漫画:小浩和画师小姐姐的一天

这两天超级忙,整个人连看部电影的时间都木有。忙啥嘞?忙学习,忙生活,忙工作,忙写文章,忙着准备录制视频,忙着为疫情期间身上多出的十斤肉赎罪 等等等等。然后在这一大堆事情里,给自己设计一个形象的事最为有趣。所以今天和大家分享一下。 

为什么要设计一个形象?

在我看来,形象其实也是人设,可以把你展示给对方,让大家能看得见摸得着你。我认为非常重要。如果我写那种干巴巴的文章,大家恐怕不会记得我。如果我只写算法系列教程,那也ok,我好好的弄题解就罢了。但无奈的是,我这个人内心似火,外表如骄阳

尤其是在最近的内容创作中,我隐隐发现了自己内心中的那个小宇宙。充满了力量和激情。所以,我觉得未来我不能只局限于写写算法。因为我有太多可以和大家分享的事情。比如写写经历,写写感悟。写写自己为折腾打印机,是怎么吹了一下墨盒,就把自己搞得满脸都是墨水(发生在今天上午的事情...不许吐槽);写写我是怎么在出去面试的时候,明明拿到了offer,但是却把对方“忽悠”成了一个私活,并且赚取了第一桶金(绝对真实)

那既然有这么多除了知识以外的东西想和大家分享。那我肯定就得给自己设计一个形象咯。(我听说大佬们都这么干,所以咱也学学)大家可以看看我现在的形象,这套长着猫耳朵的少年。这套图是我最早给自己准备的,源自我不知道的一个动漫。这套图中有不少其实都是我用PS弄出来的(我怎么这么有才...)比如这个:

(我要写这道灯泡开关的面试题,我自己设计的这个)

又或者这个:

(这道讲螺旋数组的题目,我自己做了这个)

我是一个很能折腾的人,能折腾也就意味着愿意创造。就好像创作上面的这些图片一样,我可能一道题目只写二十分钟,然后为了创作一个有趣的图片能折腾一小时。。。。创作的好坏不说,但是我喜欢创造,沉迷于创造。就好像在做题的时候,我也喜欢去思考一些奇奇怪怪的解法一样。

(链表成环这道题的一个奇奇怪怪的解法)

上面有点啰嗦,说了半天还没有到今天的重头戏。虽然说我喜欢创造,但是我之前的很多贴图都是在原来的这个猫耳朵少年的基础上去做的。但这套图有一个最大的问题 --- 不像我。作为算法文章类的小贴图当然ok,但是如果我想作为自己的形象的话,肯定不行。换句话说,我还是愿意设计一个更像自己的贴图。

然后,我就通过层层关系,找到了一个可爱的画师小姐姐。让她帮我设计~

然后画师小姐姐给我设计了下面的这个:

嗯,虽然这个蛮好看的。但是我觉得,这个不是我嘞。。然后我和小姐姐说,这不行。你得弄个像我的,咱不能欺骗观众。然后小姐姐根据我的照片,给我了这个:

小姐姐给我这个之后,我给小姐姐说。不行,这个太丑了。我可比这个好看多了,那本来就是(心虚)你得给我弄个好看的。

哎呦喂,别说。就是把眼睛改了改,我觉得确实更像我了(更好看了)我在多篇文章里都说了,我是一个很能折腾的人。我告诉小姐姐“你看我现在的这个贴图,里边都有猫耳朵,你给我来一个呗”,小姐姐就真的给我来了一个:

“卧槽,这个太娘了。体现不出来我的睿智”,我给小姐姐这么说。估计小姐姐内心千万头草泥马奔过“这特么不是你要的吗。。”

然后我又让小姐姐给我尝试大嘴巴,小嘴巴,大眼睛,小眼睛,长耳朵,宽耳朵。。。。在实验了一大圈之后,我发现还是第一个就挺好(联想到产品经理的功能设计...),于是我和小姐姐商定还是用最早的。小姐姐上完色后:

上了色之后嘞,确实眼前一亮。但我突然觉得,是不是蓝色的眼睛更加好看。然后我让小姐姐给我一个蓝色眼睛的版本:

① 红眼睛

② 蓝眼睛

接着我又为难了小姐姐,帮我把嘴巴张开试试:

嗯。。。我想了想还是嘴巴闭着好。毕竟我记得我小学时候的座右铭就是“静坐当思记过,闲谈勿论人非”,最喜欢的歌曲也是“沉默是金”。

(沉默是金 - 张国荣)

好嘛,正常人到这里估计就结束了。但是我拍脑瓜子之后,又突发奇想对小姐姐说,给我来个小象趴在我的肩膀上吧。小姐姐成长了!不到一分钟,小姐姐给我发来了这个:

小姐姐说“大概到时候就长这样”,问我要不要继续好好画下去。我赶快拦住小姐姐说,这个不行。然后小姐姐淡定且霸气的问我,还有什么想法?好了,到现在我也不知道了。。所以这不来求助广大群众了么。大家怎么看嘞?对我的形象有好的 idea 的,请留言区留言。只要想法被采纳,红包奉上

叨叨叨了半天,估计能看到这里,那肯定也是真爱粉了!下面就是我以后专门用来谈天说地聊技术的新公众号,大家必须必须必须关注支持一下!我不会让你后悔滴~(现在这个公众号会专注讲解算法)

今天的题目到这里就结束了,如果想看其他面试题相关内容的,可以看:

漫画:知乎面试题(旋转数组最小值Ⅰ - 基础版)

漫画:知乎面试题(旋转数组最小值Ⅱ - 进阶版)

漫画:美团面试题(TOPK:求第K个最大的元素)

漫画:腾讯面试题(面试官问我会不会修供暖器,我说没问题)

漫画:位运算技巧整理汇总+一道被嫌弃的题目

如果你问我对学习算法有什么建议,这篇文章是必看的:

漫画:小白为了面试如何刷题?(呕心沥血算法指导篇)

漫画:呕心泣血算法指导篇(真正的干货,怒怼那些说算法没用的人)

 小浩算法,每日

关注领取《图解算法题》高清版

进群的小伙伴请加右侧私人微信(备注:进群)

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