北大保安“高考第一人”,现在成了一校之长!网友:真·知识改变命运

uniapp - 解决App端报错reportJSException >>>> exception function:createInstanceContext, exception:white sc uni-app,安卓Android,苹果ios,安卓app端,苹果App端,uniapp苹果安卓app,uniApp报错,reportJSException>>>>exceptionfunction:createInstanceContext,exception:whitescreencausecreateinstanceContextfailed,运行自定义基座时白屏,uniapp项目运行白屏reportJSException,检查没问题依旧报错,第三方库插件,组件,uniapp打包调试 阅读详情

点击“开发者技术前线”,选择“星标????”

让一部分开发者看到未来

杨净 子豪 发自 凹非寺
量子位 报道 | 公众号 QbitAI

张俊成,这个名字大家可能不太熟悉。

但若是提到“北大保安高考第一人”,就会对他有点印象。

26年前,一名北大保安通过成人高考考上北大法律系,轰动全国。

△图源:山西晚报

但不为多数人所知的是,毕业后他选择回到家乡——山西长治。

创办了长治市科技中等职业学校,甚至还当上了校长。

最近,他以“扫地僧”般的传奇经历,再次回到大家的视野。

北大保安高考第一人

1995年,19岁的张俊成,只身一人从山西老家来到北京,成为北大保安队的成员。

不过光“走出来”这件事,他就磨了母亲两年时间,最终征得了她的同意。

一开始,他在长治市九鼎汽车配件厂当临时工。后来因为长治市需要向北京劳务输出一批保安人员,张俊成听说后就报了名。

临走前,还留给母亲一句“我要出去闯闯,闯不出名堂决不回来”。

△张俊成在北大西门值守

多年以后,张俊成在接受山西晚报的采访时,回忆当年的选择:

虽然当时看起来这是一件很糟糕的事情,但现在再看,绊脚石其实也能转化为踏脚石,就看用什么样的心态去面对。

因贫困而早早辍学的他,一定没有想到,这会成为他人生的转折点。

身穿保安制服、站在古朴庄重的大门前、看着每天来来往往地教授和高材生们……经历了异常艰辛的少年时代的张俊成,已经是满心欢喜,对工作充满了热情。

在业务上他兢兢业业,在测试中获得唯一的满分;刚过试用期,就被升任为西门班的班长;还抓住了在校内偷自行车的惯犯。

此外,他还模仿国旗护卫队开创了交接岗仪式。

那一年,他带领的北大保卫岗被评为“北京市十佳模范示范岗”。

直到一件小事的发生,把他眼前的美好打破了。

一天,几个外国人想要进北大参观,张俊成按规定将他们拦了下来。

对于这个不懂外语的保安,这些外国人充满了鄙夷,甚至一起做出了拇指向下的动作。

这让张俊成备受打击,难道不懂英语就只能受欺负吗?

冷静之后,他决定自学英语,买了两本书,就开始了挑灯夜战的日子,常常学到夜里三点。

基础薄弱的他只能自己琢磨发音,对于时态、语法则是根本不懂。

一位经常路过的老师得知他在自学英语,热心地帮他纠正发音,还指出他的学习方法有问题。

没过几天,这位老师送了他两样东西:英语强化培训班的听课证和成人高考培训班的听课证。

事后张俊成才知道,那小小的两张听课证价值数千元,而他当时的月工资只有200多,这让张俊成十分感动。

而老师却对他说:“我不要你感动,要你行动”。

这位慧眼识才的老师,就是北大英语系的曹燕教授,也是张俊成的伯乐。

西语系的张玉书教授也非常看好张俊成,经常在闲暇时给他讲一些哲学和政治知识,这些之前从未接触过的知识,让张俊成受益匪浅。

虽然英语基础不好,但张俊成凭着勤能补拙的精神,靠着多问、多听、多练,逐渐跟上了老师的课程。

经过曹老师的点拨,他开始准备成人高考。

有一次,班上的一位同学路过西门时认出了张俊成,一脸惊讶的说:“你们保安也学习?”

张俊成虽然有些不好意思,还是说道:“是个人就要学习”。

那段时间,他还要兼顾保安的工作,每天的休息时间只有3、4个小时。

他自己这样形容那段日子:“我见过每一个时间点的北大”。

宿舍的熄灯时间是十点钟,他就打着手电看书,渐渐地他奋进的精神也感染了其他人,保安队员纷纷报名成人高考。

1997年,在来到北京仅仅2年后,张俊成通过了成人高考,考入北京大学法律系,成为“北大保安高考第一人”。

△张俊成北大学生证(曾用名:张君成)(图源:红星新闻)

班上的许多同学都是高中毕业,而他只有初中文凭,高考成绩也只比分数线高出2分,他明白自己必须比别人更加努力。

接下来的大学时光,张俊成依然没有松懈,他继续在专业和英语中钻研,一点点攻克了13门专业课,取得了北京大学法律专业自考专科学历。

1999年5月,张俊成即将告别北大。

这时的张俊成,早已经成为北京大学的一张名片,他经常受邀去高校演讲,同学们都争相与他合影,他执勤时的照片还登上了校园地图的封面。

张俊成的经历,不仅改变了自己的命运,更为北大保安群体开启了一条新的人生道路。

在北大参加英语辅导时,他请授课老师帮忙,将保安工作中经常用到的100句话翻译成英语。

工作繁重的老师只用了三天时间,就将文字和录好的磁带交给他。

就是这100句英语,结束了北大保安不懂英语的历史,最终造就了「北大学霸保安队」。

选择回家乡传递北大精神

进入北大时,他还是一个初中毕业的山村孩子,当上北大保安就已经觉得人生巅峰。

离开北大时,他带着几位教授沉甸甸的祝福,和一张北京大学自学法律专业的大专毕业证书。

张俊成在接受山西晚报的采访时表示:

在北大当保安时,老师们给了我无私的帮助,这些看似微小的帮助,却成就了他的人生。

回到家乡从事教育事业,就是想将北大的教育理念传递给更多学子。

2000年,24岁他回到山西长治,恰好有一所职业学校招聘,他就在学校当老师。

十多年的时间里,他从一线教师、到政教处主任、最后到副校长,先后在山西太行科技职业学校、长治市潞州法律学校、中国计算机函授学院、长治市超越中等职业学校工作。

教学期间,他就一直贯彻北大教育的方法论:

看到读不下去书的学生,我更是格外注意,不读书不行,起码我看见了就是不行。我要复制北大老师对自己的无私奉献的精神,这应该也是教授们愿意看到的。

2015年,他决定跟4位朋友一起联手创办长治市科技中等职业学校。

△学校官网

起初,学校只有一两百名学生,到现在已经吸引了1300余名的学生,规模基本达到饱和。

山西晚报援引长治市科技中等职业学校常务副书记史文平介绍,

学校是军事化管理模式,这些孩子几乎都是中考落榜生,又是青春期成长的关键期,带他们不容易,学出来一样是家庭的希望、国家的未来。

目前,学校共开设了十几个专业,其中不乏有航空、机器人等前沿领域专业,也有一些专业专门对口全日制本科大专院校。

据长治日报介绍,学校先后与中国北京华航航空公司、京东方光科技有限公司、LG电子(烟台)有限公司等十多家国内知名公司达成了校企合作协议,让学生实习为将来就业提供机会。

以京东方为例。

每年为学校提供100个实习名额,毕业后可直接提供就业机会。如果学生想继续进行学业深造,拿到毕业证后,京东方还会全部报销学费。

现在,张俊成除了日常工作之外,每周还在坚持给学生上课,主抓孩子们的心理健康和素质教育。

△图源:山西晚报

课堂上给学生答疑解惑,课下还经常和学生一起打篮球。

如今,张俊成已经教过数千名学生。当中不乏有些学生,选择追随张俊成,来到长治市科技中等职业学校,跟着一起传道受业解惑

比如,计算机老师刘剑波,今年26岁。

据山西晚报报道,16岁那年他在长治市中专学校就读时遇到任副校长的张俊成,当时还代班主任。

在刘剑波的印象里,

那时张校长每天都会穿西服、打领带给我们上课。相处久了,我们都很喜欢他,觉得他非常亲切,私下里都叫他‘爹’。

当年上学时,每天都要跑早操、上早自习,他从不缺席,早晨5点40分和我们一起上早自习,凌晨一两点巡查完才休息。我们都特别佩服他,精力十足。

或许也正是在张俊成的影响下,有如刘剑波这样的学生选择再次回到学校,做着“教书育人的大工程”。

网友:回报家乡太伟大了!

现在,他的故事再度引起了大家的关注。

有的网友被张俊成天道酬勤的学习精神所打动。

多读书,读好书,天道酬勤。

还有人为他回到家乡的选择点赞。

得道者多助!你的巅峰并不是你有多少成就,而是你让更多的人有多少成就。

而除了主人公之外,还有人关注到背后帮助张俊成的人,尤其是英语系的那位曹教授。

还有人想到当下社会问题:一张文凭,也许很重要。

虽不能确保让人站上顶峰,但能让大多数人免于跌落。

“北大保安”这一神奇的群体

一位北大校友想到了当年在学校的经历。

我去年去院系老楼,保安也在那看书,学风犹在。

事实上,从张俊成开始,关于北大保安队的故事一直在继续。

截至目前,北大保安队二十多年里,已有500多名保安考学深造。

通过刻苦学习,他们中有的获得了获得了大专或本科学历,有的考上了研究生,有的毕业后当了老师。以至于还被新华社点赞:什么时候开始逆袭都不晚。

去年11月,北大还举办了第一届“争做数一数二的保安员”的比赛,以评选出优秀保安员。

△图源:北大新闻网

1994年就加入的保安大队副大队长张国强,2001年考取了北大法学自考文凭,2007年通过了司法考试,后来因为不舍燕园和保安工作,选择留了下来;

2018年初加入的焦森,在保卫部中控室工作,日常跟电脑打交道,他自学Python,大大提高了工作效率;

明年就本科毕业的许文龙,三年来背了逾15000个单词,能用英语与留学生流利对话。

他向中新网表示,如果还有时间和精力,要继续攻读研究生。

大家都有光明的未来!

参考链接:
[1]https://cbgc.scol.com.cn/news/612750
[2]https://www.sohu.com/a/448394313_99958012
[3]https://weibo.com/1480219172/K4EUODN1z?filter=hot&root_comment_id=0&type=comment#_rnd1614919834105
[4]https://www.163.com/dy/article/FV36MDDC05346RC6.html
[5]https://news.pku.edu.cn/xwzh/09b56b00ceaa4e42a9e492bc3f408daf.htm
[6]http://www.chinanews.com/sh/2020/11-13/9337299.shtml
[7]https://k.sina.cn/article_6105713761_16bedcc61027001g9m.html

大厂面试题领取方式:

加下面助理的微信一定要备注(大厂面试):

研究/工作方向+地点+学校/公司+昵称

(如Java+上海+上交+可可)

根据格式备注,可更快被通过且邀请进群,领取一份专属学习礼包

SPI协议详解(图文并茂+超详细) 先说串口 因为之前写过一篇UART,通用串行异步通讯协议,UART的相关资料 因为UART没有时钟信号,无法控制何时发送数据,也无法保证双发按照完全相同的速度接收数据。因此,双方以不同的速度进行数据接收和发送,就会出现问题。 如果要解决这个问题,UART为每个字节添加额外的起始位和停止位,以帮助接收器在数据到达时进行同步; 双方还必须事先就传输速度达成共识(设置相同的波特率,例如每秒9600位)。 传输速率如果有微小差异不是问题,因为接收器会在每个字节的开头重新同步。相应的协议如下图所示; 如果您注意到 阅读详情

相关推荐

2022-2028年中国美容仪行业发展战略规划及投资机会预测报告

报告类型:产业研究 报告格式:电子版、纸介版 出品单位:智研咨询-产业信息网 美容仪是一种根据人体生理机能进行调节改善身体和面部的机器,它按照功能来说有美白、嫩肤、祛斑、祛皱、脱毛、减肥等多种,按照名称来说有超声波导入、光子嫩肤、高周波电疗、RF 电波拉皮、电子祛斑点痣、E 光永久脱毛嫩肤、贾法尼营养导入导出等。 智研咨询发布的《2022-2028年中国美容仪行业发展战略规划及投资机会预测报告》共十七章。首先介绍了中国美容仪行业市场发展环境、美容仪整体运行态势等,接着分析了中...

kt346的博客 468

学python要有多少英语词汇量测试_“扫地僧”!自学Python编程、英语词汇量15000……北大保安再上热搜...

原标题:“扫地僧”!自学Python编程、英语词汇量15000……北大保安再上热搜近日,北大保安再次冲上热搜,让不少网友惊了! 在北京大学第一届“争做数一数二的保安员”评选会中,20名保安员进行了现场汇报。他们像武侠小说中深藏不露的“扫地僧”,不仅有守护校园的“武功”,更有鲜为人知的 “内功”! 其中,保安小哥焦森 自学Python编程,大幅提高了工作效率;许文龙 单词量达到一万五,能用英文与留学...

weixin_39713805的博客 182

LeRobot SO-ARM100 学习笔记(2) diffusion module

对 lerobot 中的 diffusion policy 进行基本的代码阅读

mikhailbran的博客 1586

学python要有多少英语词汇量_“扫地僧”!自学Python编程、英语词汇量15000……北大保安再上热搜...

近日,北大保安再次冲上热搜,让不少网友惊了!打开APP,查看更多精彩图片在北京大学第一届“争做数一数二的保安员”评选会中,20名保安员进行了现场汇报。他们像武侠小说中深藏不露的“扫地僧”,不仅有守护校园的“武功”,更有鲜为人知的 “内功”!其中,保安小哥焦森自学Python编程,大幅提高了工作效率;许文龙单词量达到一万五,能用英文与留学生流利对话。身为北大保安,许文龙感慨,“我感到自豪,因为有所学...

weixin_39968861的博客 146

Cadence Sigrity PowerDC实战:如何用PCB电热混合仿真解决散热难题(附详细配置步骤)

本文详细介绍了如何利用Cadence Sigrity PowerDC进行PCB电热混合仿真,以解决高功率密度设计中的散热难题。文章通过解析电热耦合原理,并附上详细的配置步骤与实战技巧,指导硬件工程师同步优化电气性能与热管理,从而在设计源头提升产品可靠性与效率。

weixin_29292535的博客 197

YOLOv11多模态融合实战:基于YOLOFuse的RGB与红外线(IR)协同检测技术解析

本文深入解析了YOLOv11多模态融合技术,重点介绍基于YOLOFuse框架的RGB与红外线(IR)协同检测方法。通过动态权重分配、跨模态特征对齐等创新设计,实现在低光照等复杂环境下的高精度目标检测,mAP提升高达37%。文章包含实战案例、训练技巧和部署方案,为计算机视觉开发者提供完整的多模态融合解决方案。

weixin_29038345的博客 292

80后北大才女唱《大龄文艺女青年之歌》走红

华西都市报3月26日报道 最近,又一首“网络歌曲”在网上爆红!从上月中旬开始,一段名为《大龄文艺女青年之歌》的现场演唱视频就在网上被争相传诵,几天工夫,点击率就已高达30万,超过2000名“文艺青年”加入了她的豆瓣音乐人页面,更被各大门户推到首页。歌红了,不少网友开始人肉搜索唱歌的女孩,查出她是北大毕业的一名文艺女生,名叫邵夷贝,笔名邵小毛。记者几经曲折,终于找到了这位80后女生,对她进行了专

phphot 2101

Pytorch入门实战(7):基于BERT实现文本隐喻二分类(Kaggle入门题目)

Bert入门实战,文本二分类问题

iioSnail的博客 4055

注意!某知名国产软件被曝携带木马病毒

点击上方“码农突围”,马上关注这里是码农充电第一站,回复“666”,获取一份专属大礼包真爱,请设置“星标”或点个“在看”‍据火绒威胁情报系统监测,火绒工程师发现奇客PDF转换器携带恶意代理...

欢迎关注公众号:【码农突围】,回复9999,可以获取一份LeetCode刷题笔记 489

【Dumper-7】入门指南 - 带你领略不一样的UE世界

摘要: Dumper-7是一款用于分析UE4/UE5游戏的逆向工具,可自动生成游戏内部结构的C++ SDK。支持Visual Studio、CMake和Xmake三种构建方式,通过DLL注入目标游戏后,自动识别引擎结构并输出C++ SDK文件(默认保存在C:\Dumper-7目录)。该工具适用于游戏Mod开发、安全研究和机制分析,提供完整的类层次映射、属性/函数识别功能。使用时需注意x64平台配置,生成SDK后可集成到自定义DLL项目中,通过示例代码展示如何查找游戏对象、访问世界状态和调用引擎函数。

kinghzking的专栏 435

寒武纪面试——数字IC,数字逻辑岗

面试过程:面试是电话面试,通话时间大致在40分钟左右!面试体验挺不错的。面试的岗位是数字逻辑工程师。本人双非,拿过一个国一(南京FPGA大赛),一个数学建模省二。

FPGA/MATLAB学习教程/源码/项目合作开发 1375

厚脸皮,是一个人最了不起的才华

真正的高手,脸皮都有点厚。前几天,看了“北大保安高考第一人”张俊成的经历,很有感触。一个北大保安,通过自考考过北大法律系,再到多所职业学校工作,还自己创办了学校。这番成功的背后,藏有放下面...

weixin_45727359的博客 507

【GEE数据库】WRF常用数据集总结

【GEE数据库】WRF常用数据集总结

WW、forever的博客 635

大白话说清楚 Java 中的 this 和 super 关键字!

点击上方“码农突围”,马上关注 这里是码农充电第一站,回复“666”,获取一份专属大礼包 真爱,请设置“星标”或点个“在看” 今天就用最通俗易懂的大白话来聊一聊 Java 中的 t...

欢迎关注公众号:【码农突围】,回复9999,可以获取一份LeetCode刷题笔记 159

蓝牙模块HM-10手册

蓝牙模块HM-10手册,该手册对蓝牙模块HM-10进行了详细的介绍和使用方法以及一些AT指令。

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

北京永远是中国最好的城市(一个北大学生的感言)

前些日子看到一个网站上有一个深圳的网友大谈深圳如何如何好,甚至认为深圳比北京还要好很多,我倒是没有什么反感,因为我去过深圳多次,挺喜欢这个南国花园城市的。今天早晨有一家深圳的金融机构打电话给我,说要高薪聘我,还电话里大声说月薪2万,年终双薪,问我去不去。我当时觉得很滑稽,就想写这篇文章了。可能深圳一直以为深圳的收入是全国最高的(可能上海人也这么认为自己吧),就以为他出的都是高薪了。其实,我现在北...

mmdev 186

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

Linux之父警告全球程序员:我刚发布的5.12内核有bug,你们千万别用

点击上方“码农突围”,马上关注这里是码农充电第一站,回复“666”,获取一份专属大礼包真爱,请设置“星标”或点个“在看”在美国的大雪天气影响下,Linux之父Linus Torvalds的...

欢迎关注公众号:【码农突围】,回复9999,可以获取一份LeetCode刷题笔记 157

visio安装包

Microsoft Office Visio 是一款专业的制图软件。利用经过更新的形状、协作工具和数据链接图表,创建专业级图表以简化复杂的信息。

MySQL与Redis缓存的同步方案

点击上方“码农突围”,马上关注 这里是码农充电第一站,回复“666”,获取一份专属大礼包 真爱,请设置“星标”或点个“在看” 来源:dongshao.blog.youkuaiyun.com/art...

欢迎关注公众号:【码农突围】,回复9999,可以获取一份LeetCode刷题笔记 206

学生命科学要学计算机吗,现在学生物学出路真的有那么不济吗?

最近浏览知乎,看到大规模的生物劝退贴,这些帖子纷纷拿出多个例子,并现身说法,告诫学生物的同学尽早转行,并声称劝退一人胜发7篇CNS。作为网友盛传的天坑之首,生物专业到底有多坑?环球科学曾对北京大学教授、中科院欧阳颀院士进行过一次专访,题目为:21世纪是生命科学的世纪,但是千万不要进生物系。欧阳颀院士认为目前生物学科主要存在以下问题:1、大学生物系的教育需要做深刻的改革,很多大学的生物系不是在做ed...

weixin_29465407的博客 1410
上一篇: 很多程序员编码时都戴耳机,到底在听什么?
下一篇: 网易云音乐App 音频会话管理解析
DevolperFront
博客等级 码龄8年 465粉丝 81原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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