值得推荐的经典电影

手把手教你用TiggerRamDisk绕过iPhone/iPad激活锁(支持iOS16.3,Win/Mac双平台保姆级教程) 本文详细介绍了如何使用TiggerRamDisk工具绕过iPhone/iPad的激活锁,支持iOS16.3系统,并提供Windows和Mac双平台的保姆级教程。从工具准备、设备连接到核心解锁流程,一步步指导用户完成操作,帮助二手设备或旧设备重获新生。 阅读详情

让这些电影治愈你

1、缺乏学习动力:《幸福终点站》、《风雨哈佛路》
2、对爱失望:《偷天情缘》、《初恋50次》
3、自卑失落:《阿甘正传》、《肖申克的救赎》
4、失败或绝望:《铁权男人》、《迫在眉梢》、《伊丽莎白镇》
5、厌倦生活:《在世界的转角遇见爱》、《搏击俱乐部》

最费脑力的14部电影
《盗梦空间》、《记忆裂痕》、《生死停留》、《死亡幻觉》、《禁闭岛》、《穆赫兰道》、《蝴蝶效应》、《恐怖游轮》、《伤城》、《盗走达芬奇》、《88分钟》、《万能钥匙》、《决胜21点》、《沉默的羔羊》

结局最意外的20部电影
《搏击俱乐部》、《迷雾》、《心理游戏》、《第六感》、《蝴蝶效应》、《电锯惊魂》、 《赛末点》、《 穆赫兰道》、《非常嫌疑犯》、《魔术师》、《小岛惊魂》、《万能钥匙》、《火柴人》、《七宗罪》、《魔鬼代言人》、《孤儿》、《八面埋伏 》、《香水》、《偷拐抢骗》

走进12星座女孩内心世界的电影
《情人》白羊
《绿荫下》金牛
《初恋50次》双子
《黑暗中的舞者》巨蟹
《办公室的故事》狮子
《傲慢与偏见》处女
《西西里的美丽传说》天秤
《布达佩斯之恋》天蝎
《艳舞女郎》射手
《杨朵儿》摩羯
《罗丹的情人》水瓶
《天使艾米丽》双鱼

16部讲天才的电影
《美丽心灵》、《雨人》、《波拉克》、《暗物质》、《天才瑞普利》、《猫鼠游戏》、《香水》、《一级恐惧》、《心灵捕手》、《莫扎特传》、《证据》、《海上钢琴师》、《电锯惊魂》、《沉默的羔羊》、《非常嫌疑犯》、《寻找弗罗斯特》

推荐给女人的十部电影
1、《乱世佳人》(坚强)
2、《母女情深》(亲情)
3、《简爱》(尊严)
4、《蒂凡尼的早餐》(虚荣)
5、《白领丽人》(才华)
6、《钢琴课》(沟通)
7、《漂亮女人》(浪漫)
8、《紫色》(苦难)
9、《末路狂花》(女权)
10、《女人那话儿》(性爱)

推荐给男人的十部影片
1、《阿甘正传》(执着)
2、《东方不败》(才华)
3、《美国往事》(人生)
4、《罗马假日》(爱情)
5、《勇敢的心》(勇气)
6、《辛德勒的名单》(责任)
7、《肖申克的救赎》(信念)
8、《E.T》(童心)
9、《现代启示录》(痛苦)
10、《第七封印》(哲思)

推荐给心理爱好者的10部经典电影
《致命ID》多重人格障碍;
《歌西卡》犯罪心理学;
《美国精神病》双重人格;
《钢琴教师》性心理变态;
《美丽心灵》偏执性精神分裂;
《记忆碎片》失忆症;
《蓝丝绒》心理扭曲;
《雨人》自闭症;
《本能》性与暴力;
《沉默的羔羊》变态心理。

最值得欣赏的英式发音电影
《如果能再爱一次》、《成长教育》、《穿越时空爱上你》、《生死朗读》、《猜火车》、《哈利波特》《女王》、《真爱至上》、《恋爱假期》、《诺丁山》、《真爱之吻》、《傲慢与偏见》、《莎翁情史》、《成为简奥斯汀》、《福尔摩斯》、《雾都孤儿》、《兵临城下》、《英国病人》

因为名字烂而被错过的好电影
《三傻大闹宝莱坞》、《刺激1995》、《搏击俱乐部》、《机器人总动员》、《杀死比尔》、 《低俗小说》、《落水狗》、《午夜牛郎》、《洋葱电影》、《蝴蝶效应》、《诺丁山》、《两杆大烟枪》、《摇滚黑帮》、《十诫》
海鸥派OpenEuler开发板实战:从烧写到SSH连接的完整指南 本文提供海鸥派OpenEuler开发板从开箱到SSH远程连接的完整实战指南。详细介绍了基于海思SD3403/SS928芯片的算力开发板系统烧写、存储扩容、网络配置等关键步骤,帮助开发者快速上手这款AI边缘计算设备,并实现高效的远程开发与管理。 阅读详情

相关推荐

Markdown编辑器介绍

这篇文章介绍了Markdown编辑器的功能和使用方法。主要内容包括:Markdown的基本语法如标题、列表、链接插入等;新增功能如图片拖拽、数学公式支持、甘特图和UML图表绘制;常用快捷键说明;以及文本导出导入操作。文章详细说明了如何通过Markdown语法实现文本格式化、代码高亮、表格创建等功能,并提供了多种图表绘制的语法示例,帮助用户更好地利用Markdown编辑器进行写作和内容创作。

soso1968的博客 1181

电影收藏

【各类好电影】[最费脑力的14部电影】《盗梦空间》、《记忆裂痕》、《生死停留》、《死亡幻觉》、《禁闭岛》、《穆赫兰道》、《蝴蝶效应》、《恐怖游轮》、《伤城》、《盗走达芬奇》、《88分钟》、《万能钥匙》、《决胜21点》、《沉默的羔羊》【感动无数人的电影】《恋空》《婚纱》《比悲伤更悲伤的故事》《我脑中的橡皮擦》《属于你的我的初恋》《夏天协奏曲》《天使之恋》《分手信》《近在咫尺的爱恋》【15部...

aocandr8991的博客 14万+

[特殊字符] 智能补货(AI-driven Replenishment)完整实施方案

补货量=预测需求+安全库存−当前库存补货量 = 预测需求 + 安全库存 - 当前库存补货量=预测需求+安全库存−当前库存。:基于 LSTM/Transformer 预测未来 30/60/90 天的销量。

nbsaas-boot基于Request-Response的企业级快速开发框架 967

男人和女人分别必看的十大电影(共20部)

男人必看的十部电影 一《美国往事》 课程:人生   《美国往事》包含了一个男人在这个世界上所能遇到的一切。友情、爱情、想、 责任、冲突。它更像是一场让人不愿醒来的梦,当面条躺在床上,在温暖的灯光和的迷离的电话铃声中回到那些逝去了的岁月,这场梦便开始了,直到最后的面条终于露出笑容,我们才回到自己的人生,去继续那些不尽的故事。什么帮派,什么仇杀,原来都不重要,印象中只有一个毛躁

youoran的专栏 1万+

别再手动对照了!用Python+ArcGIS Pro一键搞定三调数据转土地三大类

本文介绍如何利用Python和ArcGIS Pro实现三调数据向土地三大类的自动化转换,大幅提升国土空间规划和土地变更调查的工作效率。通过封装分类规则为Python函数并集成到ArcGIS Pro脚本工具中,解决了传统手动操作耗时且易错的问题,适用于大规模数据处理场景。

weixin_29081101的博客 304

Win11下USB-Blaster驱动安装全攻略:Quartus用户必看(附常见问题解决)

本文详细介绍了在Windows 11系统下为Intel FPGA开发工具Quartus安装USB-Blaster驱动的完整流程与常见问题解决方案。针对Win11更严格的驱动签名验证机制,提供了从标准安装步骤到高级故障排查(如禁用驱动强制签名、使用测试模式)的实用指南,帮助用户快速解决驱动安装失败问题,确保FPGA编程调试顺利进行。

weixin_29256771的博客 663

男人必看的10部电影

  男人必看的10部电影    《阿甘正传》课程:执着     每次想起阿甘在美国东西海岸之间的奔跑,心里都会止不住的伤感,还有振奋。     你相信一个智障儿的成功吗?你相信这世上得到最多的人正是那些不计得失的人吗?     阿甘不懂得他不能总跟着一个女人帮她打架,也不懂得一个成年人不该总把妈妈的话挂在嘴边。阿甘什么都不知道,他只知道凭着直觉在路上不停地跑,并且最终跑到了终点。另外,《阿甘正传》

feijj2002_的专栏 6613

让 OData V4 界面更聪明:SAP UI5 中的 Side Effects 全解析

摘要:在OData V4应用中,字段修改常触发联动更新(Side Effects)。SAP UI5支持通过后端PATCH响应隐式返回或前端显式请求(requestSideEffects)两种方式处理。最佳实践包括:在validateFieldGroup事件中触发同批次请求,使用$$patchWithoutSideEffects避免重复刷新,并在草稿场景优化响应体。注解定义触发规则,而前端负责执行时机,二者配合可减少网络开销并保证数据一致性。Fiori elements进一步扩展了Side Effects在批

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 178

男人必看十大电影 VS 女人必看十大电影

【电影】男人必看十大电影 VS 女人必看十大电影 回复“奇葩”,查看让人惊讶六大奇葩酒店! 男人必看十大电影 一《美国往事》课程:人生   《美国往事》包含了一个男人在这个世界上所能遇到的一切。友情、爱情、想、责任、冲突。它更像是一场让人不愿醒来的梦,当面条躺在床上,在温暖的灯光和的迷离的电话铃声中回到那些逝去了的岁月,这场梦便开

Gerry的写意人生 1万+

基于Python的新闻聚合与推荐系统:抓取多新闻网站内容并根据用户兴趣进行个性化推荐

本文介绍了如何使用Python构建一个新闻聚合与推荐系统,涵盖了从新闻数据抓取、用户兴趣建模到推荐算法实现的全过程。通过爬虫技术抓取新闻网站内容,使用TF-IDF、Word2Vec等算法进行内容分析,并通过推荐算法向用户推送个性化的新闻,最终帮助用户快速获取自己感兴趣的信息。你可以根据具体需求,进一步扩展和优化系统。例如,加入更多的推荐算法、优化爬虫的抓取效率、增强前端展示的互动性等。通过本文的指导,您应该能够构建一个完整的新闻聚合与推荐系统,并为用户提供个性化的新闻推荐服务。

2201_76125261的博客 1514

数据结构(超详细讲解!!)第十七节 队列应用(杨辉三角)

杨辉三角

2201_76115387的博客 1376

男人、女人都 值得推荐的经典电影

男人、女人都 值得推荐的经典电影   让这些电影治愈你 1、缺乏学习动力:《幸福终点站》、《风雨哈佛路》 2、对爱失望:《偷天情缘》、《初恋50次》 3、自卑失落:《阿甘正传》、《肖申克的救赎》 4、失败或绝望:《铁权男人》、《迫在眉梢》、《伊丽莎白镇》 5、厌倦生活:《在世界的转角遇见爱》、《搏击俱乐部》 最费脑力的14部电影 《盗梦空间》、《记

潇湘博客 5491

NPC 三电平逆变器中点电位平衡算法详解

最常用:零序电压注入(简单、计算量小)最可靠:虚拟空间矢量调制(VSVPWM)及其改进形式(全范围平衡)趋势:结合模型预测控制(MPC)或智能算法(模糊、神经网络)进一步提升动态性能和鲁棒性。NPC 三电平逆变器中点电位平衡算法的 C# 实现示例(零序电压注入法 + 闭环补偿)在 NPC(Neutral Point Clamped)三电平逆变器中,中点电位平衡最常用且易于软件实现的方案是零序电压注入法。

专注于前沿技术的探索与实践,热衷于从代码逻辑、架构设计到行业应用等多维度深挖技术本质。期待在技术之路上与你共同成长~ 325

10部值得反复重温的经典电影推荐

本文推荐了10部值得反复重温的经典电影,涵盖奇幻冒险、热血励志、史诗战争、治愈动画和科幻等类型。片单包括《范海辛》《加勒比海盗》《摔跤吧,爸爸》《勇敢的心》《寻梦环游记》等高分作品,每部都附有适合人群和观影特点说明。文末提供快速选片指南,帮助观众根据偏好选择。这些电影口碑稳定、类型多样,具有长期观赏价值,适合周末补片或重温收藏。

像风一样自由的博客 2627

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")

ssm框架搭建

这个是一个在idea上成功跑起来的ssm框架项目,保存在这里方便以后使用直接下载

有哪些值得实力推荐的高评分经典电影,VIP视频解析网站推荐十部

近年来评分高的电影不算很多,但近年来的高评分电影也未必每一部您都看过,跟vip视频解析官网一起来品品那些让人狂打call的电影情节。 1.肖申克的救赎 The Shawshank Redemption  “这是一部男人必看的电影。”人人都这么说。但单纯从性别区分,就会让这电影变狭隘。《肖申克的救赎》突破了男人电影的局限,通篇几乎充满令人难以置信的温馨基调,而电影里最伟大的主题是“希望”。 当我...

Z88alisa的博客 1万+

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

FW: 男人必看必看的十部经典电影_拔剑-浆糊的传说_新浪博客

男人必看必看的十部经典电影[收藏] http://you.video.sina.com.cn/a/1498956-1342237005.html

拔剑—浆糊的传说 268

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

推荐电影

1. Devil's Advocate  《魔鬼代言人》 2. Pay It Forward  《让爱传出去》 3. The Flight Plan  《空中危机》 4. The Accused  《被告》 5. Boys and Girls 《男孩女孩》 6. Erinbrockwich   《永不妥协》 7. A Few Good Men  《义海雄风》 8. Step Mum   《亲亲小妈...

shiren1118的专栏 236

经典欧美电影列表

男人必看的10部电影, 罗马假日 Roman.holiday.1953 爱情 阿甘正传 Forrest.gump.1994 执着 第七封印 The.Seventh.Seal.1957 哲理 东方不败 才华 美国往事 ONCE.UPON.A.TIME.IN.AMERICA 人生 外星人20周年重映版 E.T.20 E.T 童心 现代启示录(新版) Apocalypse.Now.Redux 痛苦

微型16/32位嵌入式GUI 3631

挚爱推荐:《阿甘正传》(Forrest Gump)

阿甘正传 Forrest Gump 又是一个周末,又来推荐电影了。这一次终于可以写自己最爱的影片——《阿甘正传》! 该片由汤姆.汉克斯主演,获1995年第67届获最佳影片,最佳导演,最佳男主角,最佳剪辑,最佳视觉效果等六项大奖。 这是我迄今为止看到的最动人的电影之一,汤姆.汉克斯也是我最欣赏喜欢的美国演员。 现在,影片开始了—— 白色的羽毛在蓝色的天...

weixin_34137799的博客 554

我最喜欢的电影全记录

1、勇敢的心-----------男人要看的电影 2、辛德勒的名单----好人要看的电影 3、兵人----------------即使只是战争武器 4、肖申克的救赎----聪明人要看的电影(我老婆的评价) 5、阿甘正传----------体现了美国的发展过程,但太老土了(我老婆要放上来的) 6、美景饭店----------恐怖片中排名第三,但我认为应该排名第一,有胆的一个人看完 7、驱魔人一、二 ...

eastviking的专栏 201

看来不止一次的电影(电影经典给你好看准备下载下来,免得以后收费了)

排名不分先后,这是我看过不止一次的电影 何以为家 超体(斯嘉丽·约翰逊) 永无止境(跟超体有点类似题材) 被解放的姜戈 一条狗的使命(1和2两部) 大叔(又名孤胆特工) 老手(韩国黄政民,中国版叫大人物王千源包贝尔主演) 你的名字(动画版) 肖申克的救赎 猫鼠游戏(又名逍遥法外) 阿甘正传 当幸福来敲门 西红柿首富 夏洛特的烦恼 无名之辈 战狼系列 西西里的...

weixin_30920853的博客 812

难忘的

<br />电影<br />     肖申克的救赎、美丽心灵、蝴蝶效应、我的野蛮女友、偷拐抢骗<br />     低俗小说、记忆碎片、<br />动画<br />     天空之城、千与千寻、龙猫、风之谷、幽灵公主、小红帽<br />     七岁庵、萤火虫之墓、荒野生存、无间道、<br />电视剧<br />     一公升的眼泪、牵绊的爱、老友记、神探阿蒙<br /> <br /> 

clover的专栏 425

电视剧的手机很不错,推荐看一看

我知道鄙视电视和电视剧是流行观点   不过电视剧版的手机绝对是例外   对于所有中年+即将中年的男人来说,这片里总有点东西让你心有戚戚焉   不装逼的说,拍得很深刻。只要晚上有时间,我都看,值得   除了王志文演得太假之外,都很好。   范明演黑砖头出神入化,影帝水准,可做总X理   适合资深男人看看。推荐参考电影美国丽人   如何在40岁后活得还像个人,问题很严重 ...

总搞得定 272

各种电影

【让这些电影治愈你】: 1、缺乏学习动力:《幸福终点站》、《风雨哈佛路》 2、对爱失望:《偷天情缘》、《初恋50次》 3、自卑失落:《阿甘正传》、《肖申克的救赎》 4、失败或绝望:《铁权男人》、《迫在眉梢》、《伊丽莎白镇》 5、厌倦生活:《在世界的转角遇见爱》、《搏击俱乐部》 【最费脑力的14部电影】: 《盗梦空间》、《记忆裂痕》、《生死停留》...

weixin_30677475的博客 203
上一篇: C#中的HashTable与Dictionary小结
下一篇: 给IT新人的15点建议:苦逼程序员的辛酸反省与总结
疯疯爱吃辣
博客等级 码龄15年 25粉丝 26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