程序员应该如何自我驱动,迅速获得成长?

价值观导向下的程序人生,让职业生涯学习成长更高效 刷到“35岁程序员危机”,连夜下载《架构师进阶指南》;听说同事在学AI,自己也跟风报了机器学习课程——结果学了三个月,Python还没入门,又被新的“风口”带偏。这不是你的错。今天的程序员身处一个“技术爆炸”的时代:据Stack Overflow统计,全球活跃的编程语言超过200种,框架和库以每周数千个的速度更新。当学习资源无限多而时间有限时,“选择什么”比“学多少”更重要。而“选择”的底层依据,正是我们的价值观。理解“价值观”不是空洞的鸡汤,而是程序员成长的“底层算法”; 阅读详情

上周我发了一篇《工作没有挑战性,怎么办?》, echo_陈同学的留言讲述了自己的故事,我觉得他的经历比我那“说教”有意义得多,邀请他拓展了一下,写了一篇文章出来。

大家可以看一下,他是怎么发现痛点问题,解决痛点问题的。  在一年多的时间内,他做了多少事情!取得了多么大的成长!人和人的差距就是这么产生的。

长文预警,碎片化时代,专注和深度思考是稀缺品质,建议耐心阅读,不要错过!

初入公司,从CRUD到运维支持

一年之前,我还是一个只会CRUD的普通程序员,常年与业务打交道,一套花式SSM框架三板斧从头玩到底。

我入职了一个初创型的互联网项目团队,在迅速融入工作环境以后,我就开始上手写起了CRUD代码。虽然不知道底层原理, 但是SSM模版代码已经烂熟于心,再加上有一些在以前工作时学习到的基础和避坑的经验,比如空值验证,防止重复提交等, 让我能够比较快地完成业务代码。

领导看到了这一点,把我安排到了运维支持部,开始让我干一些运维的活(公司在初创期用人是有这个特点)。 那个时候,开始逐个上线一个一个的服务。这是我从零开始了解公司技术现状的开端,也是一个加班到死的开端。其实加班的原因我是非常理解的,这个和公司的技术现状是离不开的,且听我慢慢道来。

艰难的系统部署:了解技术全貌

在一个晚上,领导拿了一份文档,列了一系列要上线的服务和服务要部署在的服务器,然后我们就逐渐开干了。

新服务器都是极为纯净的,连一些基础命令都没有,只好慢慢学,慢慢装。yum install xxxx,run xxx , ps aux|grep,telnet ....,一天过去了,什么jdk,tomcat,全都装好了。


(ps. 做运维这段时间最大的收获就是linux命令玩得很熟练。)

把服务部署后,启动时就遇上了难题:以前的服务是打war包放到tomcat的,但是现在的服务,需要java -jar 来启动。 尝试了可以后台启动的nohup java -jar , 直接翻车。 无奈去询问之前的开发,人家说得用screen 命令后台启动程序。我是一个刨根问底的人,后来发现,开发在为了保持进程不退出,错误的使用了监听控制台事件的方式,导致了nohup启动异常。

那个时候,正在搞核心业务开发的人因为一直忙于开发和调试,和我们的沟通少之又少;而负责部署的我们,又不了解业务,有些问题当时的开发也懒得详细解释,于是我们只能靠猜,来部署程序。

混乱的程度可见一斑, 但这不是几个程序员所能左右的。

我在那个时候学习到的第一件事就是:在信息不足和沟通受限的时候,你要尝试学会必要的自行推理,根据已有信息的上下文来补全缺少的信息。

上线要紧,暂时就screen启动程序吧。但是程序启动以后,又遇到了更加尴尬的事情。

当时服务之间的调用方式,全部都是通过HttpClient直接调用目标服务。假如,我先启动A服务,A服务依赖B服务,B服务没启动,A服务初始化时会报错。那么,到底先启动谁后启动谁成了一个棘手的问题。

我查看了每一个服务的工程配置示例,发现每一个服务的config.properties,都有一个配置为root的选项,标识该服务的发布路径,例如,用户服务,他的config.properties 会配置 root=/userservice/ ,我就知道了,调用该服务肯定是这样的http路径:http://ip:port/userservice/xxxx。config.properties中,也会有一些带有如下特征的配置 reference_user=http://ip:port/userservice/xxxx。我很自然的明白了,这肯定是配置了该服务依赖的其他服务的调用地址。因此,我就想到,我可以根据每一个服务的配置文件理顺服务之间的调用关系。

为了确保我的猜想是正确的,我用网上的工具反编译了一个工程,发现,果然原来服务之间都是通过HttpClient调用的。

然后我就画了工程依赖图,仔细抽丝剥茧的梳理出来了程序的具体的依赖关系。最后,我终于对服务的部署顺序和方式有了思路,而有些程序员,私下已经有人开始说干不下去了要离职。 

怎么部署终于明白了,可是紧接着的一个尴尬的问题就是,程序都启动了,也调通了,但是领导要求负载均衡,集群化,一个服务里直接调用另外一个服务使用了HttpClient直连的方式,怎么搞负载均衡?怎么搞?怎么集群?

当时离DeadLine不远了,上线重要,于是忍痛购买了阿里云的SLB实现每一个服务的负载均衡,当时最痛苦的事情就是要理顺这种蜘蛛网式的服务调用关系,好在我之前已经画了工程依赖图,这个也就好办了。

天天加班折腾到凌晨两点,一个半月以后,终于把全部的Service部署成功,难以想象的是,我一个完全不懂业务的人,完全根据日志信息和配置关系,搭建成功的服务,居然有80%的功能正常可用,这给了我这个苦哈哈加班的程序员不小的成就感,虽然搞不定的20%的功能后来由负责这块的开发亲自去搞了(领导出面,不能敷衍了)。虽然,后面还有一些小的插曲,虽然这个应用刚开始可能全是窟窿,但好在也终于如期上线。

这一个半月,我掌握了公司的技术架构,在一些程序员以不会为理由拒绝部署kafka,nginx,zookeeper,activemq等基础设施的时候,我出手去部署,其实我也不会,但是从学怎么用,到部署完,时间也是够的,我还学习了这些技术是干什么的,不亏。

最终,我整理了公司当时的技术全貌,一些网络转发和机房架构由于保密原因不予描述(虽然我也已经掌握了),我只单纯说一下代码层面的:

一,服务与服务之间,通过RESTful风格的HTTP调用,使用了HttpClient,需要自己维护蜘蛛网一样的服务调用关系。

二,配置文件有在本地的,有在数据库的,代码里每次获取配置每次都要load本地,select数据库。(影响性能)。

三,无用的配置文件和无用代码散落在各处,给运维造成了干扰,代码有历史遗留的味道。

四,技术栈不规范,有的人外置tomcat,有的人内置tomcat,有的人用了Netty,简直就是群魔乱舞。

五,命名不规范不统一,词不达意,公司用了elastic-job作为分布式任务调度平台,elastic-job要求每一个job启动时需要指定job-name,但是,运维经常在控制台上无法根据job-name来定位到底是哪个job,比如,工程job为payServiceAllJob,在控制台上却注册为AllJob,让人摸不着头脑。

痛点一:缺乏服务的自动发现

服务上线以后,由于本身项目就是在没有规范,没有制度的情况下放肆生长出来的,因此服务上线以后还是会疯狂的加班,来弥补一个又一个补不完的窟窿。那个时候我还没有接触业务,但是也要和开发一起加班,人工值班监控。

已经一个月没有写增删改查了,我就有机会开始搞一些事情了。那个时候,我请我的领导去说动技术部使用Dubbo,因为它能做服务自动发现,免配置扩容服务,是一个挺流行的RPC框架。但是由于当时我们没有技术权限,这个事情是很难推动的,一切以稳定为主。

我使用过Dubbo,但是我一直不理解的是,为什么Dubbo使用了ZooKeeper就能自动扩容?就能服务自动发现?这个肯定和ZooKeeper有关系。由于我是刨根问底型的开发,因此我开始在周末时间和晚上和上下班路上自己学习ZooKeeper,什么顺序节点,永久节点,临时节点,什么树形存储,动态监听和通知。

终于,我就在没有看Dubbo源码的情况下突然恍然大悟:Dubbo的服务提供者和服务消费者都配置了服务name,如果我在ZooKeeper的一个name节点下存储服务路径集合,那么每次新增服务或者下线服务都会通知到任何监听这个name的客户端?(后来知道这叫做namespace命名服务),Dubbo肯定是使用了Zookeeper的命名服务来实现服务的动态发现的!

大部分程序员使用HttpClient都是使用的一个叫HttpHelper的工具类,我的改造就开始从HttpHelper这个工具类开始吧,让程序员传递自己的服务的ip,port,se rviceName,destinctName,zookeeperUrl,然后我在工具类里封装了获取调用路径列表,并封装了两个负载均衡算法:ip_hash,随机数。(其实我只会写这两种)。

在公司的四次迭代里,他们在一边飞速业务开发,一边逐渐把自己的HttpHelper工具类替换给我写的这个,终于可以卸下slb,实现简单的HTTP服务动态发现了。

当时的反对声音其实还是挺大的,不过运维的需求呼声更高,配置URL太麻烦了!

那个时候,公司架构重组,得领导赏识,我被重新划分到了技术部,做了基础平台研发部门的Team Leader,管理几个程序员。

痛点二:缺乏配置中心

解决了第一个痛点以后,我一边写增删改查,一边又想解决第二个痛点:配置问题。

之前每次部署程序到线上时,每次都要一个服务器一个服务器的改配置,我就想,我把我的时间浪费在这种一个服务器一个服务器改配置的事情上,真的是不甘心。

而且这么改配置,还容易出错。虽然公司没有主动要求写什么。(公司的主要眼睛还是放在了实现功能和业务上)那个时候加班没有那么狠了,程序员写完增删改查就回家了,我还在想配置中心怎么实现。那个时候微服务的概念火热,我了解到了Spring-cloud-config。知道有叫做配置中心的这种东东,对,我们也需要配置中心,把配置集中抽出来管理。由于我已经掌握了ZooKeeper,自然知道了做配置中心的思路。

半个月时间我就写完了,时间主要浪费在了写页面上。(汗,作为一个后台程序员我承认我的页面能力比较差)当然,这期间也经过了一些改版。我竟然不知道ZooKeeper有Curator这么好用的客户端,之前一直使用的原生的org.apache.zookeeper这个原生客户端操作,监听消费以后还要重新监听。

配置中心写完以后,我也在一个周末发到了群里,并推广了出去。这次,由于公司的人员团结力已经大有改观,而且我也已经是组内Team Leader,先在组内普及了。

而且我这次组外的游说和推广也没有那么困难了,最终也都一个服务一个服务的落地了配置中心,并实现了一处改动,处处生效,也实现了传说中的配置热更新。这些,并没有什么高深的技术,仅仅就是依赖了一个ZooKeeper。

弄完这些,我已经感受到了做技术的乐趣,同时,我的领导也觉得好像让我写增删改查有点浪费,要求我把我手头的任务全部分给组员,自己则是去解决别人的问题......我赢得了更多的时间去自我驱动,改善公司的基础设置。

痛点三:缺乏缓存框架

接下来我本以为自己要没事做了,但是,得益于左耳听风的一个专栏,他说,描述一个业务(DSL),要比编写一个业务更具有维护性,公司很多的人都在使用Redis缓存,但是,用的库各不一样,还经常出各种奇怪的问题,调试起来及其繁琐。

当然,最终让我受不了开始决定写缓存框架的是因为我看到了我的组员写的代码与业务严重耦合,一会操作Redis,一会操作数据库。我发现了这个痛点,研究了一下Spring的AOP和他的@Transtional 注解如何实现以后,终于决定手写一个微型的缓存框架。基础思路就是通过可插拔的@CacheEnable(key=xxxx,timeout=xxx......)实现Redis缓存,完全不侵入业务代码。如果不用了,把注解在方法上移除了就好了。

手写这个Redis缓存框架使用了半个月,毕竟自己的技术能力还是有限,如何实现AOP和Spring集成,怎么抽象等等,都会让我每天都思考半天才下笔,甚至有时候一天写不了一行代码。

期间看了一本叫做《面向对象编程》的书籍,里面说,面向接口编程,依赖抽象,而不是依赖具体的实现......我突然就像打通了任督二脉。我在CacheHandler里面依赖了CacheStorage接口,而把RedisCacheStorage作为一个实现类注入了进去,因此,后来我这个框架可以同时支持redis,memcache,local。

写完这个框架以后,我总结了三个可抽象的点:

1. 序列化方式(jdk,protobuf,thift,json)

2. 脚本解析器方式(就是解析key的方式:比如,可以使用spel或者ognl:"userId"+#user.id )

3. 缓存实现方式(redis,memcache)。

后来我从刘大的码农翻身公众号的一篇将日志系统的设计里知道了正交一词,大概这就是正交吧。最尴尬的是,原来Spring早就实现了,叫做SpringCache。汗。

(码农翻身注:那篇文章叫做《一个著名的日志系统是怎么设计的》) 

后来的事情,我也不详细的讲了,大概就是从私有框架,换成了公共成熟的库,我们也终于用上了Dubbo框架。

而对我自己本身,我只是更加理解了一些之前无法理解的事情:Dubbo为什么能改一个组件的配置那个组件就换了一种实现。(面向接口编程)看Mybatis的源码也没那么困难了,两年前完全下不去手。当然,我也变得更加热爱技术了。

我的心得体会

那就给大家分享一下我近两年来的心得体会。

1.  作为一个程序员,一定要懂得自我挖掘,而不是仅仅实现业务功能就好了,也不能干等着领导分配任务。

功能耦合了,写代码慢了,运维麻烦了,这些,都是潜在的需求,我们现在的加班,是为了以后不加班,是为了提高自己的效率,是为了不能原地踏步。

2. 一定要真正地学会一个技术,我在实际工作中,发现有的同学使用了一年的Git,竟然不知道如何把GitHub的项目拉取到本地,但是他会把GitLib的项目拉取到本地。

程序启动异常,有同学从网上找了一个jar包导入到了工程里,但是问他为什么把jar包导入到工程里代码就启动正常了,竟然不知道。

有的同学使用了一年的Maven,不知道mvn compile 是什么含义,只知道mvn package是打包。

这些,就是没有真正的学会了一个技术,仅仅是工作时机械式的使用了,仅仅是复制粘贴了,下一个项目再复制粘贴过来就行了,模仿着别人的代码写逻辑,这是学不到东西的。


我觉得,你一定会有时间去学习这些东西,网上大把大包的资料和教程。一定要知其然而知其所以然,一定不要一模一样的配置换了一种配置方式你就看不懂了。

3. 要掌握公司的技术栈,要刨根问底,公司用的什么rpc框架?怎么使用?原理是什么?公司用的nginx,nginx怎么配置的。公司用了配置中心,配置中心是什么?公司的负载均衡框架用什么做的,存在什么问题?

我写了一个缓存框架,你有没有冲动研究一下到底是怎么实现的?保持技术好奇心是十分重要的。我认识的一个同学,来我们公司以后,简历上写的,会SSM。后来经历了我的配置中心演进之路,还学会用了。后来他离职了,简历上写的还是会SSM,没别的了。本来,如果他把配置中心讲一讲会是一个很大的亮点。工作了一年,最怕的就是挥一挥衣袖,不带走一片云彩。

4. 要善于发掘,总有一些东西是亮点,是金子,只是你发现不了。

我在我们公司学到的一个安全方面的设计就是token机制,这改变了我的观念,以前一直以为做单点登陆只能session共享,现在才知道,还能使用时间换空间的方式,使用token签名代替sessionId,使登录这个过程变得成为无状态的计算......这是我发现的,很多人程序员根本不能意识到这些技术亮点,并融化到自己脑海里成为自己的东西。

5. 使用碎片化时间去学习,不要总抱怨没有时间。

学习是枯燥的,但是,当你收到了学习带来的巨大红利,你会越来越想学习。我亲身的体验就是,当我写的配置中心和缓存框架投放到了生产中,并得到了我想要的效果后,我现在更加喜欢学习,更加痴迷于技术了,我的技术能力并不强,很多的东西,都是因为我的兴趣逐渐被激发,因为我的热爱,才发生了质变。

6. 多思考,正确地实现业务。

有没有观察过,同样的业务,有的人写出来的实现就非常的丰满和稳定,而有的人写出来的接口可能直接调用一下就抛出了错误。很多程序员写代码只关心正常分支的逻辑,从来不考虑异常逻辑的处理。在写业务代码的时候多去分析用户场景,也会规避很多问题。

举个例子,接口的参数的验证,你可以根据使用场景来编写额外的适配和容错。比如,接口中有一个字段A,这个字段大小写敏感吗?这个字段万一用户多输入了一个空格怎么办?如果你能根据业务分析到,字段大小写不敏感,我要全部转成小写来比较,空格不是正常参数的一部分,我要进行去空格来简单的容错。那么,你可能会避免有一天某个业务人员跑过来跟你说,我明明写的正确为什么你告诉我参数不存在。

不要小看业务代码,不必掌握多么高深的技术原理,只要能把业务逻辑实现的健壮,也已经很考验能力了,说明了你是一个喜欢思考和注重细节的人。

结束语

现在的我,越来越喜欢研究源码,研究底层,并伴随着的是,我以前的一些疑惑都迎刃而解,这当然是因为我得到了正向的反馈,付出会有收获。现在被公司内部的部分程序员误认为是大神,当然,我还差得很远。

现在公司技术,代码逐渐在变好,工程规范逐渐在行程和标准化,统一化。这是值得欣慰的,我最近在研究API网关,公司的业务并发量在上升,我觉得需要一个入口统一管理API,负责鉴权,认证,限流,熔断等一系列的功能。(这些词都是在微服务课堂上学习的)。我已经开发了一部分了。使用Netty接收请求,使用HttpClientPool转发请求,中间使用责任链模式做Handler中转拦截处理,不知道何时能竣工。


(完)

码农翻身,用故事讲解技术本质, 更多精彩文章,请移步《码农翻身三年文章精华》

【Python实战解析】从数据爬取到房价预测:一个完整的数据科学项目流程拆解 本文详细拆解了一个完整的Python数据科学项目流程,从爬取长沙二手房数据到房价预测模型构建。通过实战案例,介绍了数据爬取、清洗、可视化及模型优化的关键技巧,帮助开发者掌握Python在数据分析中的应用,提升程序开发能力。 阅读详情

相关推荐

绕过卡巴斯基通过RPC控制lsass注入DLL

参考国外的XPN以及3gstudent大佬的文章: https://blog.youkuaiyun.com/xiangshen1990/article/details/104872566 https://gist.github.com/xpn/93f2b75bf086baf2c388b2ddd50fb5d0 原理:正常的ssp扩展(dll)可以加载到lsass进程中去,比如kerberos验证都是通...

2ed 3525

如何0基础学习“驱动”需要掌握哪些知识

3. 学习编程:需要掌握至少一种编程语言,例如C语言,以及掌握常用的编程工具,例如Keil、IAR等。同时,还需要了解编程相关的知识,例如数据结构、算法等。1. 学习电路理论:需要了解电路的基本知识,比如电压、电流、电阻等,以及各种电路元件的特性,例如二极管、晶体管等。2. 学习嵌入式系统:需要了解嵌入式系统的基本概念和原理,掌握基本的嵌入式系统开发技术,例如芯片选型、系统设计、硬件和软件开发等。需要注意的是,驱动程序的编写需要有一定的系统编程知识和经验,同时也需要熟悉特定的操作系统和硬件平台。

weixin_39680141的博客 640

STM32L433使用DSP库配置过程

STM32L433中有FPU,在使用中为了使用其中的部分函数,需要对其进行配置。     配置成功后做些总结,留待后续复习备忘,同时也希望有朋友像我一样使用DSP库配置时少走弯路,留作交流。

在在在的博客 4553

论程序员的自我驱动力

今天在翻技术博客的时候,无意中看到了一句话,送给自己: 人在什么时候能够自我驱动?就是痛苦的时候。 只有感到痛苦,才会有改变。 当然改变有两种结果,一种是彻底放弃沉沦,另外就是一想办法自动化、智能化,把自己变成一个高手。

奋斗的Die Young 533

Deepracer 智能无人车-绿洲科学云平台介绍

Deepracer 智能无人车 绿洲科学云

woaixiyue19831的博客 1948

【Agent】多智能体框架MetaGPT入门教程

创建一个 Action 类的子类 SimpleWriteCode,子类中定义好 prompt,并解析返回结果。在 MetaGPT 中,

酒酿小圆子呀~ 3149

年轻程序员如何快速成长

最近公司招聘了一批初级前端工程师,招聘之后就是开始培训和实习指导,培训过程中,思考了一些问题,包括如何更好的培训 指导 以及管理新人。也思索了新人程序员自己应该如何快速成长。 态度是第一位的 态度用于是第一位的,不只是新员工,老员工也是如此。不过对于新员工来说,更加重要。没有好的态度的员工,能力再强,企业也不喜欢。更何况,我很少见到态度不...

weixin_33895695的博客 1405

Modbus CRC和LRC算法研究及代码实现

一、CRC(循环冗余校验) 1 CRC16实现流程 XOR = 异或 N = 字节的信息位 POLY = CRC16 多项式计算 = 1010 0000 0000 0001 (生成多项式 = 1 + x2 + x15 + x16) 在CRC16中,发送的第一个字节位低字节 2 CRC16实例推导 3 CRC16代码实现 unsigned short CRC16(unsigned char *a...

Hi, Boy 2892

大专毕业,一年工作经验,每天都是CRUD。如何实现月薪从7k到10k?

今天的话,这篇文章,主要回答一些小伙伴的问题。不过这些问题的话,相信也是大部分小伙伴会遇到的,所有,你有必要看到最后哦! 01 我跟着视频做的项目会被面试官嫌弃不?是加分项不? 当然是加分项呢!不排除确实有的面试官不吃这一套,这个也看人。不过我相信大多数面试官都是能理解的,毕竟你在学校的时候实际上是没有什么获得实际项目经验的途径的。 别担心,大部分应届生的项目经验都是自己在网上找的或者像你一样买的付费课程跟着做的,极少部分是比较真实的项目。 从你能想着做一个实战项目来说,我觉得初衷是好的,确实也能真正学到

JavaGuide 6183

fragstats:景观指数趋势分析

优快云@_养乐多_本文将介绍景观指数时间序列的趋势分析,包括趋势类型、斜率、截距等。以及景观指数突变分析所用的软件和 python 代码。结果如下图所示,

养乐多的博客 2864

精密装配机器人系列编程:ABB IRB 120_(20).编程项目设计与实施

在精密装配机器人系列编程中,项目的成功设计与实施涉及多个关键步骤。从项目需求分析到最终调试,每一个环节都需要细致的考虑和专业的技术。选择合适的编程语言、设计良好的程序结构、掌握调试技巧以及解决常见问题,都是确保机器人高效、稳定运行的重要因素。通过不断优化和改进,可以提高生产效率和产品质量,满足不断变化的生产需求。

zhubeibei168的博客 1243

作为一个新手程序员该如何成长

今天在Java那些事上看到一篇文章叫《作为一个新手程序员该如何成长》,我觉得深受启发,特总结在这里。 1,找一种你喜欢用到工作中的语言。 我喜欢Java,可能是因为一开始学习的时候体会到很大的成就感,便不愿意舍弃它。以至于在一开始工作被分配做前端的时候,我有很大的抵触心理,主动找领导谈

awei_1084630475的专栏 1824

【自动驾驶轨迹规划之hybrid A*算法】

本文参考论文:https://ai.stanford.edu/~ddolgov/papers/dolgov_gpp_stair08.pdf 这篇文章是基于经典A*算法与reeds-shepp曲线的,不清楚的读者请参考【自动驾驶轨迹规划5之A*算法】_无意2121的博客-优快云博客【自动驾驶轨迹规划之dubins曲线与reeds-shepp曲线】_无意2121的博客-优快云博客 目录 1 hybrid A* 算法创新点 1.1 搜索方式 1.2 车辆运动学模型 1.3 reeds-shepp曲

weixin_65089713的博客 1万+

【转载】程序员应该如何自我驱动,迅速获得成长?

初入公司,从CRUD到运维支持 一年之前,我还是一个只会CRUD的普通程序员,常年与业务打交道,一套花式SSM框架三板斧从头玩到底。 我入职了一个初创型的互联网项目团队,在迅速融入工作环境以后,我就开始上手写起了CRUD代码。虽然不知道底层原理, 但是SSM模版代码已经烂熟于心,再加上有一些在以前工作时学习到的基础和避坑的经验,比如空值验证,防止重复提交等, 让我能够比较快地...

bangu1962的博客 168

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

怀旧版电脑GBC模拟器

再现原版GBC掌机的界面,电脑运行连游戏界面都一样大小,很怀旧,很真实,(英文版)强烈推荐,很小的文件,很难才找到的。

IT人员迅速提升自我效率的十大方法

所谓,时间就是金钱,效率也意味着时间。高效的工作方式可以为我们赢得更多成功的机遇。如何实现高效工作呢?Zielix创始人、Ingiter Frameworks的创建者Wayne Harrel发表了一篇博文《Top 10 ways to dramatically increas

wangxiaohong123的专栏 423

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

程序员如何迅速掌握大模型技能?

该阶段让大家对大模型 AI有一个最前沿的认识,对大模型 AI 的理解超过 95% 的人,可以在相关讨论时发表高级、不跟风、又接地气的见解,别人只会和 AI 聊天,而你能调教 AI,并能用代码将大模型和业务衔接。更重要的是,大模型技术的掌握,让程序员能够跳出传统编程的框架,成为集创意、技术与商业洞察于一体的复合型人才。对全球大模型从性能、吞吐量、成本等方面有一定的认知,可以在云端和本地等多种环境下部署大模型,找到适合自己的项目/创业方向,做一名被 AI 武装的产品经理。到此为止,大概2个月的时间。

程序员鑫港的博客 1064

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")

大模型时代,程序员当下如何应对 AI 的挑战并迅速成长!!

随着 AI 技术的飞速发展,特别是大模型的出现,传统的程序员角色正在经历深刻的变革,我们不得不重新对自己进行审视和思考。 同时随着 AI 能力的涌现,AI 已经对现有的软件开发模式和程序员的工作模式造成了冲击,并且大语言模型在某些特定语言内的表现甚至超过了大部分的程序员。

2401_84208172的博客 1366

做好以下四点,拒做 “ 空心 ” 程序员

01、注重原理性知识 现在的互联网环境下,注重原理性知识学习的程序员越来越少,特别是在这种培训机构大爆炸的环境下,在网上你会经常看到类似三个月从入门到精通高并发、分布式的广告,我相信培训机构有这套技术的能力,但是我不相信一个初学者有这么好的接收能力。甚至某个培训机构的讲师里,有一个1997年出生的架构师,20岁出头就当上了架构师,真的是后生可畏呀。在我的思维里,架构师不是学出来的,架构师是...

平头哥的技术博文 1万+

[读书笔记]《程序员的成长课》

图书信息 豆瓣读书: https://book.douban.com/subject/27591389/ 参考书评: https://book.douban.com/review/9268010/ 基本信息: 本书主要讲的是一名刚入行的菜鸟程序员如何成长为顶尖程序员/技术管理人员的历程。从技术上的选择,提高,专职管理,跳槽和求职转型多方面进行了介绍。 备注: 借阅于北大图书馆,20...

Reyiiiin的深夜一点半 542

LabVIEW程序员是怎样成长为大佬

成为一名LabVIEW编程领域的“大佬”需要时间、实践、学习和解决复杂问题的经验。尽管LabVIEW作为一种图形化编程语言在初期可能相对容易上手,但要真正成为精通者,需要在多个层面上深入理解。

bjcyck的博客 1651

IT人员迅速提升的方法

每个人都渴望成功,每个人都希望日进斗金;每个人都不希望失败,不希望生活标准低于他们的期望水平;为了达到这些目标,便开始艰难地决定做什么与不做什么。 本文提供了可以迅速提高自我效率的十大方法,如下文:   1. 远离灰色地带   在灰色地带,很多事情都被掺杂在一起

Blue_Ice_的专栏 562

程序员迅速提升自我效率的十大方法

每个人都渴望成功,每个人都希望一个月能赚到几百万美金。任何人都不希望遭遇失败,不希望生活标准低于他们的期望水平。 为了达到这些目标,人们开始艰难地决定做什么与不做什么。本文提供了可以迅速提高自我效率的十大方法,如下文: 1.远离灰色地带 在灰色地带,很多事情都被掺杂在一起,这样会大大削弱了我们的工作效率。如果你同时做很多事情,你就会迷失你的关注点,失去工作动力,最终导致失败。为了...

jinghuainfo 136

IT人员迅速提升自我效率的十大方法 .

IT人员迅速提升自我效率的十大方法 .  每个人都渴望成功,每个人都希望一个月能赚到几百万美金。任何人都不希望遭遇失败,不希望生活标准低于他们的期望水平。为了达到这些目标,人们开始艰难地决定做什么与不做什么。本文提供了可以迅速提高自我效率的十大方法:   1. 远离灰色地带   在灰色地带,很多事情都被掺杂在一起,这样会大大削弱了我们的工作效率。如果你同时做很多事情,你就会迷失你的关注点,

风吹无迹雨落无痕 807
上一篇: 简单的this,麻烦的this
下一篇: Git是纯函数式数据结构?
码农翻身
码农翻身 《码农翻身》作者 《码农翻身》作者
博客等级 码龄8年 3万+粉丝 1084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