一个前腾讯员工自述:月薪没有达到7万,但收获不止薪水

Cadence 17.2配置CIS数据库报错?手把手解决ODBC驱动位数不匹配问题 本文详细解析了Cadence 17.2配置CIS数据库时常见的ODBC驱动位数不匹配问题,提供了从系统环境检查到分步解决方案的完整指南。重点解决32位应用程序与64位ODBC驱动之间的架构冲突,包含驱动安装、DSN配置及高级排查技巧,帮助电子工程师快速恢复设计环境。 阅读详情

640?wx_fmt=jpeg

腾讯昨晚(5月15日)发布了19年Q1财报。里面有数据说腾讯当下有5.46万雇员,总薪酬成本116.16亿元。结果今天就变成了全网都在说,“2019年第一季度,腾讯员工平均月薪7.09万元”。

文 | 婷婷的勇敢世界

       编 辑   |   熊  腿  腿     

这种用总数除以人数的”平均”算法,被很多腾讯在职员工笑称“被平均了”。企业的人力成本,除了工资,还有社保,公积金,员工福利等等,没准还包括了你办公室的零食饮料和夜宵呢。

另外,腾讯每年年终奖在1月以后发放,如年终奖的奖金包也被计入Q1,那这个被平均出来的7万,水分就更厉害了。大部分腾讯一线员工,是达不到7万这个数字的。

作为一家互联网巨头公司,腾讯的薪资在行业中属于比较高的水平

 

工作这件事情,除了薪资所能带来的“饭碗感”之外,能够让一个人不断得到输入和提升的“成长感”,借着好平台和富资源做成一件大事儿的“成就感”,以及每天一起合作的同事都是专业敬业的人,都是福利的一部分。工作中遇到过很多“猪队友”的人,对此会有更多感同身受吧。

1

1

1

    腾讯6年涨薪经历:

转岗3次,收入有惊喜

很多年前,我加入腾讯之前,HR问我要多少薪水,我报了我在小报的薪水。HR笑了笑。后来OFFER下来的时候,给我的薪水是我自己要求的2倍。互联网公司比传统媒体薪酬带宽要高。大厂HR在招聘的时候,有严格的职业规范,并不会因为你要的少就套路你。

 

转行非常痛苦,因为你会频频出错。在业务群里会被批评,开始会委屈,后来时间久了,发现互联网节奏很快,没工夫玻璃心。业务群里的信息流刷得很快,老板只是就事论事,过了就算了。

奖金

 

工作做得好。会得名目繁多的各种奖。体现在收入上,就是公司会给你发钱。每个粗糙的奖牌和小红旗背后,都意味着年终奖和奖金包会多。起初连续好几年拿腾讯的五星员工(占比5%), 除了年终奖多了以外,发现次年加薪幅度也会提高。腾讯普调的加薪是8%-12%,但是幅度有起伏。我在腾讯期间,我的老板曾给我加过百分之大几十。(除了考核成绩不错外,可能也因为基数低)。

 

在腾讯的6年里,一共转了3次岗。分别对应了从运营,到渠道,再到产品类的工作。转岗机制很顺畅,两边leader走个邮件确认就好了,其余流程HR会帮助搞定。在这个过程里没见过HR真人,不需要繁琐的沟通和面谈。他们以一种陪伴的方式默默的在流程里帮助搞定一切。

 

转岗

转岗会耽误升职加薪。一般转岗的半年内不能申请晋级,熟悉新业务满一年以后可恢复申请。虽然转岗会影响收入,但是在这个过程里,个人收获的成长,其实是不能用单一标准衡量的。我的几次转岗大部分得到了老板的帮助,比如给你几个月的新手期从头熟悉业务。

 

当然,也有些团队不愿意给你时间学习。他们节奏快到忙不过来。或者是直接主管本身不太想要人力,迫于服从公司架构调整需要而接收的人力,这时候个人就要迅速适应。要么留要么走。

1

2

1

大厂leader:

互联网扁平化下的职场“教练员”

文化

互联网公司比较扁平化,也没什么酒文化。入职之后加班有点多,填写加班的时候不好意思写那么多,总觉得自己笨,不适应节奏导致了工作低效率。就自己偷偷往少了写。有次我的老板在RTX上留言给我说:你加班好像写错了,我又给你补了几个大夜班。

 

有天夜里我在工作群里认识了一个人。此前一句话都没说过,夜里干活卡壳,只有这个陌生人在线,硬起头皮去问。他远程帮助了我。两个月后我见到了真人。竟然是我老板的老板,管好多业务。但是自从知道了他的真实身份,我就再也不敢跟他说话了。

信任

从上海转岗到北京之前,我才公司茶水间见到了一个穿红色企鹅拖鞋的人,后来就在他手下干活。有次我去南方出差,迟迟没能按照规定时间返程。我们自己的工作完成了,合作伙伴有些事情需要帮忙,我就又多留了几天。后来我问老板你为啥不催我?“将在外而军令有所不从”。

出差回来,发现为了应对那段时期连日的突发事件,我老板的工位底下,多了一个行军床。

 

成长

从内容向的工作,转向渠道和产品向的工作,学习和适应的过程非常痛苦。

 

帮助我完成这些学习的,是后来的另一个老板。他在行业里很有名。但是跟他一起出差会被累死,他会把行程从早上八九点安排到夜里十一点。一天要见六七波儿合作伙伴。

 

每次跟合作伙伴开完会,回来的路上或者车上,他都会再重新梳理和复盘一下业务逻辑和谈判要点。这对菜鸟初期的我,帮助非常大。心怀感激但也不耽误吐槽:比如他很喜欢在公司的夜宵时间开会。那个点开会,谁都别想吃饭。我们背后叫他“夜总会”,一到夜里总开会。后来熟了就当面叫了。

 

有次在一个知识付费平台上面,发现我的这位前老板见面邀约课时费是3000块钱一小时,邀约者众。大吃一惊,有些后悔早年跟着他一起工作,他唠唠叨叨的时候,我自己的那些偷懒时刻。

1

3

1

 

回流文化:

氛围开放,离职了欢迎再回来

 

以前在上海团队的时候,有个刚毕业的小男孩,聪明勤奋,做事靠谱。项目结束了,我们很多正式员工都被划到了北京。作为实习生还base上海的他没机会留下。

印象很深的是在他离职前夜,给团队所有同学发了一个邮件,里面是离职感谢信,附件是一堆小众好听音乐的音频压缩包。邮件的标题是”某某同学离职小礼包“。

回流

几年之后在公司的组织架构里,再次看到了他。原来他在外面工作了一段时间之后,又回流入职了。那个做事情很细心充满感恩的同学,在前公司发展越来越好,后来成了上海一个团队的主管。其实细想也不奇怪吧,他身上的很多特质,在他还是一个实习生的时候,就已经很不一样了。

 

在北京公司,有段时间因为业务需要,我们招了很多实习生。我们去到北大、人大和中国传媒大学,从100多名研究生里面选了18个人,在公司实习了有一年多。后来项目结束的时候,一样因为没有HC,大部分都没有留下。他们毕业后去了行业里另外几家知名公司。我们几个导师苦笑:咱们为各大互联网公司输送了人才。

 

重逢

上个周我回腾讯还见到了一个当年的小女生。她在毕业后去某知名电商公司做了两年用研又回流了腾讯。现在是个很资深的BI研究员了。

总之,我所看到的腾讯这家公司,就是很多人来,也有很多人走。不管是职场小透明,还是很资深的行业专家,有很多人走了会再回来。老同事们司空见惯,甚至理所当然。熟人见面也无非就是“hi,你回来了”。

1

4

1

逆袭的腾讯保安哥:

在门口请教程序员,最后自己入职了腾讯

 

腾讯的保安团队隶属于第三方人力公司。他们都挺专业,温和,服务意识很强。你刷卡的时候,他们就会帮你开门了。不会很凶的只盯你戴没戴工牌。

 

以前在腾讯北分银科大厦5F有个保安小胖。嘴比较贫,每天早上花式打招呼,调侃每一个人。遇见老板,他夸的更来劲了。他经常说的一句话是:“要是我早知道我长大以后要来腾讯做保安。我就一定会好好学习了”。

 

创业

小胖的领导,也就是保安队长,后来也辞职了。因为他在几年的安保工作中,发现了腾讯那幢大楼里的商机。他很快开了一家小Q外卖的餐厅,专门给腾讯的员工提供午餐。每天早上接受在线午餐预定,到了中午,定好的午餐,就会被分发到各楼层门口了。

这个很好理解吧,各个楼层的保安哥,都是保安队长小兄弟啊。他们有时候义务帮助分发盒饭。有次同事们在楼下租场地做公益活动,保安队长还给志愿者们送了好几份免费午餐。

 

逆袭

在小胖楼上值班的小磊哥,就比小胖好学多了。虽然也是在做保安工作,但是他好像随时随地都在读书。每天早上上班,他会告诉你,你是你们组今天第几个到的人。来来回回,也是整层楼的人都认识他了。

夜里开发同事们下班的时候,吃惊地发现他竟然在看计算机和编程方面的书。忍不住会聊上几句。后来,他有什么不会的问题,就干脆拽住一个进准进门的腾讯员工请教起来。那种状态可能持续了好几年。

有一天,在同在那个楼层办公的一个技术leader问保安哥:我们团队有一个外包程序员的工作,你愿不愿意试试?后来的故事大家就都知道了。他后来入职了腾讯,成为了一名正式的在职程序员。

1

5

1

经历会成为个人职业能力的一部分

 

很多年过去了。不知道后来这位小磊同学是否还在腾讯?也不知道小Q外卖还有没有继续?而每个人的职业履历,都是一段非常私人的独家记忆。

 

可能对于一份工作,人们能直观能看到的,可量化的数据指标,只是薪水。但是,对于一个职场新人来说,薪水之外,影响一个人成长的因素,还包括了你选择的公司,你所做的项目,你的直属领导,以及和你一起搭档做事情的团队伙伴们。     

作者:婷婷的勇敢世界,互联网从业者,产品爱好者。本文首发自公众号:几何小姐姐(ID:jihexj) 

近期热门:

良心推荐,几个互联网圈超级大的公众号,累计有200w的用户

趣味游戏文章:

太好玩了!用Python写个弹球游戏2.0

巧妙的Python数据结构玩法|实战德州扑克

EnlightenGAN训练复现记录 记录EnlightenGAN过程中的问题和解决方式。提示:以下是本篇文章正文内容,下面案例可供参考。 阅读详情

相关推荐

泛微E10 eBuilder低代码平台避坑指南:新手最容易犯的5个错误及解决方案

本文针对泛微E10 eBuilder低代码平台的新手开发者,总结了5个最常见错误及解决方案,包括表单联动配置、流程设计权限、动作流时序、数据加工类型转换和权限管理过度配置等问题。通过实战经验和代码示例,帮助开发者避开常见陷阱,提升开发效率。

weixin_30919429的博客 540

在互联网大厂的程序员多久能挣够100万?

要攒够100万需要多久? 对于近10亿月收入在2000元以下的人口而言,不吃不喝至少需要42年。但是对于那些在腾讯工作的“新生代民工”而言,这只需要1年多的时间。因为,根据腾讯第三季度财报显示,其人均月薪为8.06万元。 互联网的造富速度再一次令人惊叹。过去20年,北上广深的房价平均上涨了10倍左右。互联网大厂似乎成为仅存的财富积累速度可以和通货膨胀对抗的行业之一。 因此,就算超负荷得加班透支了对生活的热情,就算居住环境恶劣到4公里见不到1个便利店,就算被PUA压得人喘不过气来,互联网依旧人才活跃度最高的行

程序员干货站 4744

STM32的GPS数据提取程序设计说明——基于NMEA0183协议

一、硬软件平台 本次程序实现效果为对GPS信号穿送来的数据进行筛选,并将筛选后的信息通过上位机显示出来,所以此次设计所需硬件包括STM32F407、RS232转TTL、CH340USB转串口模块,注意该模块在使用前,对应的系统需要安装驱动,否则串口调试助手无法识别,另外还包括JLink下载器。 本次代码设计软件为KEIL5并结合F4固件包,上位机系统为WIN7,主机系统为WIN10。 二、算法总体思路设计 由于GPS通过RS232将数据传送给板子,因此使用两个串口资源(串口1和串口2),其中一个用来

小景的博客 6181

看到腾讯2019年员工年终奖之后,我感觉自己进了个假公司

作者 | 粥左罗主创团 来源 | 粥左罗(ID: fangdushe520) 今天看到互联网圈两个有意思的新闻同时出现,对比起来颇有意思,分享给大家: 第一个是:搜狐张朝阳称,工作只为赚钱太low. 2020搜狐WORLD大会上,张朝阳称,工作是一件很重要的事情,不仅仅是为了做成一家牛的企业,有多少市值,赚多少钱,这就太low了,工作是人的本份,做人最基本的就是完成自己的责任和职责。 第二个...

CDA数据分析师 4426

LabVIEW与VisionMaster融合开发:从封装避坑到高效集成的实战指南

本文为LabVIEW开发者提供了一套与海康VisionMaster融合开发的实战指南。针对直接调用SDK时遇到的程序集加载失败和面向对象编程冲突等核心障碍,文章详细介绍了通过C#进行“浅封装”的解决方案,包括封装显示控件和核心功能类,并给出了在LabVIEW中高效集成、调用及资源管理的最佳实践,旨在帮助开发者稳定、高效地集成机器视觉功能。

weixin_29210727的博客 157

UE4-(反射)场景采集之场景采集2D

一、场景采集分为两种:场景采集2D、场景采集立方体 场景采集2D:采集2D图片模式。 操作: 1.选择场景采集2D,是一个摄像机的物体,摆放到场景中。 2.在文件夹空白处创建纹理,一定要注意创建纹理的格式, 纹理分为立方体渲染目标和渲染目标,此处我们使用的是2D模式,所以选择渲染目标(Texture Render Target2D)。创建后重命名为RenderTextue2D。 3.选择场景中刚拖入的 SceneCapture2D 摄像机在细节面板的Scene Capture 将..

Stone的博客 4601

互联网大厂薪资真实情况:年薪百万有多难?

文/王琳 来源/Tech星球 要攒够100万需要多久? 对于近10亿月收入在2000元以下的人口而言,不吃不喝至少需要42年。但是对于那些在腾讯工作的“新生代民工”而言,这只需要1年多的时间。因为,根据腾讯第三季度财报显示,其人均月薪为8.06万元。 互联网的造富速度再一次令人惊叹。过去20年,北上广深的房价平均上涨了10倍左右。互联网大厂似乎成为仅存的财富积累速度可以和通货膨胀对抗的行业之一。 因此,就算超负荷得加班透支了对生活的热情,就算居住环境恶劣到4公里见不到1个便利店,就算被PUA压..

programmerjob的博客 6120

Redis简介和项目应用

内存优先架构简介Redis的读写操作都是在内存中执行的,计算机内存的读写速度极快,比机械硬盘的读写快很多,因此也会比MySql采用机械读写的方式性能更高。但是这样会产生一个问题,当Redis重启之后,内存中的数据就会丢失,为了保证数据不会因为服务器重启而丢失,Redis实现了数据持久化的机制,这个机制会把数据存储到磁盘中,当服务器重启的时候,能够从磁盘中恢复原有的数据。

人工智能、机器学习 759

腾讯起诉15名离职员工跳槽竞争对手

11月7日傍晚腾讯公司确认正式向深圳福田法院起诉15名涉嫌集体跳槽的员工,原因是这些员工违反竞业禁止义务。腾讯强调,这是维护自身合法权益的正当行为。   腾讯的上述表态,是对网上相关传闻的正面回应。昨日下午开始,在天涯等论坛中出现了“腾迅QQ把员工告上法庭,两年内不许踏足互联网”等相关帖子。这些帖子均指出,腾讯对一批跳槽的基层技术人员提出起诉,诉状已寄到这些员工家中,给...

weixin_34341117的博客 401

IMA知识库:从0到1的架构设计与实践

本文探讨了AI时代知识库系统的架构设计与演进路径。通过分析知识入库、知识管理和知识应用三大核心业务流程,提出了应对数据多样性、处理标准化、流量洪峰等挑战的解决方案。重点介绍了基于统一数据格式的解耦设计、异步处理架构、服务拆分策略以及权限安全体系,构建了一个稳定、高效且可扩展的知识库系统。文章强调优秀架构需要持续演进,通过识别薄弱点不断优化,最终实现技术方案与业务需求的平衡。

lovehu6686的博客 1739

【5G全网建设】Option3X和Option2模式建安市、兴城市和四水市核心网、承载网网络设计与部署

拓扑规划: Option 3X网络拓扑图规划 Option 2网络拓扑图规划 设备部署: 建安市核心网 建安市承载中心机房 建安市骨干汇聚机房 建安市3区汇聚机房 建安市C站点无线机房 兴城市核心网 兴城市承载中心机房 兴城市骨干汇聚机房 兴城市2区汇聚机房 兴城市B站点无线机房 数据配置: 建安市核心网 建安市承载中心机房 建安市骨干汇聚机房 建安市3区汇聚机房 建安市C站点无线机房 兴城市核心网 兴城市承载中心机房 兴城市骨干汇聚机房 兴城市2区汇聚机房 兴城市B站点无线机房 业务调试

weixin_67183034的博客 8869

查找所有员工入职时候的薪水情况

题目描述查找所有员工入职时候的薪水情况,给出emp_no以及salary, 并按照emp_no进行逆序CREATE TABLE `employees` (`emp_no` int(11) NOT NULL,`birth_date` date NOT NULL,`first_name` varchar(14) NOT NULL,`last_name` varchar(16) NOT NULL,`ge...

Howie66的博客 250

基于STM32设计的个人健康检测仪(华为云IOT)(191)

本系统采用华为云物联网平台实现数据云端存储与分析,并通过自研手机APP提供远程监控界面,让用户无论身处何地都能及时掌握自身的健康数据,为用户提供个性化的健康管理方案,同时也为医疗机构提供了便捷的数据获取途径,助力实现智能化、精细化的医疗服务。

1679

华为每天给武汉员工发2千块,任正非:我最擅长的事,就是分钱!

点击“技术领导力”关注∆每天早上8:30推送作者丨焱公子来源丨焱公子(公号ID:Yangongzi2015)近日,有华为员工在网上发帖称,公司对于武...

技术领导力 1872

Data-Structures-and-Algorithm-Analysis-in-Java.pdf

作者: Weiss, Mark A. 出版社: Addison Wesley Data Structures and Algorithm Analysis in Java is an “advanced algorithms” book that fits between traditional CS2 and Algorithms Analysis courses. In the old ACM Curriculum Guidelines, this course was known as CS7. This text is for readers who want to learn good programming and algorithm analysis skills simultaneously so that they can develop such programs with the maximum amo...

STM32F407中文手册

STM32f407中文手册 本参考手册面向应用开发人员,提供有关使用 STM32F405xx/07xx、STM32F415xx/17xx、 STM32F42xxx 和 STM32F43xxx 微控制器存储器与外设的完整信息。STM32F405xx/07xx、STM32F415xx/17xx、STM32F42xxx 和 STM32F43xxx 构成一个微 控制器系列,各产品具有不同的存储器大小、封装和外设。有关订购信息以及器件的机械与电气特性,请参见数据手册。有关 ARM Cortex™-M4F 内核的信息,请参见《Cortex™-M4F 技术参考手册》。

腾讯霸气回应年终奖传言:年终奖的4种故事,每年重复上演一遍

黑客技术点击右侧关注,了解黑客的世界!Java开发进阶点击右侧关注,掌握进阶之路!Python开发点击右侧关注,探讨技术话题!作者 l 粥左罗主创团来源 l 粥左罗(ID:fangdus...

<sdffdsfsdfdfs>sfsfsfsdfsdffds</sdfsDS>Fsd 656

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")

腾讯Android开发35岁,赚够2000w,宣布退休……

腾讯员工35岁,赚够2000w,宣布退休…… 5月初的时候,网上一则帖子火了。某鹅厂员工称:“35岁,已经准备好退休了。” 腾讯员工35岁,赚够2000w,宣布退休…… 他退休的原因,并非是被辞退和所谓的30+职场危机,只是懒得打工了…… 网友直呼,又一个凡尔赛式发言! 在腾讯995工作10多年,他攒下1000万房产+1000万腾讯股票+300万现金,身家合计2300万。 2300万什么概念? 就拿一位月薪10000的打工人来说,要不吃不喝工作191年才能赚到这个数字! 他表示,“拼了1

Androidbye的博客 781

月薪11万!字节大模型算法岗,是天堂还是火坑?你的选择决定了未来!

字节员工转岗大模型算法岗获11万月薪引热议,折射职场选择的理想与现实冲突。高薪岗位伴随高压和不确定性,而职业差距往往由行业红利而非个人努力决定。文章指出"黄金职业"只是时代风口,提醒读者权衡高薪与风险,并抛出灵魂拷问:你愿为翻倍薪资转投前景不明的新兴岗位吗?文末顺势推广AI应用开发课程,强调技术稀缺性的职业价值。

Trb701012的博客 429

在北京做Java开发如何月薪达到两万,需要技术水平达到什么程度?

觉得没有目标的时候看一看大家讨论到的技术点,就知道欠缺在哪了。共勉吧!转载自:https://www.zhihu.com/question/39890405在北京做Java开发如何月薪达到两万,需要技术水平达到什么程度?请具体一点说要会什么技术?以及这些技术要达到什么水平?关注者8,387被浏览576,044关注问题写回答​37 条评论​分享​邀请回答​104 个回答默认排序​谢照东佛说五蕴六毒是...

HD243608836的博客 5652

为什么BATM公司宁愿花25K招聘应届生,也不愿涨薪5K留住老员工?

身在职场,经常会暗自打听同事工资,尤其是得知身边新入职同事的工资居然比自己高,还高出一大截时,心里自然很不平衡,一心想要离职。

软件自动化测试技术交流、资源分享 323

内卷、PUA、大小周:90后决定逃离大厂

光环背后的真相 “字节跳动全员降薪了,奔走相告!!” 9月1号,字节跳动发薪日的第二天,一位员工在脉脉上写道。这是字节取消大小周后首次发薪,脉脉上的字节员工一片哀嚎,“薪资回到了两年前”“已经在找下家”“双休瞬间不香了”“公司取消大小周的目的是省钱”...员工的不满情绪在这个为职场人打造的 APP上裂变增长。 不止是字节跳动。拼多多员工“润肺”猝死事件揭开了 996 福报的遮羞布,6月初,腾讯光子工作室率先打响反“福报”第一枪,快手随即相应,BOSS 直聘、Vivo、小鹏汽车陆续退出大小周的“福..

m0_46163918的博客 4611

阿里没竞争力?百度24K,阿里30K,程序员毫不犹豫选百度?

近日,逛职场论坛脉脉的时候,看到一位淘宝员工发帖感慨阿里没有竞争力,哪怕给钱更多都没人来,面试者在百度24K阿里30K之间,毫不犹豫选了百度。 原贴如下: 发帖的楼主在评论区补充:另一个人,拼多多钱比阿里少,别人都毫不犹豫选了拼多多。看来阿里竞争力差,远不仅仅是钱少,现在全社会全行业都看透了阿里了。 不少网友发出同样的感慨声:这选择没毛病啊,百度比阿里性价比高,很正常;反正阿里约我面试我是直接拒绝的...... @前阿里巴巴集团员工:说实话,我觉得公司现在味道变了,有点像个老炮,..

Python6886的博客 1139

程序员自爆:大部分程序员月薪2w,​工作十年35岁毕业,能赚240w,连一般二线城市房都买不起...

人生如戏,自我导演;人生也如虹,荡气回肠人生是个过程,享受这个无与伦比的过程,创造我们梦寐以求的梦想便是我们存在的意义在大家眼中,互联网一直是高薪的存在,特别是在互联网大厂的程序员,一直都是高薪的代名词。以至于大家都往IT行业转。然而,一位在大厂工作的程序员网友的吐槽惊醒了无数人。他算了一笔账,打破了大家的幻觉:他发现身边大部分的程序员,也就月薪2万,老家亲戚朋友都觉得很高,可以成为小辈们学习的榜...

weixin_45727359的博客 235

腾讯Android开发35岁,赚够2000w,宣布退休……(1)

其一:**环境很重要,**就是十年前的Android开发和今年的开发是完全不同的,打个比方,十年前有人劝我学Android,我可能会一直感激他,然而十年前,如果有人劝我去考公务员,我只会给他说误人子弟。**任何市场都是优胜略汰适者生存,只要你技术过硬,到哪里都不存在饱和不饱和的问题,所以重要的还是提升自己。,其实这一点是最不重要的一点,我们大部分人努力的程度还没到需要拼天赋的地步,所以,你先在遭的所有的罪,都是因为你不够努力,或者是努力的方向错了,世上所有的困境都是为了偿还以前所做的选择。

2301_79963818的博客 870
上一篇: 中秋佳节,用 AI 为家人定制一首诗
下一篇: Python 为了提升性能,竟运用了共享经济
菜鸟学Python
博客等级 码龄9年 8088粉丝 571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