关于工作中不会的事情

最近项目组新近一个实习生,我有幸成为他的师傅,截止今日我已经正式带他一个月了。从他进入项目组到现在,我在教他职业化,教他技能的时候,懵然发现自己工作这一年半的时间确实学到了很多东西,这些东西多半都是关于如何职业化的,关于技能学习到的倒是不多,更多的是一些虚的东西。

从教徒弟如何给同事发邮件,打电话交流,求助中,看着徒弟一点一点缓慢的成长,依稀见到了自己12年刚入职时的情形。企业是有自己的规则,这个规则对于一个刚进入的新人来说总显得缚手缚脚,但是当融入这个规则后,这个规则的优点却显现无疑,工作变得很有效率,同时也可以借用规则保护自己。


徒弟进项目组一个月了,之前的资料,基本操作(这个徒弟基础比较差,基本linux命令和dos命令都是手把手教的)都已经学得差不多了。然后上周分给他一个活,他做的相当痛苦,用他的话说是学校没学过,资料和这个的关系不明显。可是在我看来他还是不会工作,在逼着他每天看资料,给相关的人打电话询问(新人比较害怕与老员工交流,老是不敢打电话请教),调试,发日报,昨天他搞定了那个问题,今天给他总结了下他做的这个工作。其中发现他的问题主要有:

1、面对不会的工作畏难情绪严重,即使有资料和相关接口人进行支撑;

2、不懂得利用手头资源;

3、不会钻研。

他身上或多或少都有我刚工作时的影子,每个将要走入工作的人都会面临接手完全陌生工作的情况,针对这种情况,我觉得首先自己要自信,相信没有什么不能搞定的事情;其次要充分利用手头资源,资料,相关同事;最后最重要的就是要不畏艰难,努力钻研。

一点个人感悟,记录一下。


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,适用于多/高光谱影像的单一类别特征提取。; 适合人群: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人员或研究人员,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。
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