【追踪】陈贤妹:救起小悦悦之后 原本平静的生活被打破 儿子让她去躲躲

2011年10月18日下午6点,广东佛山,几十名记者逐渐散去后,陈贤妹的儿子唐小兵皱着眉头跟她说: “每天都惹来这么多记者,我看还是回乡下躲几天吧”。
【追踪】陈贤妹:救起小悦悦之后 原本平静的生活被打破 儿子让她去躲躲 - 忧郁飞扬 - 菜鸟逍遥阁
  

     10月13日下午,拾荒阿姨陈贤妹在五金城内救起小悦悦的举动,突显了之前18路人“无视”的冷漠,引起来全国对“道德滑坡”的讨论,也改变了拾荒阿姨陈贤妹的生活。陈阿婆口中的“小事”,在媒体看来是值得关注的“大事”。陈贤妹疲于应对媒体的采访,一遍遍的重现救人场景,原来平静的生活受到严重影响。




【追踪】陈贤妹:救起小悦悦之后 原本平静的生活被打破 儿子让她去躲躲 - 忧郁飞扬 - 菜鸟逍遥阁
    

10月17日,广东佛山,在村口榕树下被媒体围观中的陈贤妹。

  

 
【追踪】陈贤妹:救起小悦悦之后 原本平静的生活被打破 儿子让她去躲躲 - 忧郁飞扬 - 菜鸟逍遥阁
 

10月17日中午1点40分,广东佛山,疲倦的陈贤妹欲回家午休,几名记者一路小跑追着她继续提问。

  

 
【追踪】陈贤妹:救起小悦悦之后 原本平静的生活被打破 儿子让她去躲躲 - 忧郁飞扬 - 菜鸟逍遥阁
 

10月18日傍晚,陈贤妹老人站在儿子办公室一角,眼皮耷拉,一天整的高强度采访让她非常困乏。

  

 
【追踪】陈贤妹:救起小悦悦之后 原本平静的生活被打破 儿子让她去躲躲 - 忧郁飞扬 - 菜鸟逍遥阁
 

10月19日下午,三名佛山 “好人代表”(右)和陈贤妹“促膝交谈”了十分钟后之后合影留念。

  

 
【追踪】陈贤妹:救起小悦悦之后 原本平静的生活被打破 儿子让她去躲躲 - 忧郁飞扬 - 菜鸟逍遥阁
 

10月19日,佛山市精神文明建设委员会给陈贤妹送上的慰问金。

  

 
【追踪】陈贤妹:救起小悦悦之后 原本平静的生活被打破 儿子让她去躲躲 - 忧郁飞扬 - 菜鸟逍遥阁
 

10月17日,广东佛山,一个又一个采访请求让陈贤妹身心俱惫。
【追踪】陈贤妹:救起小悦悦之后 原本平静的生活被打破 儿子让她去躲躲 - 忧郁飞扬 - 菜鸟逍遥阁
  

10月17日下午2点15分,广东佛山,陈贤妹走到窗口向记者喊话让记者不要在楼下等候,否则其房东要赶她走人。

  

 
【追踪】陈贤妹:救起小悦悦之后 原本平静的生活被打破 儿子让她去躲躲 - 忧郁飞扬 - 菜鸟逍遥阁
 

10月17日,广东佛山,采访间隙,陈贤妹的“热线“手机响个不停,她经常不得不停下来接听电话。

  

 
【追踪】陈贤妹:救起小悦悦之后 原本平静的生活被打破 儿子让她去躲躲 - 忧郁飞扬 - 菜鸟逍遥阁
 

10月19日下午,三名佛山各界“好人代表”在有关部门的安排下前来看望陈贤妹,并和其“促膝交谈”交流做好人的经验。

  

 
【追踪】陈贤妹:救起小悦悦之后 原本平静的生活被打破 儿子让她去躲躲 - 忧郁飞扬 - 菜鸟逍遥阁
 

10月17日,广东佛山,从15日至18日,陈贤妹一次次被要求指认现场,并数十次被要求模拟如何抱起小悦悦的瞬间。

  

 
【追踪】陈贤妹:救起小悦悦之后 原本平静的生活被打破 儿子让她去躲躲 - 忧郁飞扬 - 菜鸟逍遥阁
 

10月17日下午2点,广东佛山,陈贤妹提出要回家休息,一帮记者紧随至其楼下欲进其屋继续采访,陈贤妹老人赶紧锁上门并阻拦记者。

 
【追踪】陈贤妹:救起小悦悦之后 原本平静的生活被打破 儿子让她去躲躲 - 忧郁飞扬 - 菜鸟逍遥阁
 

10月19日中午,广东佛山,陈贤妹老家清远阳山县县里派代表前来慰问陈贤妹,感谢她为阳山人争光。

  

【追踪】陈贤妹:救起小悦悦之后 原本平静的生活被打破 儿子让她去躲躲 - 忧郁飞扬 - 菜鸟逍遥阁
 

10月17日下午2点,广东佛山,陈贤妹的房东不堪其扰,将陈贤妹赶出出租屋并到楼下驱赶记者,陈贤妹委屈地走向一边,一名香港记者依然追着她问话。

  

【追踪】陈贤妹:救起小悦悦之后 原本平静的生活被打破 儿子让她去躲躲 - 忧郁飞扬 - 菜鸟逍遥阁
 

10月17日,广东佛山,天黑了,陈贤妹仍然被6名香港记者围住采访,一个小时后,当她拉着小孙子回家时,一帮记者仍“依依不舍”,不愿让她离去。

  

【追踪】陈贤妹:救起小悦悦之后 原本平静的生活被打破 儿子让她去躲躲 - 忧郁飞扬 - 菜鸟逍遥阁
 

10月17日,广东佛山,陈贤妹有家不能回,在村口榕树下接受记者采访,采访中,右眼不时滴下眼泪,她儿子唐小兵在一旁对记者说,几天来的高强度采访让她严重休息不足导致眼疾复,采访中经常流泪。

  

【追踪】陈贤妹:救起小悦悦之后 原本平静的生活被打破 儿子让她去躲躲 - 忧郁飞扬 - 菜鸟逍遥阁
 

10月17日,广东佛山,从15日至18日,陈贤妹一次次被要求指认现场,并数十次被要求模拟如何抱起小悦悦的瞬间。

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。
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。
【5层】公司办公楼全套设计+++(3156平,含计算书、建筑图,结构图、实习报告,PKPM,答辩PPT) 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。
评论 5
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