改变自己的128种方法,教你变得更优秀

ABAP - Function ALV 11 - 单元格下拉框 【代码】ABAP - Function ALV 11 - 单元格下拉框。 阅读详情
改变自己的128种方法,教你变得更优秀

1、说话不要有攻击性,不要有杀伤力,不夸已能,不扬人恶,自然能化敌为友。
2、一个常常看别人缺点的人,自己本身就不够好,因为他没有时间检讨他自己。

3、是非天天有,不听自然无,是非天天有,不听还是有,是非天天有,看你怎么办?
4、如果你真的爱他,那么你必须容忍他部份的缺点。
5、要克服对死亡的恐惧,你必须要接受世上所有的人都会死去的观念。


6、虽然你讨厌一个人,但却又能发觉他的优点好处,像这样子有修养的人,天下真是太少了。
7、诚实的面对你内心的矛盾和污点,不要欺骗你自己。
8、因果不曾亏欠过我们什么,所以请不要抱怨。


9、我们确实有如是的优点,但也要隐藏几分,这个叫做涵养。
10、人之所以痛苦,在于追求错误的东西。


11、当你快乐时,你要想,这快乐不是永恒的。当你痛苦时你要想这痛苦也不是永恒的。
12、认识自己,降伏自己,改变自己,才能改变别人。
13、不要浪费你的生命,在你一定会后悔的地方上。
14、你什么时候放下,什么时候就没有烦恼。


15、每一种创伤,都是一种成熟。


16、当你知道迷惑时,并不可怜,当你不知道迷惑时,才是最可怜的。
17、狂妄的人有救,自卑的人没有救。
18、你不要一直不满人家,你应该一直检讨自己才对。不满人家,是苦了你自己。
19、你要包容那些意见跟你不同的人,这样子日子比较好过。你要是一直想改变他,那样子你会很痛苦。要学学怎样忍受他才是。你要学学怎样包容他才是。
20、承认自己的伟大,就是认同自己的愚钝。

 

21、一个人如果不能从内心去原谅别人,那他就永远不会心安理得。
22、心中装满着自己的看法与想法的人,永远听不见别人的心声。
23、毁灭人只要一句话,培植一个人却要千句话,请你多口下留情。
24、当你劝告别人时,若不顾及别人的自尊心,那么再好的言语都没有用的。
25、不要在你的智慧中夹杂着傲慢。不要使你的谦虚心缺乏智慧。


26、根本不必回头去看咒骂你的人是谁?如果有一条疯狗咬你一口,难道你也要趴下去反咬他一口吗?


27、忌妒别人,不会给自己增加任何的好处。忌妒别人,也不可能减少别人的成就。
28、永远不要浪费你的一分一秒,去想任何你不喜欢的人。
29、多少人要离开这个世间时,都会说出同一句话,这世界真是无奈与凄凉啊!
30、恋爱不是慈善事业,不能随便施舍的。感情是没有公式,没有原则,没有道理可循的。可是人们至死都还在执著与追求。


31、请你用慈悲心和温和的态度,把你的不满与委屈说出来,别人就容易接受。
32、创造机会的人是勇者。等待机会的人是愚者。


33、能说不能做,不是真智慧。
34、多用心去倾听别人怎么说,不要急着表达你自己的看法。
35、同样的瓶子,你为什么要装毒药呢?同样的心理,你为什么要充满着烦恼呢?


36、得不到的东西,我们会一直以为他是美好的,那是因为你对他了解太少,没有时间与他相处在一起。当有一天,你深入了解后,你会发现原不是你想像中的那么美好。
37、这个世间只有圆滑,没有圆满的。
38、活着一天,就是有福气,就该珍惜。当我哭泣我没有鞋子穿的时候,我发现有人却没有脚。

 

39、多一分心力去注意别人,就少一分心力反省自己,你懂吗?
40、欲知世上刀兵劫,但听屠门夜半声。不要光埋怨自己多病,灾祸横生,多看看横死在你刀下的众生又有多少?

41、憎恨别人对自己是一种很大的损失。
42、每一个人都拥有生命,但并非每个人都懂得生命,乃至于珍惜生命。不了解生命的人,生命对他来说,是一种惩罚。
43、自以为拥有财富的人,其实是被财富所拥有。
44、情执是苦恼的原因,放下情执,你才能得到自在。


45、随缘不是得过且过,因循苟且,而是尽人事、听天命。


46、不要太肯定自己的看法,这样子比较少后悔。
47、当你对自己诚实的时候,世界上没有人能够欺骗得了你。
48、用伤害别人的手段来掩饰自己缺点的人,是可耻的。
49、内心充满忌妒,心中不坦白,言语不正的人,不能算是一位五官端正的人。


50、多讲点笑话,以幽默的态度处事,这样子日子会好过一点。


51、活在别人的掌声中,是禁不起考验的人。
52、不要刻意去猜测他人的想法,如果你没有智慧与经验的正确判断,通常都会有错误的。
53、要了解一个人,只需要看他的出发点与目的地是否相同,就可以知道他是否真心的。
54、人生的真理,只是藏在平淡无味之中。
55、不洗澡的人,硬擦香水是不会香的。名声与尊贵,是来自于真才实学的。有德自然香。


56、与其你去排斥已成的事实,你不如去接受它。


57、逆境是成长必经的过程,能勇于接受逆境的人,生命就会日渐的茁壮。
58、你要感谢告诉你缺点的人。
59、能为别人设想的人,永远不寂寞。
60、如果你能像看别人缺点一样,如此准确般的发现自己的缺点,那么你的生命将会不平凡。

 

61、原谅别人,就是给自己心中留下空间,以便回旋。
62、时间总会过去的,让时间流走你的烦恼吧!


63、你硬要把单纯的事情看得很严重,那样子你会很痛苦。
64、永远扭曲别人善意的人,无药可救。
65、人不是坏的,只是习气罢了,每个人都有习气,只是深浅不同罢了。只要他有向善的心,能原谅的就原谅他,不要把他看做是坏人。


66、说一句谎话,要编造十句谎话来弥补,何苦呢?
67、其实爱美的人,只是与自己谈恋爱罢了。
68、世界上没有一个永远不被毁谤的人,也没有一个永远被赞叹的人。当你话多的时候,别人要批评你,当你话少的时候,别人要批评你,当你沈默的时候,别人还是要批评你。在这个世界上,没有一个人不被批评的。


69、夸奖我们,赞叹我们的,这都不是名师。会讲我们,指示我们的,这才是良师,有了他们我们才会进步。
70、你目前所拥有的都将随着你的死亡而成为他人的,那为何不现在就乐施给真正需要的人呢?


71、白白的过一天,无所事事,就像犯了窃盗罪一样。
72、沉默是毁谤最好的答覆。
73、对人恭敬,就是在庄严你自己。
74、拥有一颗无私的爱心,便拥有了一切。


75、仇恨永远不能化解仇恨,只有宽容才能化解仇恨,这是永恒的至理。


76、你接受比抱怨还要好,对于不可改变的事实,你除了接受以外,没有更好的办法了。
77、不要因为众生的愚疑,而带来了自己的烦恼。不要因为众生的无知,而痛苦了你自己。
78、别人讲我们不好,不用生气、难过。说我们好也不用高兴,这不好中有好,好中有坏,就看你会不会用?
79、当你的错误显露时,可不要发脾气,别以为任性或吵闹,可以隐藏或克服你的缺点。
80、不要常常觉得自己很不幸,世界上比我们痛苦的人还要多。

 

81、愚痴的人,一直想要别人了解他。有智慧的人,却努力的了解自己。
82、来是偶然的,走是必然的。所以你必须,随缘不变,不变随缘。
83、只要面对现实,你才能超越现实。
84、良心是每一个人最公正的审判官,你骗得了别人,却永远骗不了你自己的良心。
85、不懂得自爱的人,是没有能力去爱别人的。


86、做事就是在学做人而已。


87、有时候我们要冷静问问自已,我们在追求什么?我们活着为了什么?
88、不要因为小小的争执,远离了你至亲的好友,也不要因为小小的怨恨,忘记了别人的大恩。
89、勇于接受别人的批评,正好可以调整自己的缺点。
90、感谢上天我所拥有的,感谢上天我所没有的。

91、这个世界本来就是痛苦的,没有例外的。
92、与其说是别人让你痛苦,不如说自己的修养不够。


93、如果你不给自己烦恼,别人也永远不可能给你烦恼。因为你自己的内心,你放不下。
94、好好的管教你自己,不要管别人。
95、不宽恕众生,不原谅众生,是苦了你自己。


96、别说别人可怜,自己更可怜,自己修行又如何?自己又懂得人生多少?
97、福报不够的人,就会常常听到是非;福报够的人,从来就没听到过是非。
98、你永远要感谢给你逆境的众生。


99、你永远要宽恕众生,不论他有多坏,甚至他伤害过你,你一定要放下,才能得到真正的快乐。
100、大多数的人一辈子只做了三件事;自欺、欺人、被人欺。

 

101、太过于欣赏自己的人,不会去欣赏别人的优点。
102、心是最大的骗子,别人能骗你一时,而它却会骗你一辈子。
103、当你手中抓住一件东西不放时,你只能拥有这件东西,如果你肯放手,你就有机会选择别的。人的心若死执自己的观念,不肯放下,那么他的智慧也只能达到某种程度而已。
104、人家怕你,并不是一种福,人家欺你,并不是一种辱。


105、不是某人使我烦恼,而是我拿某人的言行来烦恼自己。


106、不要刻意去曲解别人的善意,你应当往好的地方想。
107、世上的事,不如己意者,那是当然的。
108、我的财富并不是因为我拥有很多,而是我要求的很少。
109、吃了就一定要拉,人一定要学会随缘放下,否则就会便秘。
110、常以为别人在注意你,或希望别人注意你的人,会生活的比较烦恼。

 


111、我能为你煮东西,但我不能为你吃东西。各人吃饭是各人饱,各人生死是个人事。
112、看轻别人很容易,要摆平自己却很困难。
113、你只管活你自己的,不必去介意别人的扭曲与是非。
114、如果你准备结婚的话,告诉你一句非常重要的哲学名言,你一定要忍耐包容对方的缺点,世界上没有绝对幸福圆满的婚姻,幸福只是来自于无限的容忍与互相尊重。
115、如果你能够平平安安的渡过一天,那就是一种福气了。多少人在今天已经见不到明天的太阳,多少人在今天已经成了残废,多少人在今天已经失去了自由,多少人在今天已经家破人亡。


116、是非和得失,要到最后的结果,才能评定。

 

117、宁可自己去原谅别人,莫让别人来原谅你。
118、当你用烦恼心来面对事物时,你会觉得一切都是业障,世界也会变得丑陋可恨。
119、欲为诸佛龙象,先做众生马牛。
120、虽然我们不能改变周遭的世界,我们就只好改变自己。

121、当你明天开始生活的时候,有人跟你争执,你就让他赢,这个赢跟输,都只是文字的观念罢了。当你让对方赢,你并没有损失什么。所谓的赢,他有赢到什么?得到什么?所谓的输,你又输到什么?失去什么?
122、我们大部份的生命都浪费在文字语言的捉摸上。


123、你不要常常觉得自己很委曲,你应该要想,他对我这样已经很好了,这就是修行的功夫。
124、别人可以违背因果,别人可以害我们,打我们,毁谤我们。可是我们不能因此而憎恨别人,为什么?我们一定要保有一颗完整的本性和一颗清净的心。
125、与任何人接触时,要常常问自己,我有什么对他有用?使他得益。如果我不能以个人的道德、学问和修持的力量,来使人受益,就等于欠了一份债。


126、如果一个人没有苦难的感受,就不容易对他人给予同情。你要学救苦救难的精神,就得先受苦受难。
127、一般人在遇到对方的权势大,财富大,气力大,在无可奈何的情形之下而忍,这算什么忍耐呢?真正的忍是,就算他欺负了你,对不住你,但他什么都不及你,你有足够的力量对付他,而你却能容忍他,认为他的本性和我一样,只是一时糊涂,或在恶劣的环境中受到熏染罢了,你不必与他计较,能在这样的情况及心境之下容忍那才是真正的忍耐。
128、如果我们放眼从累生历劫去看,那么一切的众生,谁不曾做过我的父母、兄弟姊妹、亲戚眷属?谁不曾做过我的仇敌冤家?如果说有恩,个个与我有恩;如果说有冤,个个与我有冤。这样子我们还有什么恩怨亲疏之别呢?再就智慧愚笨来说,人人有聪明的时候,也有愚痴的时候,聪明的人可能变愚痴,愚痴的人也可能变聪明。最坏的人,也曾做过许多好事,而且不会永远坏;好人也曾做过许多坏事,将来也不一定会好。如此我们反覆思索,所谓的冤亲、贤愚,这许多差别的概念,自然就会渐渐淡了。

STM8开发环境搭建(STVD + COSMIC) 一、STM8开发IDE 1. STVD + COSMIC ST Visual Develop (STVD)只支持汇编开发,C语言开发需要再安装COSMIC,配套起来使用。 2. IAR IAR也可以用来开发STM8 下面介绍STVD + COSMIC的搭建方式 二、环境搭建 1. STVD下载、安装 直接从官网下载:https://www.st.com/en/development-tools/stvd-stm8.html 安装很简单,基本下一步往下点。 2. COSMIC下载、安装 对于stm8可以使用3 阅读详情

相关推荐

KBS投稿全流程拆解:从模板准备到条件接收的实战指南

本文详细拆解了KBS期刊投稿的全流程,从模板准备、投稿系统操作到返修策略和条件接收。重点介绍了Cover Letter撰写技巧、Latex模板选择、审稿周期管理以及返修文件的系统准备方法,帮助研究者高效完成KBS投稿并提升接收概率。

weixin_26938645的博客 703

xiao77论坛php,论坛

论坛1. 如何加其他人为好友?ID头像下方有“加好友”、“发消息”、“打招呼”和“串个门”的互动功能。在发帖的头像区和该人的个人资料区都可以进行互动,且有不同的奖励。 2.看到喜欢的帖子如何保存?可点击帖子下方的“收藏”按钮,然后回到个人空间的收藏应用中查看即可。 3.如何查看所有我参与过的帖子?登录成功后,在页面右上角点击“帖子”即可查看。 4.如何知道我参与的帖子有了新的回复?当有人回复了你的...

weixin_39614109的博客 65万+

上汽CPMP开发流程与A、B、C、D样

也叫验收样件或设计样件,是根据A样试制结果优化后的样件,外观、功能达到设计要求,B样可以是手工样件或者模具件,B样件的全维度产品功能和尺寸参数已经固化下来,并需要和最终的量产产品保持一致。为批量样件或生产样件、展示样件,是在A/B的基础上完善结果,此时的产品状态已经完全定型,并能够满足客户和市场提出的各类需求。预试生产(Pre-Production)----------------------------------------------------------------------→D样。

weixin_43602865的博客 3712

【leetcode】【77】Combinations

一、问题描述 Given two integers n and k, return all possible combinations of k numbers out of 1 ... n. For example, If n = 4 and k = 2, a solution is: [ [2,4], [3,4], [2,3], [1,2], [1,3]

斗code、年华 4万+

ROS2进程内通信:零拷贝Intra-Process原理与实战

Intra-Process通信是ROS2实现低延迟节点间数据交换的核心机制,其本质是通过C++17智能指针与零拷贝共享内存,在同一进程内绕过序列化、系统调用和上下文切换。相比传统DDS跨进程通信,它将`geometry_msgs::Twist`类消息延迟从42μs降至0.8μs,显著提升机器人实时控制性能。该技术并非自动启用,需满足同执行器、QoS严格匹配、内存所有权明确三大约束,适用于机械臂控制、视觉SLAM、图像处理流水线等对端到端延迟敏感的场景。本文聚焦ROS2原生Intra-Process通讯的原理

weixin_30619101的博客 362

保姆级教程:用NovAtel Inertial Explorer 8.7搞定GNSS/INS紧组合后处理(附避坑指南)

本文提供NovAtel Inertial Explorer 8.7的GNSS/INS紧组合后处理全流程教程,涵盖环境准备、数据转换、基站坐标解算及紧组合处理等关键步骤。特别针对零基础用户,分享实用技巧和常见陷阱,帮助高效完成高精度组合导航数据处理,适用于测绘、自动驾驶等领域。

weixin_42614269的博客 282

【Android UI】色板

<br />Hex CodeColor#FFFFFF #FFFFCC #FFFF99 #FFFF66 #FFFF33 #FFFF00 #FFCCFF #FFCCCC #FFCC99 #FFCC66 #FFCC33 #FFCC00 #FF99FF #FF99CC #FF9999 #FF9966 #FF9933 #FF9900 #FF66FF #FF66CC #FF6699 #FF6666 #FF6633 #FF6600 #FF33FF #FF33CC #FF3399 #FF3366 #FF3333 #FF33

幻影浪子 10万+

【ESP32】SPI SRAM memory test fail。External RAM failed memory test!

log日志报错如下:这两条报错信息表明外部 SPI SRAM(静态随机存取存储器)的内存测试失败。

weixin_56217406的博客 1024

失而复得的爱情

 那年夏天,长江边,夕阳还有一点点余辉,欢快的蛐蛐叫个不停。他和她坐在江边的石阶上,凝视波浪起伏的江面,任晚风吹乱本已理不清的思绪。  父母的叮咛始终绕在他的耳畔:“到大学要好好学习,你是我们的骄傲。”他不想因为谈恋爱而影响学习,让父母失望。虽然,她曾为他付出了很多,同时,他也恨自己,为什么当初要接受她?而她也知道他要对她说什么。  江水是浑浊的,心是沉重的。  风起了,江里的浪一浪高过一浪,气温

xiao7733bbb的专栏 3万+

Simulink仿真状态空间中状态变量时域响应

起因 今天老师留了一道关于状态空间变量响应的题,于是想用simulink仿真,一开始使用state-space模块,但是发现它只能输出y,没办法显示状态变量的变化情况。然而状态变量之间的关系都可以表示为一阶微分方程组,因此我们考虑在Simulink中搭建微分方程组来求解这个问题。 微分方程组 x1˙=x2x2˙=−4x1−5x2+1(1)\dot{x_1}=x_2\\ \dot{x_2}=-4x_...

ZYunfei的博客 7448

【ArcGIS Engine二次开发】入门基础(2):ArcGIS开发方式(VBA、DLL、Add-in、Engine)对比

文章目录2.1 使用VBA进行桌面软件开发2.1.1 VBA开发方式2.1.1 VBA代码的安全性2.2 使用DLL进行桌面软件开发2.2.1 DLL开发方式2.2.2 DLL功能的应用部署2.3 使用Add-in进行桌面软件开发2.4 使用ArcGIS Engine构建独立应用程序 对于桌面GIS应用来说,ArcGIS平台不仅提供了用于开发独立运行的GIS应用软件的二次开发工包ArcGIS Engine,还提供了对ArcGIS Deskop桌面软件进行扩展的开发的话,在开发个具体的GIS 行业应用软件时

智慧空间实验室 6509

在这个被欲望和利益所支配的世界里

剩下的那点酒精再次滑过嘴角,才感觉到一丝凉意。谁说酒精可以麻醉人的思维,可以暂时忘掉想忘的一切,骗人的,都是骗人的。我依然很清醒。 不可否认,这的确是一个被欲望和利益所支配的世界,无数人这样告诉我。现在终于看明白了。没有谁是能让我相信的了。人们的脑子里想的只有自己的欲望。无休止的欲望,肮脏的欲望。朋友一直告诉我,反反复复的告诉我,不要相信别人,至少不要这么轻易的相信一个人,没有人知道谁的好或者坏。

xiao7733bb的专栏 3万+

Python调用CANoe

我们可以创建CANoe应用程序对象,打开配置文件,启动模拟,发送和接收消息,并在完成后关闭CANoe应用程序。这使得我们能够使用Python自动化执行测试任务,并集成CANoe的功能到我们的Python应用程序中。CANoe是一款功能强大的汽车网络仿真和测试工具,它能够模拟和分析汽车网络通信,并提供丰富的测试功能。通过Python编程语言,我们可以方便地调用CANoe的API,实现自动化测试和集成CANoe的功能到我们的Python应用程序中。在CANoe中,我们可以为不同的汽车网络创建配置文件。

AzqLinux的博客 1287

改变自己的128种方法,有时间读一遍,教你变得更优秀

1、说话不要有攻击性,不要有杀伤力,不夸已能,不扬人恶,自然能化敌为友。 2、一个常常看别人缺点的人,自己本身就不够好,因为他没有时间检讨他自己。 3、是非天天有,不听自然无,是非天天有,不听还是有,是非天天有,看你怎么办? 4、如果你真的爱他,那么你必须容忍他部份的缺点。 5、要克服对死亡的恐惧,你必须要接受世上所有的人都会死去的观念。 6、虽然你讨厌一个人,但却又能发觉他的优点...

shenwenxiu1009的专栏 113

温度PID控制PLC程序

温度PID稳定控制程序,适用于欧姆龙PLC,对其他PLC也具有很大参考价值

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章,有部分习题没有答案,全英文复分析阿尔福斯(Ahlfors) 第三版答案

改变自己的128种方法,有时间读一遍,教你变得更优秀!

<br />1、说话不要有攻击性,不要有杀伤力,不夸已能,不扬人恶,自然能化敌为友。 <br /> 2、一个常常看别人缺点的人,自己本身就不够好,因为他没有时间检讨他自己。 <br /><br /><br /> 3、是非天天有,不听自然无,是非天天有,不听还是有,是非天天有,看你怎么办? <br /> 4、如果你真的爱他,那么你必须容忍他部份的缺点。 <br /> 5、要克服对死亡的恐惧,你必须要接受世上所有的人都会死去的观念。 <br /><br /><br /> 6、虽然你讨厌一个人,但却又能

stilling2006的专栏 677

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

世界公认最好的记忆方法_全世界公认最有效的学习方法

宋倬纬:全世界公认最高效的学习方法原创: 宋倬纬2013年,和原来团队一起工作,做在线教育培训。3年时间,从第1期的128人,到后来一期3000人+,学费还涨了近三倍!效果如何?学员年收入50万-1500万不等,收入都是成倍数地增加,伴读就是从那时开始的。所以,我们自己做辅导的时候,一开始就引入了陪伴模式,到这学期,陪伴模式已经优化了4、5次。那段经历,让我清楚地知道,如果一个辅导,无法改变行为,...

weixin_29577659的博客 285

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")

Ollama部署ChatGLM3-6B-128K效果展示:128K会议纪要自动提炼核心结论案例

本文介绍了如何在星图GPU平台上一键自动化部署【ollama】ChatGLM3-6B-128K镜像,并展示了其处理超长文本的核心能力。该模型专为128K超长上下文设计,能够高效自动化地分析长达数万字的会议纪要,精准提炼核心决策与行动项,极大提升长文档信息处理效率。

weixin_35677363的博客 218

Phi-3-mini-128k-instruct开源大模型:128K长上下文在合同比对中的实际应用

本文介绍了如何在星图GPU平台上自动化部署Phi-3-mini-128k-instruct开源大模型。该模型凭借128K长上下文处理能力,能高效完成复杂的长文本分析任务,例如自动比对多版本合同条款差异,显著提升法务与商务文档处理效率。

weixin_29301059的博客 247

AI写作神器ChatGLM3-6B-128K:万字长文生成效果展示

本文介绍了如何在星图GPU平台上自动化部署【ollama】ChatGLM3-6B-128K镜像,高效实现万字级长文本生成。该镜像原生支持128K上下文,适用于技术白皮书撰写、学术综述输出、创意小说创作及商业方案生成等典型场景,显著提升专业内容生产效率。

weixin_36064575的博客 635

ChatGLM3-6B-128K效果展示:128K上下文下多轮技术讨论的精准记忆与响应

本文介绍了如何在星图GPU平台自动化部署【ollama】ChatGLM3-6B-128K镜像,实现128K超长上下文处理能力。该模型特别适用于多轮技术讨论和长文档分析场景,能够精准记忆和引用前期对话内容,为开发团队提供连贯、准确的技术对话支持。

weixin_33308579的博客 259

ChatGLM3-6B-128K入门必看:基于Ollama的快速部署与调用详解

本文介绍了如何在星图GPU平台上自动化部署【ollama】ChatGLM3-6B-128K镜像,快速获得一个能处理超长文本的AI助手。该平台简化了部署流程,用户可轻松调用此模型进行长文档总结与分析,例如快速归纳万字技术报告的核心观点,极大提升了处理复杂信息的效率。

weixin_35677363的博客 395

Kimi K2大模型本地运行教程:128GB内存就能跑

大语言模型本地化部署迎来重要突破——Kimi K2大模型通过Unsloth Dynamic 2.0技术优化,已支持在消费级硬件环境下运行,最低仅需128GB统一内存即可启动基础量化版本。这一进展使企业和开发者能够以更低成本部署百亿参数级AI能力,推动大模型应用从云端向本地终端延伸。 ### 行业现状:本地化部署成大模型落地关键路径 随着大模型技术持续迭代,行业正面临从"能用"到"好用"的转型挑

gitblog_00888的博客 672

ChatGLM3-6B-128K长文本处理实测:128K上下文轻松驾驭

本文介绍了如何在星图GPU平台自动化部署【ollama】ChatGLM3-6B-128K镜像,实现高效的长文本处理。该模型支持高达128K上下文的文档分析与理解,可应用于技术文档总结、学术论文分析等场景,显著提升长文本信息提取与处理的效率。

weixin_34779181的博客 379

128K上下文神器:ChatGLM3-6B-128K技术解析与体验

本文介绍了如何在星图GPU平台自动化部署【ollama】ChatGLM3-6B-128K镜像,实现处理长达128K上下文的长文本任务。该模型专为长文档分析与多轮对话优化,可应用于法律文档解析、学术论文总结和大型代码审查等场景,显著提升长文本处理效率。

weixin_33759613的博客 102

Ollama+ChatGLM3-6B-128K:最强开源对话模型组合

本文介绍了如何在星图GPU平台上自动化部署【ollama】ChatGLM3-6B-128K镜像,快速搭建开源大语言模型环境。该平台简化了部署流程,用户可轻松体验模型强大的长文本处理能力,典型应用场景包括对数十页的行业报告或学术论文进行智能摘要与核心观点提炼。

weixin_32747681的博客 324

ChatGLM3-6B-128K惊艳效果:128K上下文下跨页PDF内容精准定位与问答

本文介绍了如何在星图GPU平台自动化部署【ollama】ChatGLM3-6B-128K镜像,实现超长文本处理与智能问答。该镜像支持128K上下文长度,可精准定位跨页PDF内容,适用于技术文档查询、学术研究和法律条文分析等场景,显著提升长文档处理效率。

weixin_35949153的博客 308
上一篇: 甲骨文CEO埃里森的教战守则
下一篇: ACM入门(2)——数据结构——堆排序
clbxp
博客等级 码龄21年 35粉丝 56原创
评论 1
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