男人应该做到的

AnyLogic 8.8.3 最新版安装指南:从下载到配置的完整流程(附Java环境设置技巧) 本文提供了AnyLogic 8.8.3最新版从下载到配置的完整安装指南,重点解决了跨平台(Windows、macOS、Linux)部署中的常见问题。核心内容详细讲解了Java开发环境(JDK)的精准配置技巧,包括版本选择、系统环境变量设置与验证,确保为仿真建模工作奠定稳固基础。 阅读详情
        1. 男人是社会的主体,不管你信或不信。所以男人应该有种责任感。
  2. 25岁之前,请记得,爱情通常是假的,或者不是你所想象的那样纯洁和永远。如果你过了25岁,那么你应该懂得这个道理。
  3. 吃饭7成饱最舒服。对待女友最多也请你保持在7成。
  4. 30岁之前请爱惜自己的身体,前30年你找病,后30年病找你。如果你过了30岁,你自然也会懂得这个道理。
  5. 事业远比爱情重要。如果说事业都不能永恒,那么爱情只能算是昙花一现。
  6. 不要轻易接受追求你的女孩。女追男隔层纱。如果你很容易就陷进去,你会发现你会错过很多东西,失去很多东西。
  7. 请你相信,能用钱解决的问题,都不是问题。如果你认为钱索王道,有钱有女人,没钱没女人,那么。女人不是问题。
  8 . 请永远积极向上。每个男人都有他可爱的地方,但是不可爱的地方只有不积极面对生活。
  9. 不要连续2次让同一个女人伤害。好马不吃回头草,是有他道理的。如果认真考虑过该分手,那么请不要做任何舍不得的行动。
  10. 如果你和你前女友能做朋友,那么你要问自己:为什么?如果分手后还是朋友,那么只有2个可能:。你们当初都只是玩玩而已,没付出彼此最真的感情。或者:必定有个人是在默默的付出无怨无悔!
  11. 永远不要太相信女人在恋爱时的甜言蜜语。都说女人爱听甜言蜜语,其实,男人更喜欢。
  12. 请不要为自己的相貌或者身高过分担心和自卑。人是动物,但是区别于动物。先天条件并不是阻挡你好好生活的借口。人的心灵远胜于相貌,请相信这点。如果有人以相貌取人,那么你也没必要太在意。因为他从某种意义来讲,只是只动物。你会跟动物怄气吗?
  13. 失恋时,只有2种可能,要么你爱她她不爱你,或者相反。那么,当你爱的人不再爱你,或者从来没爱过你时。你没有遗憾,因为你失去的只是一个不爱你的人。
  14. 请不要欺骗善良的女孩。这个世界上,善良的女孩太少。
  15. 不能偏激的认为金钱万能,至少,金钱治不好艾滋病。
  16. 请一定要有自信。你就是一道风景,没必要在别人风景里面仰视。
  17. 受到再大的打击,只要生命还在,请相信每天的太阳都是新的。
  18. 爱情永远不可能是天平。你想在爱情里幸福就要舍得伤心。
  19. 如果你喜欢一个认为别人应该对她好的mm,请尽早放弃。没有人是应该对一个人好的。如果她不明白这个道理,也就是她根本不懂得珍惜。
  20. 不要因为寂寞而找gf,寂寞男人请要学会品味寂寞。请记住:即使寂寞,远方黑暗的夜空下,一定有人和你一样,寂寞的人不同,仰望的星空却是唯一。
  21. 任何事没有永远。也别问怎样才能永远。生活有很多无奈。请尽量充实自己,充实生活。请善待生活
微调实操一: 增量预训练(Pretraining) 《微调入门篇:大模型微调的理论学习》我们对大模型微调理论有了基本了解,这篇结合我们现实中常见的场景,进行大模型微调实操部分的了解和学习,之前我有写过类似的文章《实践篇:大模型微调增量预训练实践(二)》利用的MedicalGPT的源码在colab进行操作, 由于MedicalGPT代码比较难以理解,而且模型只能从hugging face上下载,对于一些国内服务器无法访问,我重构了代码,让训练代码更有可读性,并参考LLAMAFactory的项目,增加了modelscope上下载模型,轻松在国内服务器运行. 阅读详情

相关推荐

unity 腾讯地图sdk移动和缩放代码

unity 腾讯地图sdk 实现移动端 缩放 和 移动

。。。。。 1283

WELCOME THE NEW GAY

TECHNOLOGY: HTML,ASP with vbscript,ASPX with c#,javascript,XML bata software using,new software finding studing software designing basic computer technology

RbmxXx's Blog 5390

Claude Code 接入 DeepSeek-V4 教程

本文介绍Claude Code的安装配置流程:1) 安装Node.js 18+和Git(Windows);2) 通过npm全局安装@anthropic-ai/claude-code;3) 配置DeepSeek API环境变量(需替换API Key);4) 启动Claude Code或配置VSCode插件。重点包括Linux/macOS和Windows的环境变量设置方法,以及VSCode插件的settings.json配置项。完成配置后即可在终端或VSCode中使用Claude Code功能。

培根芝士的专栏 2006

转载-综合

https://zhuanlan.zhihu.com/p/22142170 https详解 https://coolshell.cn/articles/17416.html/comment-page-3#comments 缓存更新策略 https://www.jianshu.com/p/929b9aa70dc8spring-boot profile https://www.cnblo...

shuixiou1的博客 4139

WinCC ActiveX控件“许可证缺失”故障排查:从注册表修复到系统兼容性全解析

本文深入解析WinCC ActiveX控件报错“未找到许可证信息”的根本原因与解决方案。核心在于系统注册表中控件的设计时许可证密钥丢失或损坏。文章提供了从手动修复注册表、排查64位系统兼容性,到预防性环境部署的全流程专业指南,帮助工程师彻底解决这一常见故障。

oil88的博客 646

华为OD机试真题 新系统 - 8位LED控制器 (Java/Py/C/C++/Js/Go)

本文整理华为 OD 机试新系统机考真题库,涵盖高频考点精析与完整题目内容,提供 C 语言、Java、C++、Python、Go、JavaScript 多语言源码实现,搭配详细解题思路讲解,并支持在线 OJ 刷题练习,助力高效备考华为 OD 机试新系统。

算法大师! 1975

从一个男人关注的事情上 可以看出他的修养和抱负

很喜欢这个标题,所以转了。整天关注娱乐版的男人,你指望它有什么成就么?有些还没做到,勉励自己。 一、拥有自信和风度男人到了二十几岁后,就要开始学着用心去经营自己了,它体现在自己的思想与涵养上。自信是一个男人最重要的品质,自信的男人就你像一只在暴风雨中战斗的海鸥。海鸥所要说的只有一句话“让暴风雨来的再猛烈些吧”,只因为它无所畏惧。一个自信的男人,总是能够感染别人,无论这些人是朋友还是敌人。要

·没有风雨躲得过,没有坎坷不必走· 2341

支付域——账户系统设计

本文详细介绍了支付域中的账户系统设计,包括账户的定义、核心特征、常见类型以及在支付系统中的作用。账户是支付平台为用户、商户等主体建立的资金记录单元,具有资金归属、余额管理、交易流水、资金安全等核心特征。常见账户类型包括用户账户、商户账户、平台账户、保证金账户等。此外,还探讨了账户与银行账户的区别、账户的结构设计、如何设计账户类型以及账户系统设计等内容。

庄小焱 1189

男人25岁前的忠告

男人25岁前的忠告这是忠告也是建议。  1. 男人是社会的主体,不管你信或不信。所以男人应该有种责任感。   2. 25岁之前,请记得,爱情通常是假的,或者不是你所想象的那样纯洁和永远。如果你过了25岁,那么你应该懂得这个道理。   3. 吃饭7成饱最舒服。对待女友最多也请你保持在7成。   4. 30岁之前请爱惜自己的身体,前30年你找病,后30年病找你。如果你过了30岁,你自然也会懂得这个

陈亚平 的技术博客 1373

MATLAB R2023a下载链接及软件安装教程

MATLAB的基本数据单位是矩阵,它的指令表达式与数学、工程中常用的形式十分相似,故用MATLAB来解算问题要比用C,FORTRAN等语言完成相同的事情简捷得多,并且MATLAB也吸收了像Maple等软件的优点,使MATLAB成为一个强大的数学软件。a是上半年,b是下半年版本,但是有些小弱们总是觉得只要是b一定功能多,这不一定的,同年版本b比a可能稍微全点,不同年的,比如21b,22a,肯定22a要比21b版本高功能多了。10、选择目标文件夹,默认的是C盘,想修改的话可以单击【浏览】,然后单击【下一步】

qq_53545309的博客 5159

微信小程序 - 最新实现项目适老化设计全流程及源码,老年模式大字版与常规版页面样式切换,老年人大字模式字体与布局更换关怀版解决方案(新老项目均适用的方案,全局页面统一修改文本字号/DOM排版元素等)

微信小程序,vue2,vue3,老年大字版设计,小程序开发如何实现适老化方案,放大字体字号及改变页面的布局,小程序关怀模式实现思路及代码,统一将布局都改了,全局修改字体大小适配老年人看不清问题,小程序怎么接入老年模式并根据模式改变页面的UI设计,实现全局修改字体大小适老化/关怀版改造,最新详细示例代码全流程,字体放大/缩小,老项目怎么适配老年人模式方案,小程序适老化设计指南,当切换成老年模式时页面所有排版都会发生变化,小程序vue开发,新手详细教程,老年模式字体设置思路和UI布局的设计,开发者可以通过wx.

🏆 前端领域优质创作者 7307

男生宿舍龌龊事

[转贴]男生宿舍龌龊事一说到大学男生宿舍,给人的第一感觉就是脏乱杂$#@&*%等等,一切龌龊的形容 词用在这里都不足为奇,毕业了偶尔会与朋友谈到这些事情,有些回想起来还感受深刻, 于是我便挑选出来一些比较bt的放在这里与大家分享,先说好了,有洁癖或是对脏乱习惯 比较反感的同志们要离开现在还来得及,否则……你继续往下看就知道了          先说懒          情节1:     我比较懒,

点点滴滴 15万+

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

中国魅力男人城市排行榜

发信人: beesnake (一定要吗?), 信区: Boy标  题: 中国魅力男人城市排行榜发信站: BBS 同舟共济站 (Fri Aug 20 16:31:06 2004), 站内1、西北男人  西北男人有型,大多沉默是金,颇给人沧桑感和神秘感。  西北男人施展魅力的场景也比较酷。布达拉宫,青藏高原,塔克拉玛干沙漠。据说2000年酷男追逐的十大完美装备里就包括护目镜,颈绳,碎发,兽皮表,越野鞋

§为艺术而技术§ 1611

IDEA的使用指南

IDEA基于java的使用手册,可以最快速的上手,在使用中不断的丰富自己的使用技巧.

lwip-2.0.3

lwip是瑞典计算机科学院(SICS)的Adam Dunkels 开发的一个小型开源的TCP/IP协议栈。实现的重点是在保持TCP协议主要功能的基础上减少对RAM 的占用。

成熟男人与不成熟男人的区别

1.不成熟的男人总是在意女人的姿色;成熟的男人则很会看老婆的脸色。 2.不成熟的男人总是在太太面前轻许承诺;成熟的男人则会在太太面前兜售甜言蜜语。 3.不成熟的男人和太太一起上街时,总是捂紧自己的腰包,那能捂得住吗?而成熟的男人却是闭紧自己的眼睛,正所谓眼不见心不烦。 4.发了奖金以后,不成熟的男人会将钱悄悄塞

1261

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")

聪明男人和愚蠢男人的区别

作者:劳心苦筋 聪明的男人善于倾听 愚蠢的男人不断诉苦 聪明的男人在适当时候假装愚蠢, 愚蠢的男人在任何时候都自作聪明。 聪明的男人牢记生活的每一个细节, 愚蠢的男人牢记对方的每一个缺点。   聪明的男人开自己的玩笑, 愚蠢的男人开别人的玩笑。 聪明的男人在贫穷时仍保持风度, 愚蠢的男人在

寻找甘当科学家的女人/男人 2264

男人的眼泪是血

男人的眼泪不轻弹,眼泪里裹满了尊严!   男人的眼泪很无奈,眼泪里藏住了孤单!   男人哭的时候有风,因为他想让风吹来沙子,迷住自己的眼,遮住别人的视线,他不想一下子就被看穿。沙子是男人的借口,也是男人的心酸;沙子曾给男人带来懊悔,也曾给男人一片不被追究的孤单!   男人哭的时候想要没有伞遮的雨,任凭雨水撒满自己的脸,渴望雨水冲淡泪的苦涩,带走男人特有的羞涩!雨是男人绝望是的期望,雨是男人浪漫是的

秋风落叶蝶飞舞. 1641

成熟才是男人的标志

成熟男人是具备重视诺言、不夸夸其谈、有学识而含蓄内敛、心胸宽广、不以自我为中心、勇于承认错误、意志坚定、干净整洁、尊老爱幼、有业余爱好的男人。凭自身的品格、实力与信誉在人群中从容地来去,男人流溢着非凡的魅力。成熟男人刚强豁达,待人宽容、知足乐观,他们知道为人处世的原则,懂得如何处理好与朋友、同事等的关系。必备条件一、重视诺言:成熟男人绝对不会出尔反尔,他对自己的每个承诺都相当重视,在许诺之前周密考...

zhangtongyuan0909的博客 1083

中国各地男人之最的分析

中国各地男人之最的分析 2011年04月25日    中国最彪猛的男人:陕西男人,西北男人,典型的男人。一提西北人就不能不想到黄土高坡和羊肉泡沫。温润刚烈的环境以及多年同身体强壮的少数民族打交道或打仗,也许造就西北人的彪悍和不拘小节。西北人有着西部人特有的粗野但是风格又绝与四川那样的不同,和西南地区也不同。足球西安的魔鬼主场。不怕老婆很有责任感。大多口袋空空也是特有的风情。。   中...

gmd03gmd 742

星座男人

有人说,我才不相信倒霉的星座之说呢。可是,当我知道英国大学里还有这么一门课程,不得不叫人为星座的总结言论加上一丝科学的色彩。世间男人千千万万,或许这会儿你正愁于不知该选择哪一个。这是我列出的最佳男人前五名,对与不对仅供娱乐。(以下所用形容词,并非此星座专有,只是在他们身上这些特质会更加显著。)一、天蝎座男人外冷内热,看起来一副大男人模样,却会去菜场买菜,烹饪美味佳肴。做家务,把两个人的生活打理得有

鹿寒的专栏 1219

宜春男人

<br />在江西西部,居住着一群机智、勇敢、温柔、帅气、善良的男人--宜春男人。  <br />    宜春男人凭借他们那俊俏的外表,温柔的内心,已经征服了大江南北的女性,越来越多的女生将拜倒在宜春男人的牛仔裤下,我们的目标就是:冲出亚洲,走向世界!  <br />  人们都常说南方男人性格细腻,对女人更是呵护有加,但身材似乎缺少那么点男子汉的气概;北方男人则高大威猛,男人味十足,却不懂得去倾听女人的心声;而位于江西西部的宜春男人却去其糟粕,取其精华,将一个完美男人的形象体现得淋漓尽致。  <br /> 

绣兰 1676

张小娴说男人不如一条狗,现在连市场分析师也说男人不如一条狗

女作家z张小娴在她的书里说: 女人有一百個理由相信狗儿比男人好,以下隨便举出几個理由。   一、狗儿不會說甜言蜜語,也不會向女人許下承諾;然后耍赖:“我是說過永远爱你,但是现在情況不同了。”   二、你親自编织毛衣給狗儿穿著,它會乖乖地穿上,不會批評。   三、長夜漫漫,是狗儿等你回家,不是你等狗儿回家。   四、狗儿會陪你散步、逛街,男人哪里肯做這些事?他宁愿自己去看电脑。   ...

454

男人的承诺、男人的感情、男人的理由

男人的承诺、男人的感情、男人的理由    世界上有三样东西不能相信:男人的承诺、男人的感情、男人的理由。如果他给过你天长地久的承诺,是因为他自己对你们之间的那份感情都没

停留的地带 1871

男人的消费观连狗都不如

偶然看到一张PPT,关于消费和投资的,大家睁大眼睛,发现了什么? 不是帅气分享嘉宾们,也不是舞台的炫酷的灯,对是后面的一组文字。 少女>儿童>少妇>老人>狗>男人 左侧的类比,没有什么特别。而是右侧狗>男人,是不是让你感觉不对,诧异,SHIT,爆粗口,吐血,不屑,又想反驳。 要是现在还不爽,不平衡,回去继续吐血。我们还是继续挖挖狗&gt...

940

做个男人,做个成熟的男人,做个有城府的男人

转 做个男人,做个成熟的男人,做个有城府的男人 2017年10月20日 14:31:33 amery2011 阅读数:224 做个男人,做个成...

ChengChengCheng的博客 217

女人喜欢大男人还是小男人

 转载自  http://hi.baidu.com/512347937/blog/item/6651e4cdec149c510eb3452c.html       大男人,小男人,到底谁能满足现代女人?现代女人首先取悦的是自己,然后才是男人,不管是大人,还是小男人,他们是他们,她是她自己。她为自己做这一切,她应该享有完美的人生。  经常有人问:你觉得什么是大男人,什么是小男人?  一般

swifth的专栏 2799

一个叫IT的女人给男人的分类

一个叫IT的女人给男人的分类     病毒型男人:无论你喜欢不喜欢,他总是霸占掉你的许多空间。如果你想删除他,你会连                带着失去很多东西:而如果你不想删除他,你将失去一切。    互联网型男人:如果你想和他在一起,你必须支付一些费用才行。    服务器型男人:每当你需要他的时候,他总是处于忙碌之中。    Windows型男人:你知道他有很多缺点,但没了他你就活不下去。

anuo的专栏 868
上一篇: DBGrid 应用系列
下一篇: DELPHI基础开发技巧
SafeF8
博客等级 码龄22年 10粉丝 104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