读英雄

读英雄

 

 

前几天出门时,恰逢邻居家的孩子去还书,一看封面是金庸的武侠小说。不禁哑然失笑,浅拍了一下孩子的肩膀,微笑着告诉他;原来你和我当初年少时候的爱好相仿。

 

小学高年级时候,就开始看武侠小说,记得看的首本小说是,梁羽生先生的作品 //萍踪侠影// ,里面的情节也不再记得,但其中的一个场景描述,却曾经令尚幼的自己感动过,至今依然还楚楚记得。

 

而在后来的阅读中,则比较偏好于温瑞安先生的书,他的作品多了一些沧桑感悟和人生哲理,犀利敏锐的冷幽默里,寓意厚重,耐人寻味,所以印象也颇甚。记忆中,他的 // 名捕会京师// 写得非常棒,都能传承成为现代版的人生处世蓝本。

 

窃以为他的小说, 对于武侠英雄人物的刻画非常豪迈豁达,生动入微。在凸显着温氏风格所特有的淅飒简约,纵横不羁的文字里,透漫着睿智与感悟。把武侠人物刚柔并济,伟岸淡泊,所向披靡的处世英豪,塑造的淋漓入木,展露无遗。而对于穿梭在文字其中的,禅学处世哲理,给人教诲与启迪,令人感动感慨。

 

有时候,在找不到理由坚强自己和心疼自己的时候,也会像个孩子一样,去悄悄地找出来读读,给自己找一些力量和勇气。所以,到现在也还是和年少时候的想法一样,一直觉得在这个世界上还是有英雄的。

 

每个人都是英雄,都是自己的英雄。

 

 

 

温氏冷语录   ---- 之人生觉悟篇

 

 

一个可以没有背景,可以没有运气,但不可以没有憧憬,没有志气!

可以出身不好,可以穷困潦倒,但就是不可以先行看轻自己!


一个人只有一生,因为每个人都只有一生,所以每个人都应该好好地过他的一生。

遇挫不折。 遇悲不伤。 人在陋巷,不改其志之后,对人生便有大感悟。

  
人生里,一个人的一生里,一个不平凡的人的一生里,必然发生无数无算的事。
一个人和光同尘,处得太久了,就会变得一身都是尘,没有了光。

 

每个人的一生了,总有些可悔该悔的;有些小悔,总是表示自己继续成长。

成长是好的,但成熟就快要烂掉了。

 

人在得志的时候,必须要沉得住气,傲气。
人在失意的时候,必须要忍得住气,火气。

 

常叹息的人,没有好运道可走。
相学上有道: 相由心生,就是这个道理。  

 

人在世间,首先得要当成一个人。
当一个人的可贵,也在于他是不是几经波澜历经折磨还能是一个人。

人在危难中,有一件事是切切要避免的,那就是不可以怀忧丧志。
人在成就时,不妨杞人忧天;但在生死关头里,却不可灰心丧志。
其实,有些人对人常存善意,不是求好报,而是使自己活得开心。
  

一个人要经过许多锻炼、许多风霜、许多挫折与失望,还能保持明朗心境和明丽容色,那是极为不易的事。

 

有大智大慧,能解决大问题的人,不一定能对小事小节也能应付自如。

同样,能把日常小事琐务都处理得头头是道者,不见得就能克服重大的事情。

一个放不下的智者,绝不是个真正的智者。

没有决斗就没有生命。
人生是一场又一场大大小小不住不断的决战,不决战,生命就没有进步,生存只是一种停滞。


路,是人走出来的。
人呢,人是不是路走完了,就过了一生,是谓人生的路?

所以,人必须走路,不管前进还是后退,至少不能停下来。

 

人,总是:
身后有余忘缩手;
眼前无路想回头。


世界上最美丽和至美的事物,必须是要以生命才能获取的!

所以,每个活着的人,就都不是十全十美的。

来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/14104964/viewspace-555769/,如需转载,请注明出处,否则将追究法律责任。

转载于:http://blog.itpub.net/14104964/viewspace-555769/

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
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