内卷严重?加班多?给几条程序员都适用的建议

【对话ChatGPT】如何看待java行业内卷的问题? 当今大环境,编程行业火热,而java行业更是首当其冲,但是为此,java行业的人也面临一个问题:从事java行业的人如此之多,会不会被卷死?经过我与ChatGPT的一场深入讨论,相信你也有了自己的答案 阅读详情

点击上方“芋道源码”,选择“设为星标”

管她前浪,还是后浪?

能浪的浪,才是好浪!

每天 8:55 更新文章,每天掉亿点点头发...

源码精品专栏

 

来源:sourl.cn/NPSdQr

  • 为啥难?

    • 干活苦

    • 竞争大

    • 技术致富难

  • 眼下局势,程序员该怎么办

    • 有所为,有所不为

    • 太用力的人跑不远。

    • 培养成长型思维

    • 在企业永远是螺丝钉,要有创业的梦想


“

王兴曾说:“2019年可能会是过去十年里最差的一年,却是未来十年里最好的一年”。谁曾想,一语成谶。

2020年,一场肆虐全国的新型冠状病毒肺炎疫情,让许多中小企业们陷入经营困难危机之中。面对这种情况,有一些单位开始停发薪资、变相裁员,脉脉上收到爆料某公寓租赁企业直接裁掉80%员工,让更多的员工再次陷入了紧张的境地。那么这对我们程序员来说意味着什么?

2020年我们究竟该如何看待自己的职业生涯?是要过苦日子了吗?

为啥难?

干活苦

有新闻说晚上十点某领导在微信群要求下属在十分钟内回复,一员工因休息早而没及时回复被裁了。

对于程序员来说,晚上十点仍有许多人在公司赶进度,等发布。即使在深夜熟睡之际,一旦电话铃声响起,程序员在十分钟内就得起来查看处理,毕竟如果是系统宕机的话,晚一分钟处理损失就多几个零。

选择程序员这职业也就是选择7*24*365的待机模式,出门可以不带钱包但随身得带个vpn,搞不好程序员在结婚当天还得停下来打开电脑解bug。

竞争大

编程技术不再高大上,入行门槛不再高。普通人从培训学校培训四个月便能就业,月薪轻松过万;大四学生不喜欢本专业,自己拿本书学习也能找到不错的公司以实习生的身份入门;00后从幼儿园开始学习编程软件,懂奥数不再厉害,会编程才是加分项,小学生会编软件操作机器人的比比皆是…

学习编程的人越来越多,和你一起竞争的人也越来越多。无数比较有资质的程序员都抱怨当下面试的难度比之前难了太多,你一个社招现在都需要手撕算法了。各种高并发、高可用、分布式事务几乎都是大厂面试必备了。

“面试造火箭,入职拧螺丝”这句哈可不是说着玩的!

    

技术致富难

作为70后一线程序员的洋哥在帝都坐拥四套房,他的发家史简单粗暴:作为最早一批赶上互联网浪潮的程序员,瞄准一家创业公司,勤勤恳恳工作几年,公司上市后他用期权买房。之后跳槽到小公司,花几年时间将团队从几个人带到一百来人后再离开,这是洋哥第四套房的来由。

洋哥说自己没有大理想,不喜欢当管理,只喜欢在一线岗位和年轻人一起编程,在一家公司呆六七年,看公司逐渐发展扩大,然后得到自己该得到的。

洋哥说这届程序员太浮躁和焦虑,他几乎每个星期在吃散伙饭和迎新饭,每个人像虱子跳来跳去。五年四跳,三年三跳的程序员比比皆是。

可年轻程序员没有办法,工资不涨房价嗖嗖涨,与公司的一起成长的情怀比不过现实的残忍:领导画的饼迟迟不兑现,还没到30岁两鬓开始发白,腰背也熬病了,薪资还是那么点。同一起跑线的同学跳槽早就实现了薪资翻翻,这人又何必在一棵树吊死呢?

一位长期加班并怀孕的程序员,终于无法忍受领导的画饼充饥策略,写出的一份看似搞笑但很真实的离职申请:

有程序员自嘲道,程序员是建设信息社会的底层工人,性质像现实社会的农民工。楼建起来了,自己却只能在门外路过。

为了改变现状,不少程序员在知乎上提出这样的问题:

“

“怎么才能成为大神级的程序员?”

“普通程序员和大神程序员有哪些区别?”

……

眼下局势,程序员该怎么办

有所为,有所不为

很多人都知道**「树立明确的目标」**是取得进步的根本,但对于如何做好这件事,大多数人其实都陷入了一个误区。

Mike Flint做了巴菲特的私人飞行员十年之久,还曾为美国四任总统开过飞机,但他仍在事业上有着更多追求。有一次,他和巴菲特在探讨他的职业生涯目标时,巴菲特让他去做这么一件事。

首先,巴菲特让Flint写下他职业生涯最重要的25个目标来。于是,Flint花了一些时间,把这些目标写了下来。然后,巴菲特让他审视一下这个清单,然后圈出他认为最重要的5个。Flint也照做了。

Flint现在有了两个清单。一个是他认为自己职业生涯最重要的5个目标,另一个是另外20个他也觉得比较重要的事。

巴菲特问Flint:你现在知道该怎么做了么?f Flint答:知道了。我现在会马上开始着手于实现这5个目标。至于另外20 个,并没有那么紧急。所以可以放在闲暇的时间去做,然后慢慢把它们实现。

巴菲特听完后说到:不,Mike,你搞错了。那些你并没有圈出来的目标,不是你应该在闲暇时间慢慢完成的事,而是你应该尽全力避免去做的事——你应该像躲避瘟疫一样躲避它们,不花任何的时间和注意力在它们上面。

这让我想到了三件事:

1. 如何让自己的目标变少非常重要

对于个人还是企业,最可怕的状态是什么?

是「什么都能做」,「所有方向都可以是方向」。这意味着你没有具体的目标,并且什么都不愿舍弃,最后一定就会什么都做不好。

脱离这种状态,最关键的一点是:将开放式的问题变成封闭式的问题。

2. 专注非常重要

在一个人的认知资源有限的情况下,一段时间如果有太多目标,那么很可能哪个都无法完成。

尽管「专注」和「聚焦」的概念已经被现代人提及的太多,但真正能做到准确地辨识自己的欲念,去除自己不真正需要的东西的人,还是少数的。

3. 比起「有所为」,「有所不为」可能更加重要

这可能和芒格说的「Invert, always invert.」有相通之处。没有被选中的那 20 件事,其实也是你感兴趣的或者有意义的,所以就很容易找到各种合理的理由去在那些目标上花时间。但它们才是默默消耗掉时间,转移你的注意力,又不能真正产出成果的事情。这种目标比看起来明显就很愚蠢的东西更加危险,就像是大量无用垃圾在占用你的CPU和内存,搞得你很难受。

太用力的人跑不远。

“

多年前曾读到过林清玄先生的一个故事,我觉得这真是对很多程序员的写照:

毛竹”只生长在中国最东边,4年也只不过长高3cm。但5年后,以每天足足30cm的速度生长着。这样只用6周就可以长到15米了!

努力不应该是某种需要被时常觉知的东西,意志力是短期内会用完的精神能量。

真正坚持到最后的人靠的不是激情,而是恰到好处的喜欢和投入。

当坚持不再成为需要被言说的事实或是需要被排练的步骤时,它就成为了我们生活的一部分,而不是什么挂在生活之上的负担。

“

就像写优快云博客一样,一开始是羡慕别人能长时间积累下来,还写得十分出色,我也想试试。

写了半年后,突然我发现已经慢慢养成了写博客的习惯,能较为从容的将我想说的技术要点描述清楚,且通俗易懂。其实一开始我只是为了当作记笔记而写博客的,可渐渐的,却成为了我学习生活的日常。也没有觉得写博客有什么负担,已经悄然习惯了。

我觉得,这就很好。

最长久的陪伴不费心力。如果你真的喜欢那个人,真的想在他身边一辈子,就不会说有多么爱他,而是觉得“每天能和他在一起,就很好。”

太用力的爱不仅让自己累,也让身边的人累。朴素的道理,更经得起推敲。因为用力会不自觉地提高你的预期。不要像个孩子一样向这个世界索取回报,自我的用力感觉、委屈,不能成为你的筹码。

太用力的人更容易产生期望落差,更不愿接受自己找错了方向的事实。“努力没有回报”本身,就是非常让人绝望的事情。轻装上阵的人,回旋的余地更大。

人越用力,就会越想要得到及时的良好刺激。越用力的人对于正刺激的需求就越高,越不能忍受暂时的负反馈。

真正的坚持归于平静,靠的是温和的发力,而不是时时刻刻的刺激。

太用力的人增加了执行的功耗。纠结、选择恐惧,是太用力的副产品。只管去做,就是在意识与行动之间尽可能地减少冲突带来的心力损耗。

执行阶段最大的敌人,是纠结,是埋怨,是后悔,是内心的冲突——太用力,就是心理额外动作太多。

我一直告诫自己不要用力过猛,以保持自己对困难的钝感和不顺的接受程度。

短期的过度用力极容易造成身体和心理上的挫伤。哪怕你在做的事情非常重要,也要保证基本的休息和放松,不要纵容自己消耗健康来填补对努力的需求。

到最后你会发现:尽管你从不认为自己真的拼命过,但是正因为你走得足够远,每个人都会认为你是多么地努力。

用力的人心里瞎折腾,真正坚持下来的人往往觉得“这就很好”。

其实,"找好方向,一直努力就很好",学会给自己鼓掌。

培养成长型思维

成长的过程中不可能是一帆风顺的,肯定会有痛苦、有阻力、有挫折。面对逆境,我们应该怎么做?

有些人也许不堪重负,就此沉沦了,而有些人可以越挫越勇,把每一次失败都当成学习的机会。

成长型思维(Growth Mindset) 和 固定型思维(Fixed Mindset) 会极大地影响我们面对逆境的处理方式。我在最低迷的时候,正是成长型思维帮我渡过了难关。

成长型思维和固定型思维体现了应对成功与失败、成绩与挑战时的两种基本心态。

具有成长型思维的人相信自己可以通过学习来提升自我,相信学习和成长的力量,相信努力可以改变智力和能力。

我们可以通过下图所示的对比来判断一个人是“成长型思维”还是“固定型思维”。

标成长型思维和固定型思维对比图题

我曾经就是一个典型的固定型思维的人,在遇到困难和挫折时很容易引发自我怀疑和自我否定。技术人员的工作面临着很多的挑战,我们需要具备成长型思维才能应对工作和生活中的压力。

这样在遇到问题时,我们才不会轻言放弃,而是会积极主动地去学习,去寻找解决方案。即使最终还是失败了,把失败当作学习的机会。

在企业永远是螺丝钉,要有创业的梦想

《阿里创业军团》书里说,在企业我们顶多是从钢的螺丝钉变成镀金的螺丝钉,变成纯金的螺丝钉,但是我们始终不能成为独立运转的机器,一旦这个机器不要我们了,我们插在别的地方说不定是拧不进去的。

前同事林同学在第一次创业失败后,应聘成为一名普通的程序员,如果他不说,没人知道他曾创业两年。在公司干了两年后,拿着积蓄他又跑去创业了。问他这次要再失败怎么办?30岁的他无所谓道,重新找家公司打工挣钱,再想办法创业。

在创业路上,有的人倒下就再也没有起来,有的人尽管跌跌撞撞,但始终在前行。这么多人执着于创业,可能是我们在企业只能像螺丝钉般地流水工作,但创业能野蛮成长为独立的个人。

无论你是在哪条路上,我们每天低头忙碌为的只是像法国诗《海滨墓园》里描述的:起风了,唯有努力生存。



欢迎加入我的知识星球,一起探讨架构,交流源码。加入方式,长按下方二维码噢:

已在知识星球更新源码解析如下:

最近更新《芋道 SpringBoot 2.X 入门》系列,已经 20 余篇,覆盖了 MyBatis、Redis、MongoDB、ES、分库分表、读写分离、SpringMVC、Webflux、权限、WebSocket、Dubbo、RabbitMQ、RocketMQ、Kafka、性能测试等等内容。

提供近 3W 行代码的 SpringBoot 示例,以及超 4W 行代码的电商微服务项目。

获取方式:点“在看”,关注公众号并回复 666 领取,更多内容陆续奉上。

兄弟,艿一口,点个赞!????

【Unity 实用工具篇】 | Book Page Curl 快速实现翻书效果 游戏和应用开发中,真实感的交互设计能显著提升用户体验。Unity3D图书翻页效果插件为开发者提供了一种便捷方式,可在项目中实现高度拟真的书籍翻页动画。 本文介绍该插件的快速使用方法,涵盖从基础导入到自动翻页效果创建的全过程,让我们快速实现翻页效果。 阅读详情

相关推荐

ENSP实验一:防火墙基础配置

配置client(内网)、FTP Server(外网)的IP地址。进入防火墙,输入密码:默认为admin@123。

Carohuan的博客 1万+

“内卷”到底是什么意思?如何突破“内卷”?

这年头,“内卷”一词使用非常普遍,从教育到职场,从婚姻到子女,从住房到投资,似乎人生的各个阶段,社会的各个领域,都普遍陷入了“内卷”。 这个词是不是被滥用了?毕竟“内卷”可是个负面词汇,总不能哪哪都这么负面吧! 本文就是要好好分析一下这个概念,并谈谈如何突破内卷。 一、内卷的定义 内卷(Involution)并不是这几年新创造的网络词汇,内卷可是大有来头的。 德国哲学家康德在《判断力批判》一书(1790年出版)中首次使用内卷概念,两位人类学家则将其发扬光大,一位是亚历山大·古登威泽尔,另一位是克利福德·格尔

老皮的博客 6966

ABAQUS地应力平衡方法详解

在岩土工程数值分析中,首先要对模型进行初始地应力平衡计算。ABAQUS有限元软件有五种初始地应力平衡方法:①自动平衡法;②关键字定义初始地应力法(或在界面操作);③ODB导入法;④初始应力提取法;⑤用户子程序SIGNI法。由于第五种方法需要一定的编程基础,操作起来太复杂不易掌握,故本文只讲解较为实用的前四种平衡方法。 地应力平衡的目标:使土层在自重作用下的变形很小----不存在初始位移,只存在初始应力。一般情况下,最大位移达到10-4次幂以下就可以了。 ①自动平衡法 (如果土体采用线弹性,且比较规则,

m0_69808458的博客 3万+

内卷严重~面试八股文层出不穷!唯2023版Java复盘手册有复盘之路

最近有不少小伙伴表示内卷实在是太严重了,不少程序员都有辞退失业或跳槽的想法,今天给大家分享的这份手册可以快速帮大家找到正确思路,无论你是失业还是跳槽都推荐你看一看,这份手册涵盖了市面上90%的Java面试内容,十分全面!不到最后一刻千万不要放弃,也不要灰心,哪怕到十一月还没有拿到offer也没关系,殊不知等到年底补录的时候也是一个非常容易进大厂拿offer的机会。具体资料已经给大家整理好了,需要获取的小伙伴点击此处获取!六、Spring篇(2023版)一、基础篇:(2023版)四、算法篇(2023版)

bjmsb79的博客 198

MATLAB AppDesigner 中TextArea保留原有信息并换行显示提示信息

App Designer 中的文本区域TextArea组件,一般可以用来作为matlab app设计中的信息显示。 app.TextArea.Value = 'Hello Matlab'; Value可以是字符向量、字符向量元胞数组、字符串数组或一维分类数组。这样直接给TextArea赋值,每次赋值都会消除先前的信息,然后显示新的信息。如果想要在app实现保留原有信息、多行信息的输出,在MathWorks官方帮助中心给出了一种方法: cellArrayText{1} = sprintf('%s\n

我是麻瓜喔的博客 1万+

TensorFlow2深度学习实战(十四):目标检测算法 YOLOv4 解析

最易上手的【计算机视觉】小白教程!

不积跬步,无以至千里! 7637

内卷严重!看看这些java核心资料,提高竞争力,争做拍死别人的后浪

关于分布式,限流+缓存+缓存,这三大技术(包含:ZooKeeper+Nginx+MongoDB+memcached+Redis+ActiveMQ+Kafka+RabbitMQ)等等。这些相关的面试也好,还有手写以及学习的笔记PDF,都是啃透分布式技术必不可少的宝藏。以上的每一个专题每一个小分类都有相关的介绍,并且小编也已经将其整理成PDF啦《一线大厂Java面试题解析+核心总结学习笔记+最新讲解视频+实战项目源码》点击传送门即可获取!itMQ)等等。

2301_82257730的博客 821

把 LangGraph 当“工作流引擎”用:与传统 BPM 的差异与融合策略

首先,我们来回顾一下有限状态机(FSM)的基本定义——一个 FSM 可以用一个五元组MQΣδq0FMQΣδq0​FQQQ有限状态集合,包含 FSM 所有可能的状态;Σ\SigmaΣ有限输入字母表,包含 FSM 所有可能的输入;δ\deltaδ状态转移函数,定义了 FSM 从当前状态q∈Qq \in Qq∈Q接收输入σ∈Σσ∈Σ后,转移到的下一个状态q′∈Qq' \in Qq′∈Q,即δQ×Σ→QδQ×Σ→Q。

AI 原生应用开发的博客 227

程序员技术研发内卷严重大量失业,该何去何从!!

市场环境堪忧最近两年,也就是从2022年开始,经济下行和行业不景气的情况大家都有目共睹,互联网行业的就业情况越来越不容乐观。就业情况整体不好,程序员群体肯定也会受到影响。此外,近十年以来,高校计算机专业大量招生。每年,有大批的计算机相关专业的毕业生涌入就业市场。机关单位、事业单位、企业、学校……就业市场消化得了这么多高校毕业生吗?所以程序员群体会越来越难就业。程序员届就业难辐射到考研届,呈现如下的发展趋势:2010年左右,计算机专业就业才是主流,考研的人很少,基本过线就要。

qkh1234567的博客 1658

RSL-RL:开源人形机器人强化学习控制研究库

摘要:RSL-RL是一款专为机器人领域设计的开源强化学习库,其核心特点是紧凑性、可修改性和高性能。该库聚焦PPO和BC两大主流算法,并整合了对称性增强、好奇心驱动等机器人专用技术。通过纯GPU训练优化,RSL-RL在大型仿真中展现出卓越的吞吐性能,已成功应用于腿足运动控制、全身协调等多个机器人研究场景。其轻量级架构包含运行器、算法和网络三个可独立修改的组件,支持TensorBoard等主流日志工具。该框架特别适合需要快速原型开发的机器人研究者,但不适用于通用机器学习基准测试。开源地址:https://git

2506_90492529的博客 1680

5、硬件工程师笔试面试——上拉电阻、下拉电阻(2025版本)

本文系统介绍了上拉电阻和下拉电阻的原理与应用。上拉电阻通过连接电源确保电路高电平状态,常用于数字电路防抖、OC门驱动等场景;下拉电阻连接地线维持低电平,适用于低电平触发电路。文章详细分析了两种电阻的选择方法、功耗与响应速度的平衡策略,以及在高速信号传输中的影响差异。同时对比了二者的优缺点,并提供了模拟电路中的应用实例。最后给出了电阻值计算的工程方法,为硬件工程师的电路设计提供了实用参考。

XU157303764的博客 2873

25岁进医院、3个月胖15公斤:“80%程序员都经历过的「职业倦怠」,让我彻底清醒了”

【优快云 编者按】在“持续学习”“快速迭代”“永远不够用”的技术语境里,程序员的职业倦怠往往被忽视,甚至被默认为成长的必经之路。但事实是,倦怠并不是不够努力的结果,而是长期高压、失控预期和不健康工作方式叠加后的必然反应。本文作者以一名资深开发者的亲身经历为线索,坦诚讲述了自己从高强度工作走向身心透支,再到逐步走出倦怠的全过程,并总结了几条可落地的应对建议。原文链接:https://www.theseniordev.com/blog/to-every-developer-close-to-burnout-r

优快云资讯 1034

【PCB专题】Allegro导出3D文件

Allegro中如何导出3D文件,有没有一键导出操作?

一点硬件 4990

程序员必看!AI时代如何站稳脚跟?3大策略+5个行动建议,值得反复收藏

在AI时代职场面临巨大变革,个人应与AI协作而非对抗,将AI视为"超级助理"处理重复工作,同时培养机器难以替代的共情力、创造力和批判性思维;建立以信用为核心的人际关系;寻找"错维竞争"赛道,培养"反脆弱"能力;每天思考岗位消失后的备选方案。真正的稳定是随时离开和再造饭碗的能力。

youmaob的博客 663

android 蓝牙通讯demo

android 下蓝牙通讯demo,实现了发现蓝牙,使能蓝牙,通过蓝牙发送消息。

汉书HE8,好用的汇编代码编写工具

汉书HE8,好用的汇编代码编写工具早期编写汇编代码所用功能强大

程序员必藏!AI大模型时代,如何靠这3招在动荡职场中站稳脚跟

【AI时代的职场生存法则】面对AI带来的行业变革,职场人需从三方面应对:1)技能转型:将AI作为工作搭档而非对手,专注培养创造力、共情力等机器难以替代的能力;2)价值重塑:构建个人职场信用而非仅扩大社交圈,通过持续交付超预期成果积累口碑;3)赛道转换:寻找错位竞争领域,将危机转化为职业发展新机遇。真正的职场稳定源于可迁移的核心能力,而非固定职位。本文由资深技术人分享实战经验,助你在AI浪潮中建立职业护城河。

ytt0523_com的博客 298

锂电池充电器电路设计 里面有电路

锂电池充电器电路设计 里面有电路 3.7V升压到5V电路设计。

AI时代如何站稳脚跟?小白程序员必备的职场生存指南(收藏版)

如果说程序员已经是高薪职业,那么干AI的程序员,就是高薪中的高薪。学AI大模型,就是冲刺高薪的最优解!零基础小白不知道从哪入门?有基础的程序员找不到系统学习路径?实战项目练手无门?面试不知道考什么?别慌!今天就给大家整理了一份【2026年最新版】AI大模型免费学习资源包,覆盖从入门到实战、从理论到面试、从基础到进阶的全流程,所有资料均已整理归档,无冗余、无套路,免费分享给每一位想抓住AI风口的程序员和小白!👇👇扫码免费领取全部内容👇👇1、大模型系统化学习路线。

xxue345678的博客 166

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")

提示词工程实战:让AI给21种人生角色做叛逆程度排名

大语言模型不仅擅长文本生成,其回答逻辑也映射出训练数据中的社会共识。通过精心设计的提示词工程,研究者可以引导模型在统一坐标系下完成复杂的主观评估任务——例如对21种人生角色进行“叛逆程度”排名。实验要求模型同时输出叛逆指数与危险系数,并先用两句话描述角色与主流规范的张力,再给出分数。这种“先推理后输出”的设计显著提升了回答的信息量和可解释性,是提示词工程中对抗“端水式回答”的有效策略。该实验的价值在于:一方面为内容创作者、社会观察者和产品经理提供了低成本、可复现的AI行为洞察方法;另一方面也能启发团队破冰、

weixin_34310369的博客 128

内卷到底是什么意思?

万物皆可卷,一夜之间,“内卷”这个词遍地开花。 一、内卷到底是什么意思? 由青塔发的微信推文,清北硕博生,也难逃「内卷」,这一文让我意思到最近听到的很多遍的“内卷”,思考“内卷”到底是什么意思? 我觉得知乎上说的很好,内卷。 通俗易懂的解释内卷,并列举一些例子: 看电影,为了获得更好的视野,一个人先站起来看了,被他挡住的人不得不也站起来,最后大家都不得不站起来看电影,只有第一排的人坐着。 玩游戏,为了更好地娱乐,一个人先充钱吊打别人去了,被他虐的人不得不也充钱,最后所有的人要么使劲充钱要么被吊.

your_棒棒糖的博客 2万+

Java内卷真相揭秘!强烈建议阅读!

【此文章转自乐字节】 最近很多人都来问小编对 2022 年秋招 Java 后端开发岗一片红海的情况怎么看。 在我看来,既然是红海,说明有利可图。 后端职业路径没有明显天花板,上可 CEO,下可打工人。后端封神。而作为首当其冲的 Java,更是诸神之王的存在。 我国大概有 400-700 万程序员,其中光 Java 就占了一半。而大厂所需要的程序员是有限的,高薪也只能给到少数人,所以 Java 的竞争才会如此激烈,与此同时, Java 内卷化也才会越来越严重。 说到底,所谓的“内卷”,其实就是:工作经验只有一

weixin_53173799的博客 4643

为什么java越来越内卷了?

其实,并没有越来越高。只是,相比于过去一段时间的浮躁,现在对java程序员的要求,越来越归于编程的本质。java零基础入门 我记得很清楚,几年前,互联网概念特别狂热的时候,缺人,大家跑马圈地,招java程序员,核心要求就是会各种框架,包括or映射框架、依赖注入框架等等。 坦率的说,掌握这些框架,说难也难,说容易也容易,因为这些东西的本质并不复杂,对人的基本素质要求并不高,关键在于学习者是否能够遇到一个好老师来点拨一下。 这也就是为什么一段时间里,各种java培训班热火朝天的原因。因为就java框架本身

Lalalajtyy的博客 2941

2021年十大网络词汇——内卷

内卷,本意是指人类社会再发展到一定阶段达到某种确定的形式后,停滞不前或无法转化为另一种高级模式的现象。 其实我们身边不乏出现这种现象,比成绩比家世,就连小学生的竞争也开始白热化,大学生的竞争并不比多去说了,特别是我的室友李奥。 因为社会资源有限,所以你想抢到更好的资源就必须得成为一个更好的人,人人那么想,就会让竞争加剧。可是,那些很努力的人该怎么办?他们永远在慢慢努力,心里想着别人比自己快多少步的同时还得估量自己脚下的路。都说努力才有结果,那假如收获只有一点,便陷入了这个无限循环的怪圈。 我们与别人争

L20020607的博客 507

都说内卷严重,还能学java吗?

有人问Java现在还吃香吗?在许多人看来,后端会比前端更为吃香,不论是打工还是创业,Java总是能在其中找到自己的价值和定位。 那为什么会经常有人提出类似的疑问呢? 人人都很努力,但是得到的确很少,内部竞争太严重了,现在的孩子各种补习班,父母们都说:“不想让孩子输在起跑线上”,大家一起竞争,然后这起跑线越来越高了,卷起来了,跑了一圈,发现大家都在原地踏步。 我国大概有400-700 万程序员,其中光Java就占了一半,更别提每年大量毕业生毕业以及培训班学员涌入市场。所以Java内卷是因为就业.

qq_50864729的博客 2130

美国字节程序员吐槽:国内同事太卷了!工资买不起房,卷的意义是什么?

国内互联网大厂内卷严重,有国外程序员质疑,如此卷是为了什么?近日,一个北美tiktok的程序员发帖吐槽:字节国内的同事太卷!楼主说,组里的一部分人在国内,晚上还在交PR。自己到点就下线,睡...

架构师小秘圈 2984

程序员群体内卷化,将来的你会越来越累,付出的多未必你能留,即使你玩命996...

内卷化(involution),又译为“过密化”,吉尔兹提出“农民在人口压力下不断增加水稻种植过程中的劳动投入,以获得较高的产量。然而,劳动的超密集投入并未带来产出的成比例增长,出现了单位劳动边际报酬的递减,即过密化现象。”这种现象叫“内卷化”。内卷这个词用到现在程序员行业意思就是水货太多,高级的太少,技术发展停滞不前,各种内耗。例如,在某个研发团队中,最早的时候,所有的程序员都不加班。在8小时工作时间里,大家有序竞争,谁想脱颖而出,谁就提高工作效率,在创意上下功夫。

weixin_68789096的博客 659
上一篇: Redisson 是如何实现分布式锁的?
下一篇: 神笔艿艿,带你一图弄懂 Redis 分布式锁的牛逼实现~
公众号-芋道源码
博客等级 码龄10年 1636粉丝 377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