后。毕竟每一个技术人都不是去造火箭的,技术问题多下点心,就可以攻克了。比如学数据库,我以前是一名小小的DBA,也是从0学起,大概几年前的事情了,刚开始根本不知道数据库是用来干嘛的,也是从表、表空间等概念学起。所以要想自我有价值,关键在于自己能会到什么程度,学到什么程度。比如会个select语句那也叫会数据库,会备份还原看执行计划也叫会数据库,会高可用HA架构也算会数据库。再比如linux,会个cd也叫会,会cd ..,cd -,cd ../..也叫会。这碗饭多少钱,十几块,11块也叫十几块,19块也叫十几块。所以就看技能到底是处在一个什么样的水平上。有读者说linux难,数据库难,我学不会。打一开始你就心里就怂了,那能学的好得了吗?用windows一开始会用吗?说起windows就有点回忆了,一点都不夸张,我用电脑最早在网吧学会的,因为在去县城上高中之前,压根就没碰过电脑。


再举个简单的例子,同一件事总会有不同的解决办法。比如现在有个test.txt的记事本,里面有三行相同的内容分别为123,在需要往进去加第四行123,则方法有很多种,笨办法就是用vi/vim手工往进去补,这是一种。第二种重定向echo 123>>test.txt。第三种用sed -i '$a 123' test.txt去处理。

再比如前段时间有人让我写更叫我写马某蓉,算了这些热点我还是不碰了。万一真撩到G点了,死了我都不知道是杂么死的。那还不如说点实用的。再说了他们如何如何跟我没一毛钱的关系。

第一、多给自己列点清单。提前写一下明天大概需要做的事情,提前安排规划好,这样真的可以提高效率。

第二、写写月目标。一年就12次,浪费不了你多少时间。每个月完事后,看看哪些是已经实现了的,哪些是没有实现的。实现了的去划上对勾,没实现的好好思考一下哪里做的不到位?反省一下。

第三、给自己记账。这个非常重要,改掉那些乱花钱的毛病,刚需品该买的就一定要买,不该买的就无需在买。这样在用钱的时候无需再向别人借钱,哪怕是一场说走就走的旅行也是需要用钱来支撑的。

第四、多读书、读好书。因为读书真的可以使人变富,不论是精神上还是物质上。

第五、坚持学习。学习是一件终生的事,带来的好处一览无遗。说不准今天你学到的东西就可以在以后得某一个时刻能派的上用场了。我一直从来没有落下过。每天晚上都抽出20分钟来学习。

最后,2018大家都干了点啥呢?是过了一天重复了三百六十四天呢还是过了不一样的三百六十五天。

高哥织梦圈的一位球友写了一篇2018总结,很荣幸能够带领更多的人一起前行。也很庆幸能和大家一起交流。

640?wx_fmt=png

640?wx_fmt=png

“提剑跨骑挥鬼雨,白骨如山鸟惊飞,尘世如潮人如水,只叹江湖几人回。” 


天下风云出我辈,一入江湖岁月催。

 

皇图霸业谈笑中,不胜人生一场醉。

 

有人就有恩怨,有恩怨就有江湖。人就是江湖 一路顺风 !


没订阅说点特别的的朋友们,请尽快订阅,万一真有点收获呢?


希望下一个200篇来的不会太晚。希望大家一起监督,特别感谢你们一路陪伴我,我也会一路陪伴着你们。


趁年轻将“坏事”干够。


我要去睡觉啦,实在困的不行了,大家晚安,爱你们。

推荐阅读:

说点“想法”

索性酒后吐真言!

月入六万,我做到了

懂业务的技术人!

我的世界不只有coding。

640?wx_fmt=jpeg

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