程序员，对自己好一点

奇迹摘星w 奇迹摘星w 博客等级 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 100+累计阅读 163平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄6年
关注
原创 最新推荐文章于 2026-01-18 16:43:51 发布 163 阅读 AI 写同款· GEO 优化 ›
多模态模型评测神器 | OpenCompass MMBench 了解一下！ MMBench 是 OpenCompass 研究团队自建的视觉语言模型评测数据集，可实现从感知到认知能力逐级细分评估。研究团队从互联网公开信息与权威基准数据集采集约 3000 道单项选择题 ，覆盖目标检测、文字识别、动作识别、图像理解、关系推理等 20 个细粒度评估维度。 阅读详情

昨天在Google图片中输入“程序员”，搜索到的第一张图片是这样的

 
一位平头兄桌上两台笔记本一台台式机。其中的一台中显示是某个论坛的页面【估计正在回答某个问题】、中间那台正在启动Eclipse【要开始写Java程序了】、平头兄的目光此时盯在台式机的显示器上【应该是正在远程或者是某个虚拟机】，旁边还有一本打开的书…

图片的名字是“真正的程序员就应该这样”，程序员就应该这样么？

是谁规定程序员就应该是这样的，本来是应该四个人做的事情让一个程序员做，难道程序员是四核的？

作为程序员中的一份子，我时刻注意对自己好一点。

穿着

下面两张图片是恶搞程序员的，虽然还没那么夸张，不过确实有那么点意思

 

现在的程序员跟不修边幅的艺术家很像，不同的是人家玩是艺术，我们写的是寂寞！

我们不用穿的很花哨，但是至少是得体！不要留给别人不好的印象，好像我们程序员现在就像民工一样【PS：不是诋毁民工同胞】

熟话说，“佛靠金装，人靠衣装”。我们程序员也需要稍微打扮下自己。

情感方面

微软曾经为Visual Studio 2010 做过一个煽情的广告，推出了以恋爱为主题的五个视频：

第一幕——《想做你的Code》：“爱上一个VC，做你下一行Code”。
第二幕——《让爱延长》：“幸福能run多久？有时候一分钟就够”，“更高效的C++，更多时间留给爱”。
第三幕——《幸福也要敏捷》：“约好的幸福，为什么总要一等再等？更多敏捷特性，更快响应爱的需要”。
第四幕——《为爱Debug》：“当爱有了Bug”我们的主人公能否成功Debug呢？”
第五幕——《让爱编译通过》：“不是每份爱都能编译通过，我想我就是那个幸运儿。”

这是一部分程序员的真实情况。但，绝大多是程序员一直保留着处子之身。想旁边有个漂亮的女孩，想都别想。恐怖的说法是，鬼都不会找程序员！

年轻的程序员们，好好把握住自己身边的好女孩们，不要到后来发出这样的感慨“曾经有一份真挚的爱情摆在我面前，但是我没有珍惜，【因为我是程序员】。等到了失去的时候才后悔莫及，尘世间最痛苦的事莫过于此。如果老天可以再给我一个再来一次的机会，【我再也不做程序员了】”…

曾经在人人看到这样一条状态，出自我的一个也是程序员的同学“如果你的朋友很久没联系你了，有两种可能：一是死了，另一种是学通信或者电子或者计算机... ”。我们要经常跟家人、朋友沟通，要时不时的打个电话给他们。还有我们的父母，我们要每隔一段时间打个电话给他们，免得他们牵挂！

程序员，记住，我们不是Machine，我们是Human，我们不只是需要跟Machine沟通，我们更需要跟Human的沟通！

饮食方面

 泡面是程序员的主食之一，因为方便面很是方便，一盒面，一瓶开水就能填饱肚子。

 众所周知，方便面是垃圾食品，方便面盐分过高，含防腐剂、香精，损肝；只有热量，没有营养 。长期食用对身体有害无益。但是，我们程序员却钟爱方便面，原因无他，吃饭吃耗时最短，又能边编程的食品。曾经有说法"最容易受伤的是男人的胃"，我想这男人中80%的是程序员。

程序员，请为你的家人想想吧， 吃些健康的食物吧。

下面是网上收集的有益于程序员健康的食物

代码

生活起居方面

程序员大都是夜猫子，一般都是12点后才睡觉的.于是就有上面的这幅图片。

晚上十一点到早上一点，那是肝脏排毒的时间，我们程序员通常在这段时间还活跃着，写博客、看教程、看视频、打游戏…此时的我们的大脑还处在兴奋状态，肝脏不能很好的排毒，带来的恶性结果是：我们的皮肤变得很差，身体抵抗力下降。

我们不一定要到很晚的时候才睡觉，有人说，我这个bug还没搞定呢，睡不着呢！我很欣赏这种一丝不苟的态度，却反对时常性的为了一个bug而搞到很晚！

各器官排毒工作时间如下：

代码

 别让我们的器官长期超负荷工作！ 请早点睡吧！

健康方面

今天看NBA的时候，主持人介绍了NBA的八大玻璃人。姚明和麦迪榜上有名，NBA最容易碎的玻璃人是开拓者的格雷格-奥登，这个赛季再次报销。NBA中受伤在所难免，那么激烈的身体对抗，磕磕碰碰也是正常事。但是，作为程序员的我们，又不跟谁打架，为什么那么脆弱？

由中华医院管理学会、中国医师协会、北京慈济健康体检连锁机构联合发布的“健康透支十大行业”社会调查结果显示，IT和企业高管人群中透支现象最为严重，亚健康比例分别为91%和86%；其次为媒体记者、证券、保险、出租车司机、交警、销售、律师、教师行业。

时常在园子里看到说一些不幸的消息，如某某癌症晚期….联想到前阵子有同事生病请病假，听项目经理感叹说道：程序员是很容意受伤的。确实是这样，长期缺乏运动的我们，亚健康指数如同for循环的i，一直在做着++的运算…。“我们没有时间运动”，可能一些程序员抱怨道。我想引用鲁迅先生的原话，“时间就像海棉里的水，只要肯挤总是有的”，只要你想运动，什么时候都可以。如，每天早上跑步去公交站台，中午吃饭饭了，出去溜达溜达….

给大家一些网上收集的Tips：

代码

社会中的地位

程序员的社会是低下的，在网上流传着这么一个说法“程序员被誉为IT农民工”。

曾经看到这样的类比，将程序员跟妓女相比，原文如下：

代码

劳力者下，劳智者中，劳人者上

我们大部分程序员现在做的是劳力活动，即第一类，我们其中的一部分可能需要正在向劳人者努力，有些人可能永远是劳力者…

我发现许多程序员动手时间和动脑时间之比都在9：1以上，优秀的程序员动手时间和动脑时间之比应该在7：3以下。当其比值下降到5：5、3：7以下程序员也就完成了向系统设计人员转变的准备。

给大家一点Tips：天时不如地利，地利不如人和！多想，谋而后动！

另外我也相信乔布斯说的，只有那些疯狂到认为自己可以改变世界的人才能真正地改变世界。面对压力，我可以挑灯夜战、不眠不休；面对困难，我愿意迎难而上、永不退缩，所以加油

最后希望大家多多支持 一键三连+评论下 并献上我自己整理的“大厂真题+微服务+MySQL+分布式+SSM框架+Java+Redis+数据结构与算法+网络+Linux+Spring全家桶+JVM+高并发+各大学习思维脑图+面试集合”

 

收录于
程序员

当前文章被收录于：

程序员
34 篇文章 0 人学习
订阅专栏 查看详情
标签
#程序员 #程序员的人生 #java
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
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") 立即下载

相关推荐

cartographer从入门到精通（一）：cartographer介绍

Cartographer的架构图我们可以看到白色框出来的三个区域，分别是Input Sensor Data（数据输入模块）Local SLAM（局部SLAM模块）Global SLAM (background thread)（全局SLAM模块）下面我们分别介绍一下这几个模块。

weixin_68094467的博客 1053

1024程序员节，传智播客出品感人视频《让爱近一点》

在1024程序员节来临之际，由传智播客和黑马程序员联合出品的《让爱近一点》温馨短片正式上线。此视频以程序员为拍摄对象，还原了以互联网IT人群为主的普通白领的加班日常，号召大众为他们的奋斗点赞，也倡导努力工作的他们别忽视了家人的爱——“少加班，让爱近一点”。 近几年，程序员人群被大众贴上了“优质股、高薪、踏实、加班”等标签，因为工作性质的原因，很多程序员大多时间都奉献给了工作，为社

黑马程序员官方博客 1442

Zemax：初学者的混合模式

光线以序列模式开始，然后接近非序列组件的入口端口。到达入口端口后，光线以非序列模式传播，然后接近出口端口。光线离开出口端口后，我们又回到序列模式。在此博客中，使用混合模式的示例将演示根据您自己的需要复制此工作流程所需的基本设置，以及一些有用的技巧。非序列组件表面类型必须在序列模式和非序列模式下定义。为了定义非序列组件的几何形状，请转到设置->编辑器->非序列，单击非序列编辑器。一旦我们进入非序列组件编辑器：表面 2 上的组件组，找到一个对象类型并进行定义。它能让您兼具序列模式的精确性和非序列模式的灵活性。

jkh920184196的博客 1340

程序员，请对自己好一点

昨天在Google图片中输入“程序员”，搜索到的第一张图片是这样的    一位平头兄桌上两台笔记本一台台式机。其中的一台中显示是某个论坛的页面【估计正在回答某个问题】、中间那台正在启动Eclipse【要开始写Java程序了】、平头兄的目光此时盯在台式机的显示器上【应该是正在远程或者是某个虚拟机】，旁边还有一本打开的书… 图片的名字是“真正的程序员就应该这样”，程序员就应该这样么？

你只管努力， 1153

【ubuntu】如何搭建AFTR+B4环境

为何要使用ipv6 目前ipv4地址已经不够用了，而IPv6采用128位地址长度，几乎可以不受限制地提供地址。而且ipv6具有更高的安全性。 主流的ipv6方案 1.双栈方案 ：所有设备同时支持IPv4/IPv6协议栈，核心理念在于其传送网同时支持IPv4和IPv6 2.DS－Lite方案 ：IPv4‐in‐IPv6 隧道和 NAT 这两个基本技术，同时支持IPV4与IPV6，对于ipv4用户，可以通过ipv6隧道与ipv4业务平台实现通信；针对ipv6用户，可直接通过ipv6网络通信。 3.6RD方案 ：

weixin_43863426的博客 2723

数控弯管机xyz转换ybc的算法_数控弯管机技术的更新和应用.pdf

您所在位置：网站首页 > 海量文档&nbsp>&nbsp汽车/机械/制造&nbsp>&nbsp机械/模具设计数控弯管机技术的更新和应用.pdf3页本文档一共被下载：次,您可全文免费在线阅读后下载本文档。 下载提示1.本站不保证该用户上传的文档完整性，不预览、不比对内容而直接下载产生的反悔问题本站不予受理。2.该文档所...

weixin_31493101的博客 1521

如果PHP程序员每天都对自己好一点，人生会发生什么改变？底层原理是什么？

如果一位PHP程序员每天都对自己好一点，这种自我关怀的习惯可以对其心理健康、工作效率和个人成长产生深远的积极影响。

长风破浪会有时的博客 840

Vitis HLS 学习指南与实践教程

Vitis HLS 学习指南与实践教程摘要：本文系统介绍了AMD Vitis HLS工具及其应用。HLS技术将C/C++代码自动转换为硬件描述语言，显著提升FPGA开发效率（5-10倍）。文章对比了HLS与传统RTL设计的优势，包括抽象级别高、开发周期短、代码重用性强等特点。详细讲解了Vitis HLS工具链的核心功能，包括支持的C/C++特性（如任意精度数据类型）、开发流程（项目创建-代码编写-仿真-综合）以及关键优化技术（流水线、循环展开、数组分割等编译指示）。通过具体代码示例展示了HLS设计方法，为F

weixin_44707118的博客 1401

关于程序员的一点感想

对于一个作家，最重要的是能写出出色的文章，文章的水平如何，和作家用什么颜色、形状、粗细的笔来写没有任何关系。假如出现这么一幕场景：许多作家围坐在桌旁，口水飞溅地争论：“英雄才是最好的笔！” “瞎说！关勒铭才是最好的笔！” “英雄笔在未来十年必将消亡的10个原因” “新的写作模式，双手梅花篆字” “怎么在一分钟之内写300个字——论英雄没有关勒铭流畅的原因”······    可以想象是个什么

公孙轩辕，一眼千年 574

机器视觉/将HIK海康面阵相机连接Halcon软件

本文简述了如何将海康面阵相机连接到Halcon软件中进行实时取图的过程。

Dahe.qu 4866

分布式训练中All-Reduce、All-Gather、Reduce-Scatter原理

Reduce-Scatter = 先对所有进程的数据做 Reduce（如 sum / mean），再把结果“切分”分发给各进程。(是 Reduce + Scatter 的融合操作。

comli_cn的博客 341

1024程序员节，请对身边的程序员们好一点

1024程序员节，请对身边的程序员们好一点 1024程序员节，请对身边的程序员们好一点 1024在外界的众多小伙伴看来，可能是某一不可描述的知名网站，但是（敲黑板，划重点）这是我们程序猿的节日啊！作为一只每天接触程序猿数不胜数的运营喵，咱们共同聊一聊 神秘的程序猿 我们程序猿眼中的自己： 智商高，对技术的追求孜孜不倦 天天被迫因为垃圾需求与产品和运营撕逼 风趣幽默，生活简单，对家庭负责 但...

阅后即焚 1169

Zookeeper+Hadoop+Spark+Flink+Kafka+Hbase+Hive 完全分布式高可用集群搭建(保姆级超详细含图文) 附安装包网盘下载

Hadoop+Spark+Flink+Zookeeper+Kafka+Hbase+Hive完全分布式高可用集群搭建 Hadoop高可用集群搭建 Spark高可用集群搭建 Flink高可用集群搭建 Zookeeper高可用集群搭建 Kafka高可用集群搭建 Hbase高可用集群搭建 Hive高可用集群搭建 mysql搭建 jdk部署 大数据集群环境搭建

Mr.L-OAM的博客 2万+

第十六章: 请多一点

比别人多一点，你就比别人强一点。

快乐天堂 3692

VB摄像头监控

该VB模块可对摄像头捕获的画面进行录像等，可在创建的窗口进行控制

汉书HE8，好用的汇编代码编写工具

汉书HE8，好用的汇编代码编写工具早期编写汇编代码所用功能强大

给初级程序员的一点建议

给初级程序员的一点建议马云冬(xacn)回想参加工作已有三年多了。现回忆起来，才发觉以前走了不知多少的弯路。现写下来供刚参加工作的程序员参考。也算是为中国软件做点微不足道的事吧！（这样说也太过分了，但总比一些外行人来指导软件开发的好。）还是不说这些了，让我进入正题吧！ 1、以前总以为技巧最重要，现在才知道简单的才是好的以前总以为编写代码时用的技巧越多自己的水平就越高，现在才知道用最简单

UserQi的专栏 1808

怀旧版电脑GBC模拟器

再现原版GBC掌机的界面，电脑运行连游戏界面都一样大小，很怀旧，很真实，（英文版）强烈推荐，很小的文件，很难才找到的。

给新手程序员的一点学习建议

我是一个有几年经验的程序员，之前对于自己的发展却是一头雾水，不知道主流技术，不知道工作是迎合主流技术还是迎合公司发展。让我有感触的是这两年的坚持学习，在迎合公司的发展的前提下，有自己的学...

JAVA圈的博客 1万+

华为的C语言编程规范.pdf

华为技术有限公司内部技术规范。本规范制定了编写C语言程序的基本原则、规则和建议。从代码的清晰、简洁、可测试、安全、程序效率、可移植各个方面对C语言编程作出了具体指导。

关于程序员成长的一点思考

程序员的我们，是否想过今后的路该怎么走、如何发展、技术怎样提高?其实这也是我一直在思考的问题。下面就此问题，分享下我的看法。因为我阅历有限，有什么说的不对的，大家一起喷!一、程序员应该打好基础 1. 现在开发工具众多、语言泛滥，经常听人说”不学CC++神马都是浮云”、”CC++才是万王之王”，CC++就真比PHP、Lua、AS、JAVA牛吗? 其实不在于语言本身，而在于CC++依附的...

diche7031的博客 122

【程序员装备大全】程序员，就要对自己好一点！

摘要： 《极限特工：终极回归》已经上映了，除了主演们的美好肉体以及让人肾上腺激素爆棚的剧情，那些炫酷的装备也是吸引了无数影迷的眼球。试想一下，如果让你拥有这些装备呢？就算成为不了范迪塞尔，那么至少也能往这个方向前进了一步。 《极限特工：终极回归》已经上映了，除了主演们的美好肉体以及让人肾上腺激素爆棚的剧情，那些炫酷的装备也是吸引了无数影迷的眼球。试想一下，如果让你拥有这些装备呢？就算成为不了范...

weixin_30810239的博客 2349

程序员的一点经验

展望未来，总结过去10年的程序员生涯，给程序员小弟弟小妹妹们的一些总结性忠告。 走过的路，回忆起来是那么曲折，把自己的一些心得体会分享给程序员兄弟姐妹们，虽然时代在变化，但是很可能你也会走我已经做过的10年的路程，有些心得体会你可以借鉴一下，觉得说得有道理的你就接纳，觉得说得没道理的，你就抛弃，以下是我发自内心的，给大家的忠告，特别是针对那些小弟弟妹妹们。 01

mmp591的博客 243

百度女程序员半夜打车被司机嘲讽：加班到一点，收入不如我，图啥

现如今，程序员因为工作性质的原因，经常需要加班。尤其是那些在bat或者华为等大的企业，996已经不足为奇了。当然在这些公司，员工之所以加班，一方面也是在努力提高自己的竞争力，另一方面也是公司薪水给的高。不然员工也不会那么拼命为公司加班，图的不就是个前程！ 最近在职场论坛上看到这样一个帖子“百度女程序员打车被司机嘲讽：加班到1点，收入却不如我，图啥呢？”这是怎么回事呢？ 原来这个...

900

程序员，做技术神马的，请对自己好一点！

昨天在Google图片中输入“程序员”，搜索到的第一张图片是这样的： 一位平头兄桌上两台笔记本一台台式机。其中的一台中显示是某个论坛的页面【估计正在回答某个问题】、中间那台正在启动Eclipse【要开始写Java程序了】、平头兄的目光此时盯在台式机的显示器上【应该是正在远程或者是某个虚拟机】，旁边还有一本打开的书… 图片的名字是“真正的程序员就应该这样”，程序员就应

u014714340的专栏 923
上一篇： 编程为了什么？到底什么才是真正的程序员
下一篇： Spring, MyBatis 多数据源的配置和管理
点赞 3
评论 2
书签 书签 3
奇迹摘星w
奇迹摘星w
博客等级 码龄6年 1844粉丝 189原创
+ 关注 专栏目录 订阅专栏
评论 2
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
表情包 插入表情
表情包 代码片
 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