25国庆总结

总结

这个国庆我们打了不少的 CF、AT、还有联考,也听了两个同学的复习讲课。总的来说感觉还行,复习有一定的效果,然后感觉就是 CF、AT 还是打少了,有的简单题思维难度高一些就会被卡好一会。但是在这段时间我也在思考并改变自己面对一道题的思维方式,并且我相信只要再这样打个一小段时间我就能顿悟。因为现在我对于一些东西已经有一些想法,这种感受我不能真切地表达出来,但是感觉自己思考的时候是有什么地方不一样了。现在我思考问题会在自己卡住的时候尝试在草稿本上写下一些我觉得有必要的问题,看看先去解决这些问题会不会对做题有帮助。并且也能更好的去构造一些小样例检验算法以及帮助我思考了。

但是随着模拟赛的增加,有的时候我的状态会掉下去,有的时候又会想颓。我觉得这个时候自己还是应该先出去冷静几分钟,好好想一下自己想干什么?思考自己行为的意义以及目标。以及,依然可以用食疗的方法缓解压力,或者多跳高顺便练一下自己的腿部力量。晚上休息的时候也不要老是跟着其他人去玩牌,不如自己听歌去下面走走。

然后说一下国庆做题改题的情况。讲课的题单因为大部分是前面的题,所以我下来就只是再复习一下比较好的题的做法,看看代码。对于没写的题就去写。然后因为 yt 的题单还放了 max 推荐的 at 里面的一些困难的计数题,所以我没有做完并且准备把这些放到 CSP 后来补。其他题倒是全写完了。然后 VP 的比赛除了偶尔有太难的题其他都改了并且写了题解。

计划

因为这段时间要互相讲课,所以我还要把博弈论的内容弄完,并且想一想怎么才能讲得更有价值,并且要把控好时间。然后就是要提高自身效率,坚定理想信念。不要因为看到别人怎么样就妄自菲薄,相信自己是有实力的。平时要做好细节,多思考多反思。

机房问题

最近一段时间,随着训练的强度增加,机房内部出现了不少问题。首先就是关于初中生在机房打游戏,他们不定期会打游戏,偶尔可能发出一点声音,也没有其他人提醒,我也是在下课后才看到他们在玩。讲课的那两天,其他地方来的那几个小朋友,除了 rgw,都是听了一会课就听不懂然后就开始一起颓,并且发出很大的声音。我提醒过他们,没用。让讲课的人去反馈,他们也不去管小朋友也没给老师说。然后还有一个很让我难受的事情,就是在讲课、讲题的时候,因为机房同学们的水平有差异所以就会出现人在上面讲题,有的人自己做事,有的人在听。然后就是讲题讲课的效率问题。机房有两个人,听课效率极低!一个一分钟前才讲过的东西,他能马上忘掉并且开始问这是什么,为什么要这样。并且问的东西显然都是你认真听就知道的定义以及一些简单的东西。然后他们一问就会导致讲题的人不知所措,不理解为什么会问这个。当有人回为他们解惑后,那两个人又会搞出很大的动静,比如放声大笑、大喊大叫。对于题目中很难的地方,我觉得多讲几遍完全没问题,但是如果一直在一个不起眼的地方浪费时间那我觉得这样的学习方式大有问题!就算你看着模拟赛打得也不错但我觉得这样完全不利于整个团队。然后就是在自习的时候,他们两个也会探讨问题。但是他们偶尔在外面讨论,更多的时候是在机房里面肆意“说笑”,有的时候很大声地分析问题,有的时候又会突然开始说闲话,说到高兴的时候还要大笑。然后解决问题或者恍然大悟的时候也会惊呼。

他们的行为非常令人迷惑我也不想管,但是我觉得如果继续放任他们猖狂下去那么机房的整体效率会严重受影响。所以如果再次遇到上述情况我也会做出一些应对措施。

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。
内容概要:本文系统阐述了企业新闻发稿在生成式引擎优化(GEO)时代下的全渠道策略与效果评估体系,涵盖当前企业传播面临的预算、资源、内容与效果评估四大挑战,并深入分析2025年新闻发稿行业五大趋势,包括AI驱动的智能化转型、精准化传播、首发内容价值提升、内容资产化及数据可视化。文章重点解析央媒、地方官媒、综合门户和自媒体四类媒体资源的特性、传播优势与发稿策略,提出基于内容适配性、时间节奏、话题设计的策略制定方法,并构建涵盖品牌价值、销售转化与GEO优化的多维评估框架。此外,结合“传声港”工具实操指南,提供AI智能投放、效果监测、自媒体管理与舆情应对的全流程解决方案,并针对科技、消费、B2B、区域品牌四大行业推出定制化发稿方案。; 适合人群:企业市场/公关负责人、品牌传播管理者、数字营销从业者及中小企业决策者,具备一定媒体传播经验并希望提升发稿效率与ROI的专业人士。; 使用场景及目标:①制定科学的新闻发稿策略,实现从“流量思维”向“价值思维”转型;②构建央媒定调、门户扩散、自媒体互动的立体化传播矩阵;③利用AI工具实现精准投放与GEO优化,提升品牌在AI搜索中的权威性与可见性;④通过数据驱动评估体系量化品牌影响力与销售转化效果。; 阅读建议:建议结合文中提供的实操清单、案例分析与工具指南进行系统学习,重点关注媒体适配性策略与GEO评估指标,在实际发稿中分阶段试点“AI+全渠道”组合策略,并定期复盘优化,以实现品牌传播的长期复利效应。
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