能走多远不取决于一个人改正多少个缺点,而在于是否最大限度发挥长处

本文通过两位性格迥异的CEO对比,阐述了一个观点:个人和职业上的成功更多依赖于发挥自身的优势,而不是努力改正所有的缺点。文章强调,专注于自身的长处能够带来更大的成就。


老总分享的文章,文章观点很独特,但不知道具体出处,内容如下:

能走多远不取决于一个人改正多少个缺点,而在于是否最大限度发挥长处。

两个性格迥异CEO的不同结局:

某人投资的两家公司的CEO性格迥异。
A是近乎完美的资深职业经理人。热忱外向,和蔼可亲。我从没见过他和任何人争执,认识他的人都喜欢他。每次董事会前,他都会请董事们吃顿可口晚餐。他访问我上海办公室时会给我的助理小姐带旧金山特产的巧克力。
B恰恰相反。他穿着随意,初次接触往往觉得他内向、冷淡。极少寒暄,总是直入主题。有些人很不喜欢B。和B聊天很累,常找不到共同话题,间或被难堪的沉默打断。B有时固执,常和董事会争论。在B的公司开董事会总吃盒饭工作餐,他从不送任何人小礼物。
A和B的业绩天壤之别。在A领导的三年,该公司亏损一亿多美元,市值跌掉96%,最终被董事会炒鱿鱼。B在四年里将公司扭亏为盈,最终成功卖掉。

怎么会出现这种怪象?难道不是大家都喜欢A?难道A的缺点不是比B更少?难道A不是比B更完美的职业经理人?

A的问题是,他没自己的主意和主张。他心中第一要务,是在他人眼里显得尽善尽美,讨尽可能多的人喜欢,至少不得罪人。他EQ极高,这是为什么他能当上CEO。
A象浮在水中的木头。四面八方来的不同意见象水流,它们的合力会推着木头飘动,但不是去固定的方向。他领导的公司没目标,在原地打转。
B放弃了试图在所有人心中显得完美的努力。他心中的第一要务,是让公司成长。B知道如何发挥长项而让公司井井有条。至于聊天这种弱项,能回避就回避。
B远强于A。但荒唐的是,大多数人的本能是向A学习。他们把精力倾注在减少缺点、不犯错误上,使自己在别人心中完美。
当我们还是学生时,我们就被师长教导必须改正缺点才能进步。语文不行补语文,数学不行补数学。弥补不足成了生活的中心。

专注于改正错误的错误

毕业后,这种自我改进的方法不再适用。当人过了一定年纪,绝大多数性格定型,大脑中的神经回路只有很少改动的空间。成年人对性格缺陷也许只能接受。改正缺点需要巨大能量。而这能量可用于发挥长处。

人有瑕疵很正常。所有人都是一分为二的矛盾体。我们必须接受有缺点的自己,才有余力来创造。梵高做不到,一生在痛苦和自卑中挣扎,终于自杀,享年37岁。
不满自身缺点本是上进动力,但如因此丧失自信,内心无法和谐,则适得其反。

专注于改错往往事倍功半。

在斯坦福商学院,我曾参加一个提高讲演能力的培训。专家告诉我,讲演时应扫视全场,不应只盯着一个人;声音应阴阳顿挫,不能太平和。他们甚至给我设计了行动指南:每讲三句就扫视下观众;每几分钟就改变声音高低。

我把注意力集中在改错上。在台上我象机器人一样扫视观众,控制声音。结果演讲空洞无物。因为和自己自然的讲话方式相悖,我筋疲力尽。

后来意识到,我想说的内容才是我的长项。把这点丢了,仅专注于改正弱项,会让整个演讲失去价值。专注于思想,在形式上自由,这样才有能打动人的生气。

能走多远不取决于一个人改正多少个缺点,而在于是否最大限度发挥长处。如果刘翔把所有时间花在学游泳上,那不可能成为跨栏冠军。

人不会因为缺点最少而伟大。乔布斯20出头时骗其合伙人Wozniak说从某客户仅获得$750 收入,自己独吞了$5000。但乔布斯依然伟大。

优缺点,阴和阳

缺点是改正不完的。缺点和优点相辅相成、互为因果。
我们不可能保存所有优点而摒弃所有缺点。张飞的勇猛和鲁莽并存。假如有某种镇静剂能让张飞脾气温和,他很可能同时失去万夫莫当之勇。张飞不再是张飞。

人最大的优点往往导致他最大的缺点。A的亲和力本是个优点,但当过于在乎他人,这一性格就变成缺点。这样的人看似保险,但在更大画面上却输了。他失去了存在的根本价值。

一位成功的创业家告诉我,他观察到70%以上的创业者发展到一定阶段就停住了。许多导致他们成功的优点反而成了阻碍他们进步的缺点。

例如。一位创始人善于技术革新。但当公司发展到要卖产品的阶段,他仍专注于往产品中添加各种技术上复杂但不适用的功能,对营销漠不关心。导致产品问世时间一拖再拖,最后股东们只好请他离开。

切勿追求在别人心中的完美

许多人追求的并非自己心中的完美,而是 “自己所猜测的在他人眼中的完美”。一个人穿红衣服好看也舒服,但她猜想别人会认为她穿绿衣服好看,于是穿了又难看又不舒服的绿衣服。

为“所猜测的在他人眼中的完美”而活的人比比皆是。

我认识一对年轻夫妇,他们本来没钱买房,租的房离公司近,条件也好。但他们认为如不买房,朋友们会嘲笑。于是借贷在离上班很远的较便宜的地方买了个小单元。每天大量时间浪费在路上。也成了房奴。

他们既没钱旅游也没时间读书。生活枯燥乏味而又面临压力。其实周围的人并不在乎他们是否买房,他们却为错觉付出代价。

每个人都有自己的事要忙。别认为自己是宇宙关注的中心。你幸不幸福自己知道,也只有自己负责。

即使有世俗而势利的人对你有什么看法,何必在乎?你遇到困难时他们在哪里?他们伸出过援手吗?别为臆想中的公众而活。你对世界并没自认为那么重要。但有人放弃了为自己做决定的权利。他们遇上重大决定时喜欢问别人,有时恨不得问遍所有人再取个均值。事业中遵循平均意见就不可能杰出;生活中遵循平均意见不可能得到自己的幸福。

我们需要与众不同。我们本来就与众不同

转载请注明出处:6san.com 
原文地址: http://www.6san.com/839/

内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于/高光谱影像的单一类别特征提取。; 适合群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术员或研究员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
快速排序的性能高度依赖于**数据的分布情况和初始排列状态**,尤其是**划分的平衡性**。我们来分析它在什么情况下最易和最发挥长处。 --- ### ✅ 快速排序的基本原理回顾: - 选择一个基准(pivot) - 将数组划分为两部分:小于 pivot 的放在左边,大于的放在右边 - 递归对左右子数组排序 📌 **时间复杂度:** - 最好情况(每次划分均匀):$ O(n \log n) $ - 最坏情况(每次划分极度平衡):$ O(n^2) $ --- ## 一、在哪种情况下**最发挥长处**? 也就是:**最容易退化为最坏情况 $O(n^2)$** 我们看选项: --- ### B. 被排序的数据已基本有序 ### C. 被排序的数据完全有序 ✅ 这两种情况是**快速排序最怕的输入之一!** 为什么? - 如果使用“取第一个元素”作为 pivot(常见实现),那么在**基本有序或完全有序**的情况下: - 每次选到的 pivot 是最小或最大值 - 划分结果是一边为空,另一边有 $n-1$ 个元素 - 递归深度达到 $n$,每层做 $O(n)$ 工作 → 总时间 $O(n^2)$ 📌 示例: ```python [1, 2, 3, 4, 5, 6] # 已有序 pivot = 1 → 左边空,右边 [2,3,4,5,6] pivot = 2 → 右边 [3,4,5,6] ... 一直退化 ``` ⚠️ 即使“基本有序”,也会导致数划分平衡 ❌ 所以:**这是快速排序最发挥长处的情况** → **B 和 C 都符合** 但题目中可能只允许填一个空,优先选更典型的:**C. 完全有序** --- ## 二、在哪种情况下**最易发挥长处**? 也就是:**划分尽可能均衡,达到接近 $O(n \log n)$ 的理想状态** 我们看其他选项: --- ### A. 被排序的数据量很大 - 数据量大 ≠ 易发挥 - 如果数据量大且有序,反而更糟(更严重的 $O(n^2)$) - 如果数据量大且随机,则能体现快排优势(分治效率高) 👉 所以:**只有当数据量大且分布良好时,才容易发挥优势** 但仅“量大”是关键,关键是“是否适合划分” 所以 A 准确 --- ### D. 要排序的数据中有个相同值 - 个相同值会影响划分质量 - 特别是如果 pivot 选到了重复值,可能出现大量等于 pivot 的元素集中在一边 - 若采用“三路快排”(Dutch National Flag),性能会下降 ❌ 实际上,**大量重复值是传统快排的弱点之一** ✅ 但如果使用**三路划分快排**(less < pivot, equal, greater > pivot),则处理重复值反而更快 但题目默认是指**经典快排**,是优化版本 所以 D 是“最易发挥”的情况 --- ### 那么什么时候最容易发挥长处? ✅ 答案是:**数据量较大 + 关键字随机分布(无序)** 虽然这个选项没直接列出,但从给出的选项中反推: - **A(数据量大)** 在配合良好数据分布时有助于体现快排的渐近优势 - 相比之下,B、C、D 都是潜在问题场景 所以,在给定选项中,**A 是唯一可能表示“有利条件”的选项** --- ## ✅ 综合判断: > 快速排序在( **C. 被排序的数据完全有序** )情况下最发挥长处 > 在( **A. 被排序的数据量很大** )情况下最易发挥长处? → 完全准确,但相对而言成立 更严谨地说: - **最发挥**:✔️ C(完全有序)或 B(基本有序) - **最易发挥**:✔️ 当数据**随机无序**且**规模大**时,快排优势明显 → 所以 A 是最接近的答案 --- ## ✅ 正确答案填写: > 快速排序在( **C** )情况下最发挥长处,在( **A** )情况下最易发挥长处 📌 注:这里的“A”并是说“量大就一定好”,而是指当数据**无序且规模大**时,快排相比其他 $O(n^2)$ 算法优势凸显(如比插入排序快得) ---
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