程序员该学习什么

作为一个程序员,懵懵懂懂的从学校出来,当时的自己真的啥都不会,只会学校的那一点点知识,还是一个专科,面试了几个月,没有人脉,租房什么的就仅仅是面试就花光了自己身上的一万块钱,然后2020年12月底,或许是这家公司很缺人,偶然就收了我,当时,说我错的挺多,达到了百分之五十,我真的觉得我在学校混了三年,但是我又花了时间去学习,大部分时间在学jsp+servlet,真的是没有学习方向,东学西学,就这样在公司工作了七八个月了。

时间也过的很快,我很幸运能来到这家公司,也学到了不少东西,就经历了一段时间的安逸期,让我有了时间去学习,我就bilibili上找各种教程,看的效率也不快,学了狂神的docker教程,学着学着,就到最后两章节了,讲使用docker容器redis集成,我其实在学校的时候,就多多少少了解了一下redis,然后工作了一直没有接触,现在看到redis集成的命令,我发现我以前学的东西忘记了,就仅仅记得get,set,range等等简单的操作,就准备去看一下redis再来继续,但是我觉得,我的学习方式好像真的不对,我学了这个redis集成我也用不上呀,我现在也接触不到,或许以后我还是会忘记,顿时就感觉进入了瓶颈,卡住了,感觉学再多的东西也没什么用。

于是,又经常看别人的教程,或许会没有自己的学习思路,只会跟着别人走,就网上寻找别人的学习方式,有的是学习,然后给别人讲解清楚的学习方式。有的就是临时用起来,不会特意去学,当然这种肯定得学习能力很强,我的学习方式肯定是不对的,只会去了解一些,瞎学习,程序最重要的其实也不是你会多少框架什么的,而是逻辑,我看到了一个大厂的面试总结,得到了这张图,虽然说得是大厂,同事也就跟我说了一下,我们学不懂什么的,我也就迟疑了一下,有很多人都学懂了,我也觉得这上面的学习方向没有什么问题,不管将来是进大厂还是小厂,我学习这些,只是对自己某一方面的提升,于是把这张图片分享出来,另外分享一个学习方法:当学完某一个知识,觉得重要的,在博客上面自己描述出来,描述不出来就去看,那就是没理解。

  • 7
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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