鸡毛蒜皮

最新推荐文章于 2020-09-09 09:10:15 发布
转载 最新推荐文章于 2020-09-09 09:10:15 发布 · 138 阅读 · 0

作者描述了自己工作初期到后期心理变化的过程，并分享了近期观看电影的感受及对生活的思考。

早上起来，心情很怪异，似乎觉得什么东西正离我而去。加上夏令时刚结束，有点像时差还没调整好，头晕晕的感觉。

刚开始上班的时候，一周都不累。上了第一个月之后，每到周五就觉得有些疲惫；到了第二个月之后，周四就开始蠢蠢欲动；第三个月之后，周三便已经急不可耐...如此发展，到了第五个月，周一刚到就又要想着放假了。

睡眠依然有些紊乱，时不时半夜醒来。前天晚上也是到了三点就醒，起来夜游，上上网发发呆，到了天快亮再去混个回笼觉。这坏毛病自从半年前开始，就间歇性发作，最近还算是好多了。

昨天看了贾樟柯的“二十四城”，那就是我们的父辈的生活。“二十四城”秉承了“三峡好人”的春秋笔法，更加平和，而且几乎抹杀了现实与虚构的界限。那样的生活和变迁，对我来说实在有太多切身的感受。

最近看的电影都是现实、讽刺、悲情一类，总之，是黑色系的。生活已经太轻松了，需要一些东西来磨炼我们过于纤细的神经。于是，在经历过若干个平淡、沉闷、压抑，甚至诡异的120分钟之后，我发现自己已经成功免疫。我，麻木啦！

 

来自 “ ITPUB博客 ” ，链接：http://blog.itpub.net/7801/viewspace-584831/，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/7801/viewspace-584831/

cs59704
关注
鸡毛蒜皮电子开发设计心得
08-14
搞好电子开发不是一件小事儿，鸡毛蒜皮的事儿都不能轻视。看以下几种现象，你有过吗？
鸡毛蒜皮的小事
sq8706的专栏
07-14 495
沙因教授说，那些生活中的看似“鸡毛蒜皮的小事”，也许就需要个举手之劳或者5秒钟的口头交流，——之后幸运的人可以靠着有效的觉知并付出更大力气去填补，有些人则难以挽回。忽视了或做错了，却会在家庭和关系中挖下一个个的坑。及时做对了，是家庭融洽、关系健康的重要基础；
Spring鸡毛蒜皮
weixin_33852020的博客
09-07 84
2019独角兽企业重金招聘Python工程师标准>>> ...
Wireshark鸡毛蒜皮
weixin_34080903的博客
08-11 100
2019独角兽企业重金招聘Python工程师标准>>> ...
Git 鸡毛蒜皮
weixin_34034261的博客
08-11 89
2019独角兽企业重金招聘Python工程师标准>>> ...
Java鸡毛蒜皮
weixin_34033624的博客
12-19 94
2019独角兽企业重金招聘Python工程师标准>>> ...
Maven鸡毛蒜皮
weixin_34260991的博客
08-29 89
2019独角兽企业重金招聘Python工程师标准>>> ...
Pandas的鸡毛蒜皮
wiki_lsh的博客
09-09 258
数据结构 Series：一维序列，定长字典序列，两个属性： index： 索引 默认是0，1，2... 可指定 index=['a','b'....] values: x1 = Series([1,2,3,4]) DataFrame：二维表结构(类似数据库表) data = { 'Chinese': [66, 95, 93, 90,80], 'English': [65, 85, 92, 88, 90], 'Math': [30, 98, 96, 77, 90] } d..
Linux鸡毛蒜皮
weixin_34148508的博客
07-27 330
2019独角兽企业重金招聘Python工程师标准>>> ...
硬件设计的鸡毛蒜皮
flymachine的专栏
11-12 900
硬件设计的鸡毛蒜皮之一：成本节约 现象一：这些拉高/拉低的电阻用多大的阻值关系不大，就选个整数5K吧 点评：市场上不存在5K的阻值，最接近的是4.99K（精度1%），其次是5.1K（精度5%），其成本分别比精度为20%的4.7K高4倍和2倍。20%精度的电阻阻值只有1、1.5、2.2、3.3、4.7、6.8几个类别（含10的整数倍）；类似地，20%精度的电容也只有以上几种值，如果选了其它的
鸡毛蒜皮与核安全文化.docx
01-06
标题中的“鸡毛蒜皮与核安全文化”指的是在核电站运营中，即使是看似微不足道的小问题也可能关乎到核安全的重要理念。核安全文化强调的是对每一个细节的关注和重视，因为任何小的疏忽都可能导致严重的后果。描述中...
#include<bits/stdc++.h> #define ll long long using namespace std; static const int N = 2e5+5; static inline ll rd() { ll x = 0; char d = getchar_unlocked(); while (d < '0' || d > '9')d = getchar_unlocked(); while (d >= '0' && d <= '9') { x = (x << 3) + (x << 1) + (d ^ 48); d = getchar_unlocked(); } return x; } static inline void wr(ll x) { static ll len; static char ch[20]; if (x == 0) { putchar_unlocked('0'); putchar_unlocked(' '); return; } while (x) { ch[len++] = x % 10 ^ 48; x /= 10; } while (len)putchar_unlocked(ch[--len]); putchar_unlocked(' '); } //------------------------------------------------ struct node { ll x, y, id; node() {}; node(ll a, ll b): x(a), y(b) {}; } e; static vector<node> v1, v2, v3, v4; static inline bool p1(const node &a, const node &b) { if (a.x + a.y != b.x + b.y) return a.x + a.y < b.x + b.y; if (a.x != b.x) return a.x < b.x; return a.y < b.y; } static inline bool p2(const node &a, const node &b) { if (a.x - a.y != b.x - b.y) return a.x - a.y < b.x - b.y; if (a.x != b.x) return a.x < b.x; return a.y < b.y; } static inline bool p3(const node &a, const node &b) { if (-a.x + a.y != -b.x + b.y) return -a.x + a.y < -b.x + b.y; if (a.x != b.x) return a.x < b.x; return a.y < b.y; } static inline bool p4(const node &a, const node &b) { if (-(a.x + a.y) != -(b.x + b.y)) return -(a.x + a.y) < -(b.x + b.y); if (a.x != b.x) return a.x < b.x; return a.y < b.y; } struct edge { ll u, v, w; edge() {}; edge(ll a, ll b, ll c): u(a), v(b), w(c) {}; bool operator <(const edge& oth)const { return w < oth.w; } }; static inline ll get(const node &a, const node &b) { return abs(a.x - b.x) + abs(a.y - b.y); } vector<edge> v; vector<pair<int, int>> ans; static int Set[N]; static inline int f(int x) { return Set[x] == x ? x : Set[x] = f(Set[x]); } int main() { ios::sync_with_stdio(0); cin.tie(0), cout.tie(0); static ll n, sum = 0; n = rd(); v1.reserve(n); v2.reserve(n); v3.reserve(n); v4.reserve(n); v.reserve(4 * n); for (int i = 1; i <= n; i++) { e.x = rd(), e.y = rd(), e.id = i; v1.emplace_back(e); v2.emplace_back(e); v3.emplace_back(e); v4.emplace_back(e); Set[i] = i; } //四向排序 sort(v1.begin(), v1.end(), p1); sort(v2.begin(), v2.end(), p2); sort(v3.begin(), v3.end(), p3); sort(v4.begin(), v4.end(), p4); //生成边 for (int i = 1; i < n; i++) { v.emplace_back(v1[i - 1].id, v1[i].id, get(v1[i - 1], v1[i])); v.emplace_back(v2[i - 1].id, v2[i].id, get(v2[i - 1], v2[i])); v.emplace_back(v3[i - 1].id, v3[i].id, get(v3[i - 1], v3[i])); v.emplace_back(v4[i - 1].id, v4[i].id, get(v4[i - 1], v4[i])); } sort(v.begin(), v.end()); //kruskal int Sz = v.size(), rx = 0, ry = 0, cnt = 0; for (int i = 0; i < Sz; i++) { rx = f(v[i].u), ry = f(v[i].v); if(rx != ry) { sum += v[i].w; Set[rx] = ry; cnt++; ans.emplace_back(v[i].u, v[i].v); if(cnt == n - 1)break; } } wr(sum); for(int i = 0; i<cnt; i++) { putchar_unlocked('\n'); wr(ans[i].first), wr(ans[i].second); } return 0; }还有那些问题？鸡毛蒜皮就不用了
08-11
我们分析代码，寻找潜在问题（忽略鸡毛蒜皮的小问题，关注算法正确性、鲁棒性、效率等） 1. 输入输出优化：使用了getchar_unlocked和putchar_unlocked，这些是非标准函数，可移植性差，在某些环境（如Windows）可能...
基于GEC6818平台的五子棋人机对战系统设计与实现
11-25
五子棋作为一种广为人知的策略性棋盘游戏，其基本规则易于掌握。在选定人机对战模式后，由程序执黑先行，用户执白应对。双方依次在棋盘上落子，任何一方在横向、纵向或斜向形成连续五个或更多同色棋子即获胜。 项目资源涵盖多个技术领域的程序代码，涉及前后端开发、移动终端应用、操作系统、智能系统、物联网技术、信息管理系统、数据存储方案、硬件设计、大数据处理、教学资料、多媒体处理及网站构建等多个方向。具体技术实例包括嵌入式平台如STM32与ESP8266，编程语言如PHP、QT、C++、Java、Python、C#，系统开发如Linux与iOS，以及电子设计自动化工具和实时操作系统等。 主要技术栈包含服务端开发语言Java、Python及Node.js，后端框架Spring Boot与Django，前端技术React、Angular与Vue，界面设计框架Bootstrap与Material-UI，数据库系统MySQL、PostgreSQL和MongoDB，缓存工具Redis，以及容器化部署方案Docker与Kubernetes。 资源来源于网络分享，仅用于学习交流使用，请勿用于商业，如有侵权请联系我删除！
lv_0_20251125195629.mp4
11-25
lv_0_20251125195629.mp4
numpy、pandas、sklearn、pytorch等数据分析工具的一些使用技巧
11-25
NumPy数组操作实战技巧 numpy、pandas、sklearn、pytorch等数据分析工具的一些使用技巧
中国Cassandra数据库用户组开源社区项目-专注于Apache-Cassandra分布式NoSQL数据库技术研究与实践-提供技术文档下载与源码解析-集成Titan图数据库与Lu.zip
最新发布
11-25
Buffer内存管理实战技巧中国Cassandra数据库用户组开源社区项目_专注于Apache_Cassandra分布式NoSQL数据库技术研究与实践_提供技术文档下载与源码解析_集成Titan图数据库与Lu.zip中国Cassandra数据库用户组开源社区项目_专注于Apache_Cassandra分布式NoSQL数据库技术研究与实践_提供技术文档下载与源码解析_集成Titan图数据库与Lu.zip
图像处理基于电磁学优化算法的多阈值分割算法研究（Matlab代码实现）
11-25
【图像处理】基于电磁学优化算法的多阈值分割算法研究（Matlab代码实现）内容概要：本文研究基于电磁学优化算法（Electromagnetism-like Optimization, EMO）的多阈值图像分割方法，并通过Matlab代码实现。该方法借鉴电磁学中电荷间相互作用的机制，将图像分割问题转化为优化问题，利用EMO算法搜索最优阈值组合，以最大化分割效果的评价指标（如Otsu法或多级别熵）。文中详细介绍了EMO算法的基本原理、实现步骤及其在图像多阈值分割中的具体应用流程，展示了该算法能够有效避免传统方法易陷入局部最优的问题，从而获得更精确的分割结果。; 适合人群：具备图像处理基础知识和Matlab编程能力的高校学生、科研人员及工程技术人员。; 使用场景及目标：①解决复杂背景下图像的多目标分割问题，提升医学影像、遥感图像等领域的分割精度；②学习智能优化算法（如EMO）在图像处理中的实际应用，为研究新型分割算法提供技术参考和实现范例。; 阅读建议：在学习过程中应结合Matlab代码，深入理解EMO算法的寻优机制与图像分割评价函数的构建方法，建议自行调试不同参数对分割效果的影响，以加深对算法性能的理解。
DriverBooster12pro
11-25
DriverBooster12pro
评论
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