观人、识人、 用人

《识人用人管人》的读书笔记 学习书中内容后,我开始注重自身的影响力塑造,主动去关心员工的生活和工作感受,在出现问题时,以平和、引导的方式去沟通解决。比如在一次团队招新中,我改变了以往只看简历和简单面试的做法,增加了小组合作讨论环节,观察候选人在团队协作中的表现、沟通能力以及解决问题的思路,最终选拔出了更契合岗位需求的人才。总之,《识人用人管人》这本书就像一位无声的导师,为我在管理之路上点亮了明灯,让我明白管理不仅是一门科学,更是一门需要用心去经营的艺术,需要不断学习、实践和反思,才能让团队发挥出最大的效能,实现共同的目标。 阅读详情
治理之道,就是善于用人之所长,避人之所短,也就是使人人各得所宜,而都能各扬其所长,避其所短。

   识别人才,考核才能,是治理国家 的根本。因此,在很早年间,古人就提出:为治以知人为先。即治理国家以了解、识别人为最首要的事情。可以说,非知人不能善其任,非善任不能谓知之。这很富 有哲理的良言告诉世人,不了解人就不能很好地使用人。没有很好地使用人就是因为没有了解人。所以,得人之道,在于识人。而识人之前,重在观人。观人重在言 与行,识人重在德与能,不细观则不能明识,不明识则不能善用。只有知人才能善任,因为对一个人了解得越深刻,便用起来就越得当。历来人们都认为,帝王之 德,莫大于知人。也就是说,帝王的作用,没有比识人更重要的了。如果一个国君,有贤不知,知而不用,用而不任,这是一个国家三种不祥之兆的表现。所以,作 为一个明君,最大的隐患就在于不能知道和识别人才。若不能识人,势必不能用人。一旦知道和识别到人才,又不及时地推荐和提拔使用,则为失才的表现;同样, 一旦了解和识别的人既缺德又缺才,而又不及时地从其现任的位置上撤职和采取切实可行的措施进行罢免,继续将其留用,这必然是国家之祸,使人民受害,后患将 是无穷的。古今中外的有识之士对识人的重要性都看得非常清楚,他们产生了极为相近的一种共识:要想国家繁荣富强,人民安居乐业,生活水平不断提高、完善, 可以不识字,但不能不识人。总之,国家兴亡,务在得人、用人。得其人任用之则存,失其人未任用则亡。何世无才,患在不识。

   知人善 用,择贤而任。要做到知人善用,所谓知人,就是考察选准人才;所谓善用,就是正确地使用人才。要做到择贤而任,所谓择贤,就是要选择那些德、才、能三才兼 备的善良者;所谓而任,就是将具有德、才、能三才兼备的善良者任用到重要的工作岗位上去,发挥他们应有的智慧与才能。

   那么,究竟怎样才能考察出一个人的品德如何、能力如何及其是否具有真才实学呢?

   其实,标准很多,方法也很多。在此,笔者提出一个全面衡量人才的10项标准,以供明君参考:一、品德;二、能力;三、学识;四、交际;五、目的:六、行为;七、志向;八、专长;九、发展;十、成就。

    举凡对那些品德高尚、能力突出、学识渊博、交际广泛、目的纯正、行为端庄、志向远大、专长精熟、发展全面、成就卓越的人来讲,我们可认定他为上上之 才;而对那此品德恶劣、能力平平、学识粗浅、交际凡泛、目的不纯、行为不端、志向渺小、专长全无、发展没有、成就归零的人来讲,我们可认定他为下流之徒; 再对那些具备10项标准中一两条或三四条的人来讲,我们可认定他为平庸之辈,或是一般性人才,对那些已具备10项标准中五六项或七八项的人来讲,我们可认 定他为中才,或确定其为上等人才。衡量一个人的全面并定义一个人才的水准,是应有所变动的,因为人本身是无时无刻都在变化与发展之中的,坏的人也可能变 好,好的人也可能变坏。因此,我们要用发展的眼光看待人,用客观真实的眼光审视人,用全面公正的眼光定义人。观人要由表及里、注重表里如一,识人贵新不贵 陈,用人须鉴古察今。以史为镜,明兴衰;以经为镜,通事理;以人为镜,知得失。

   衡量一个人是否真的是一个人才和贤良,其方法举不胜举。下面,笔者就庄子和诸葛亮提出的一些观人、识人、用人的方法,再结合本人对观人、识人、用人总结出的一些浅显方法与见识,提出观人、识人、用人26法。特陈述如下,以供圣明的领导参考。   

 1、近使之而观其敬   
        他是否尊敬,将其安排到自己身边工作一段时间后,就会得知所谓“近使之而观其敬”,就是指将所要识别的对象安排到自己身边工作,因为天天在一起相见容易相 熟,久而久之就会没有拘束,这样就便于考察他的恭敬行为如何。也就是观察他(这个人)在与人相交往的过程中是如何对待自己与他人的关系的。

    古人云:“行己莫如恭,自责莫如厚。”即为人处世一定要恭敬,要求自己一定要严格。当然,“恭而无礼则劳,慎而无礼则怯,勇而无礼则乱,直而无礼则 绞。”如果一个人不知礼节,虽然态度恭敬,却不免劳顿;虽然行为谨慎,却不免胆怯;虽然性情勇敢,却不免莽撞;虽然性格直率,却不免急切。这些是对一个人 在待人处世的态度、行为、性情及性格上的要求。那么,一个人在做人及为人上,如果能做到谦虚谨慎,人们就会心悦诚服;做到诚恳老实,事情就每每成功。

    “行谨则能坚其志,言谨则能察其德。”做事谨慎,就能使自己的志向更坚定;说话谨慎,就能使自己的德行更崇高。说明人应该言行谨慎,不乱说乱动。如果 在自己身边工作的人因相处比较熟了,而放松对自身的谨慎,这是会出问题的。如同在平坦道路上行走的人放纵自己而脚下不留意,这样走快了就会摔跤;在艰险的 道路上行走的人有所戒备而出脚很小心,因此走得很慢,反而跌不了跟头。这就指出了越是平易的地方,越是要谨慎。同理,在领导身边工作的人员越要谨慎。

   常言道,你敬人一尺,人敬你一丈。尤其在领导身边的工作人员,应该自律、自重、自爱、自尊、自励、自强,严格要求自己,树立良好形象,不做有损身份的事,这样才能经受住近使之而观其敬的考验。

2、远使之而观其忠

   他是否忠诚,将其指派到远方工作一段时期后,就会从一些事实和侧面的反映中得以验证。所谓“远使之而观其忠”, 就是指将所要识别的对象指派到远方去工作,因为相距很远而不能在一起,所以一个人在远方是办理正务还是胡作非为,就能够从其具体工作表现及侧面反映上了解 到他是否真的忠诚。这样的做法就是要考察他的忠诚度如何。也就是通过他在任职期间内的一些具体表现和侧面反映中观察出一个人的本质好坏,究竟是忠与不忠, 乃至于是一般性的忠诚抑或是绝对忠诚。

   在现实生活中,确实有“远使之而观其忠”这样的必要。因为在一些人看来,在天高皇帝远的地方 工作,可以随心所欲、为所欲为,想干什么就干什么,想要什么就要什么,甚至视国家和人民的利益而不顾,目中无法,搞钱权交易、钱钱交易、权力交易、假公济 私、损公肥私、吃喝玩乐,真可谓“五毒俱全”。在远离国家中央政府(或公司总部)的地方工作,上级难管到,群众(或员工)管不了,这样就给一些心存私欲的 人提供了可以胡作非为的可能和机会。

   为什么在远离领导的地方工作,有的人就干得很出色,有的人就干得很糟呢?关键就在于是否忠诚。 心存歪念的人总是当着领导的面前拼命干,领导不在时就不干;领导在场时总是规规矩矩,领导不在时就为所欲为。当然,在现实生活中,也有更多的人是领导在场 与不在场都是一样工作,尤其是领导不在场时,工作照样干得很出色。   

3、烦使之而观其能

   他是否有吃力,将复杂 的局面和频繁的事务交由其处理和完成,就会检验出真实的能力。所谓“烦使之而观其能”,即指在情况复杂时派他去工作,或是频繁地交给他一些工作并要求他在 一定的时限内完成,从而考察他完成的过程和结果怎样,由此可看出他的能力如何。一个人的能力有大有小,有高有低,但在一般情况下是难以区分出来的。只有通 过派给他(她)很多的事务和在各种复杂多变的情况出现时,让其所识别的对象去独立处理,经过他(她)在实际工作中的具体表现,才能辨别其能力的高低、大 小。

   凡论人,“通则观其所礼,贵则观其所进,富则观其所善,听则观其所行,止则观其所好,习则观其所言,穷则砚其所受,贱则观其所 为,喜之以验其守,乐之以验其僻,怒之以验其节,惧之以验其特,哀之以验其人,苦之以验其志。这就是说,凡是要考察一个人,当他仕途顺利时就看他所尊敬的 是什么人,当他显贵时就看他所任用的是什么人,当他富有时就看他所养的是什么人,听了他的言论就看他怎么做,当他空闲时就看他的爱好是什么,当和他熟悉了 之后就看他的语言是否端正,当他失意时就看他是否有所不受,当他贫贱时就看他是否有所不为。要使他欢喜以考验他是否不失常态,使他快乐以考验他是否放纵, 使他发怒以考验他是否能够自我约束,使他恐惧以考验他是否能够自恃,使他悲哀以考验他是否能够自制,使他困苦以考验他是否不改变其志向。

    凡是要选用将帅,必须先考察他的品德才能,然后向他交代方略任务,让他自己估量能否胜任,进而让他谈自己的设想,包括要使用哪一种盔甲兵器〔工具〕, 需什么人做参谋、副手,要多少兵马〔人员及装备〕,用多少钱粮〔资源〕,在那里置营〔选择地点〕,何时成功(时间安排),自始至终的重要事项,都让他们自 己筹划安排。“察能而授官者,成功之君也。”所以,我们先考察一个人的能力,然后才授予官职,这便是成功的国君。这也是我们“烦使之而观其能”的目的所 在。

4、卒能问焉而观其知

   他是否有智慧,在仓促和紧迫的情况下突然地询问他,就会发现其智慧体现的真实水平。“卒能问焉而观其知”,指 在匆忙和仓促的情况下突然询问他,看他的智慧如何。这是一种识人的方法。在应急情况下,料想不到的事情发生了,如何处理好这突如其来的事情,通常的人往往 是束手无策,处于无可奈何花落去的状态。而对于智商高、反映灵敏的人来说,即便遇到料想不到的问题像还珠炮地向他扑来,他也会从容不迫,遇险不惊、有条不 紊地给以恰如其分的回答。

   当在毫无任何准备的情况下,面对突然提出的问题,要想做出令人满意的回答,或对答如流地将问题一一分别做 出相应的回答,这种智慧一般的人难以做到。只有学识十分丰富,经验十分成热,智商较高,天资十分聪明,反应能力比较灵敏的人才能做到。尤其是当今世界,科 技发展日新月异,在时代发展如此迅速的信息社会中,事物发展的迅速性,更需要思维敏捷的人才,解决和回答现实中许多迫切需要立即解决而仍未解决的一系列新 情况、新问题。要识别这样的人才,应“卒能问焉而观其知”,事实证明,这是明智之举。

   在实际生活中,有答记者提问式的新闻发布会, 有在学校上课的课堂上、学生突然向老师提出事先没有料想到的各种问题,有在政府谈判、商业谈判桌上的一方突然要求另一方立即回答事先未想到的问题,有在辩 论会上十分激烈时各自向对方提出必须立即回答的千奇百怪的各种问题,从中可以识别出智慧高的人和智慧一般的人。    

5、急与之期而观其信

    他是否守信,在事态紧迫的情况下求其帮助、和其相约,就会在其赴约或不赴约中得以验证。“急与之期而观其信”,是庄子提出的一种识人方法。其意思是, 在紧迫的情况下和他相约,看他是否守信。“信”,是为人之道。常言道:言必行,行必果,果必真。“信”,就是要守信承诺,说到做到。其实,这也是做人的一 顶基本要求。

   孔子说:“人而无信.不知其可。”就是指一个人如果缺乏诚信,那么他就难以得到正面的评价。由此可见,坚持守信对做人是多么重要。

    古代案例:战国时,泰国商鞅〔即公孙鞅〕,在国王的支持下,准各变法革新,为了获得平民百姓的支待,商鞅在首都南门,竖立一根三丈长的木杆,贴出告 示:“将木杆移置北门者,给予黄金三百两。”“老百姓不知其中缘由底细,没有人敢去搬,一天后,商鞅增加赏额至一千两黄金。这时,一个胆大的人决心去搬这 根木头。他费了半天工夫,累得满头大汗,终于将木杆移到了北门。商鞅当即指示,给他一千两黄金。这个消息很快传遍了秦国城乡,老百姓都认为,商鞅言而有 信,说出来的话必定能够实行。这样,商鞅即将推出的改革就有了良好的社会舆论基础。

   在现实生活中,“信”往往是不容易做到的。有的人对下属、朋友、同事许下诺言,可是过一阵子就忘了。何况“急与之期而观其信”,这样的守信就更不容易做到了。正因为如此,所以,“急与之期而观共信”作为识人的一种方法就更难能可贵了。

   考察一个人的途径有很多,方法也很多,但是考察一个人应该首先考察他的“信”却是最先一步和最重要的。守信的人自然会得到大多数人很好的正面评价,反之,就会受到诋毁和抨击。   

6、委之以财而观其仁

    他是否仁义,将钱财托付其管理和使用,通过观察其对钱财的态度和对钱财的运用,就能得出结论。“委之以财而观其仁”,即指在考察识别人才时,通过托付 给被考察对象以钱财而观察他的廉洁情况如何。爱财如命,见钱眼开的人绝不会是廉洁奉公的。相反,只要是真正的廉洁奉公的人,绝不会损公肥私去争不义之财。

    贪为私动,贿随权集。对钱财看得太重的人,往往会想尽一切办法去拉拢贿赂一些有权有势的人来做他们的保护伞和摇钱树。志士仁人,无求生以害人,有杀身 以成仁。从钱财来识别每个人是不是仁者,就是看他对钱财采取什么样的志度。为私而贪者为不仁,为公而见钱廉洁者为仁者。廉洁的人不追求不应有的财物。所 以,古人云:“廉者,民之表也,贪者,民之贼也。”即指官吏廉洁奉公,就是老百姓的表率:官吏贪赃枉法,就是残害老百姓的强盗。纵观古今中外仁者,他们共 同的优点就是不贪不义之财。

   贪夫徇财,其害无穷。明代有位官员.因贪赃受贿,事发后跳井自杀。朱元璋听到此事后对群臣说:“彼知利 之好,而不知利之害,徒知爱利,而不知爱身,人之愚孰有甚于此?”他进一步发挥说:“君子闻义则喜,见利则耻,小人见利则喜,闻义则不从,是故君子舍生取 义,小人则舍生为利,所为相反。今其人死不足恤。”礼部尚书就此议论说:“其事可为世之贪污者戒。”

7、告之以危而观其节

   他是否有气节,当危难来临时让其处置,就会检验出他的节操。“告之以危而观基节”,就是指在识人时,告诉给你 所要识别的对象出现了危难的情况让他处置,从他处理危难的情况来观察其节操。节操,既指气节情操,就是一个人在关键时刻和重大原则问题上表现出来的立场和 道德方面的坚定性。

古人讲得好:“将受命之日刚忘其家,临军约束则忘其亲,抱鼓之急则忘其身。”表现在人生道德情操方面,就是思想情感的正义性——勇于坚持真理,凛然伸张正义,绝不献媚争宠,始终正大光明,保持高风亮节,珍重国格人格。

范仲淹曾以直言而遭三贬,三起三落都不改其志,他为国为民,敢言敢谏,始终如一。他先忧后乐的精神,仁人志士的节操,对时人后人的影响都很大。正因为范仲 淹重气节,其用人必然是多取有气节的人。这些有气节的人大都是敢于直言不讳,从而得罪了当权者,他们往往是以细故而被否认其大节,因而“不幸陷于吏议”, 且这些正直之士,大多是有真才实学者,他们被降职不用,实是国家的损失。因此,范仲淹在他身为边帅掌握实权时,力之所及,任用他们为国效力。也使贤才不致 埋没成为废人。如他重用的孙盛敏,才勇过人,议论刚直,三知庆州,人服其能,曾与狄青共率兵破平依智高。而腾达道这人有文武全才,曾被贬低,范仲淹素重其 人而重用之。事实也证明,范仲淹善于知贤才,他任边帅期间因用的气节中人,边城无虞,西夏不敢入侵;而经他荐拔的大批学者,为宋代学术鼎盛奠定了基础。

气节中人必然赏识气节中人。范仲淹的例子就是很好的说明。一个人在危难的时候能够挺身而出、果敢坚毅地堆护国家〔或是公司〕的利益、人民〔或是员工〕的利 益,并能够把事态控制在最有利的一面上,既保护了国家(或是公司)又抑制了事态的恶性发展,这其中必然充分体现了他的气节和能力。那么,这样的人才就是被 重用的对象。

8、醉之以酒而观其态

   他是否有德,用酒将其灌醉,就会在其是否有失态的言语和举止中得到证实。“醉之以酒而观其态”,就是把要考察 的人用酒灌醉来了解其变化的形态,从而如其修善的程度。酒本来就是使人狂放不羁之物,请人喝酒,又要苛求人不要酒后失态,就太难了。所以,有不少人认为, 醉之以酒而观其德,此法甚好。人虽有德,醉后则不能自持,此亦白璧之瑕也。这就是说,酒醉后可以看出其德行,人虽有德行,酒醉后往往不能自我控制,这也是 白玉之微瑕也。意思是指通过观察人的行动来识别人。

9、杂之以处而观其色

  常言通:英雄难过美人关。人生中总会要经过几道关,什么金钱关、权力关等,而美色关就是其中的代表。能否过好这 些关,就看一个人的素质如何及品性如何。品德高尚的人,索质较好的人,一般来说都能过好金钱关、权力关和美色关等;但也有一些意志薄弱的人,思想素质较差 的人,一般来说是难过这些关的。我们不反对男女之间的正常来往和正常相处,同时,我们也反对那种只要把男女放在一起就视其为关系不正常的偏见。

   关于欲念上的事,一个人绝对不要跌入其中,否则,一味贪图享乐,便会坠入万劫不复的深渊而不能自拔。一个人应该有自制能力,抗拒欲念的诱惑。

    男女之间的正常关系是有一定界限的,一旦超过了正常的界限就是不正常的关系。如有妇之夫、有夫之妇的男女,出现了第三者插足,出现丁婚外情、外遇等现 象就是不正常的关系。尤其那些好色之徒、色狠或卖淫嫖娼者,更是思想品德败坏的人。如果把这样的人将其男女杂之以处,就一下子可看出他好色的本性。对于那 些思想品德好的人来说,把他们放到这样的环境中,他所反映出来的是能够很恰当地和谐地处理好男女之间的正常关系,他们绝不会因“好色”而自毁前程、重重地 摔一跤的。所以,识人,采取“杂之以处而观其色”是为上策。


 
计算机视觉之ResNet RestNet是2015年由微软团队提出的,在当时获得分类任务,目标检测,图像分割第一名。该论文的四位作者何恺明、张祥雨、任少卿和孙剑如今在人工智能领域里都是响当当的名字,当时他们都是微软亚研的一员。实验结果显示,残差网络更容易优化,并且加深网络层数有助于提高正确率。在ImageNet上使用152层的残差网络(VGG net的8倍深度,但残差网络复杂度更低)。对这些网络使用集成方法实现了3.75%的错误率。获得了ILSVRC 2015竞赛的第一名。原文链接这是一篇计算机视觉领域的经典论文。 阅读详情

相关推荐

PDN分析实战:电源完整性设计与Altium PDN Analyzer全流程指南

电源完整性(PI)是嵌入式硬件系统稳定运行的基础能力,其核心在于控制电流密度与电压降两大物理量。基于欧姆定律与热-电耦合原理,PDN分析将抽象的电源噪声问题转化为可量化、可定位的几何与电气参数优化过程。该技术显著提升系统抗干扰能力、降低复位与ADC漂移等隐性故障率,并直接支撑EMC合规性设计。典型应用场景包括电机驱动板、Wi-Fi模块、STM32/ESP32等资源受限型MCU供电网络验证。本文以Altium Designer为工具平台,结合IPC-2152标准与真实工程案例,详解从功率预算、模型构建到瓶颈定

weixin_28949937的博客 228

[收藏]观人·识人·用人26法

    治理之道,就是善于用人之所长,避人之所短,也就是使人人各得所宜,而都能各扬其所长,避其所短。         识别人才,考核才能,是治理国家的根本。因此,在很早年间,古人就提出:为治以知人为先。即治理国家以了解、识别人为最首要的事情。可以说,非知人不能善 其任,非善任不能谓知之。这很富有哲理的良言告诉世人,不了解人就不能很好地使用人。没有很好地使用人就是因为没有了解人。所以,得人之道,在于

心如止水--coofucoo的专栏 4061

SIWAVE+ADS提取PCB走线寄生参数

本文将介绍一种很适合PCB走线提取寄生电感等参数的方法,即是通过SIWAVE将PCB走线的S参数提取出来,再通过ADS将S参数转换成电感、电容值。

sinat_15150363的博客 1764

用人观:外企VS民企

用人观:外企VS民企 刘泽涛      外企与民企在用人观上有许多地方是相同的,毕竟企业存在的目的都是为了最大限度地回报股东和取得利润。由于经营理念的差异,外企与民企在实现企业目标的途径上做出了不同的选择,从而在选人用人上也有着不同的倾向和标准。归纳起来,外企与民企在用人观上的差异主要体现在以下三个方面:   1、领导才能和技术才能:外资企业在选聘人才时比较注重领导才能,民营企业则比较注重

ToB公司的战略与经营 2650

高通开发系列 - System之FOTA/DFOTA包制作和升级

高通开发系列 - System之FOTA/DFOTA包制作和升级

fulinux的博客 4222

不使用工具箱,通过MATLAB纯编程实现lstm网络的训练过程

长短期记忆网络(LSTM,Long Short-Term Memory)是一种时间循环神经网络,是为了解决一般的RNN(循环神经网络)存在的长期依赖问题而专门设计出来的,所有的RNN都具有一种重复神经网络模块的链式形式。在标准RNN中,这个重复的结构模块只有一个非常简单的结构,例如一个tanh层。

平时工作较为繁忙,私信消息一般晚上回复,谢谢大家~~ 1012

观人·识人·用人26法

 观人·识人·用人26法     治理之道,就是善于用人之所长,避人之所短,也就是使人人各得所宜,而都能各扬其所长,避其所短。          识别人才,考核才能,是治理国家的根本。因此,在很早年间,古人就提出:为治以知人为先。即治理国家以了解、识别人为最首要的事情。可以说,非知人不能善 其任,非善任不能谓知之。这很富有哲理的良言告诉世人,不了解人就不能很好地使用人。没有很好地使用人就是因为

2383

YOLO11改进:轻量级改进 | 通用倒瓶颈(UIB)搜索块结合C3k2二次创新 | 轻量化之王MobileNetV4

通用倒瓶颈(UIB)搜索块替代YOLO11的C3k2

会AI的学姐 292

管理故事:羊的朋友们

傍晚,一只羊独自在山坡上玩,突然从树木中窜出一只狼来,要吃羊,羊跳起来,拼命用角抵抗,并大声向朋友们求救。  牛在树丛中向这个地方望了一眼,发现是狼,扬蹄跑走了。  马低头一看,发现是狼,一溜烟跑了,驴停下脚步,发现是狼,悄悄溜下山坡。猪经过这里,发现是狼,冲下山坡。兔子一听,更是一个箭步而去。  山下的狗听见羊的呼喊,急忙奔上坡来,从草丛中闪出,一下咬住了狼的脖子,狼疼得直叫唤,趁狗换气时,仓皇

Simon的专栏 1171

YOLOv11改进 | 集成FEM、FFM与SCAM即插即用模块:特征增强、融合与空间上下文建模新范式

FEM解决特征表达不足问题,增强关键特征响应FFM优化多尺度融合,提升小目标检测精度SCAM建模空间上下文,改善目标交互预测在保持YOLOv11实时性优势的同时,实现mAP+8.1%的显著提升,特别在复杂光照、密集目标、交互预测场景表现突出。其模块化设计使开发者可根据需求灵活组合,为各种复杂场景提供定制化解决方案。未来,随着跨模态扩展与神经架构搜索的深入,YOLOv11-FSC将进一步推动目标检测技术向更智能、更高效的方向发展。

走向CTO的路上... 988

Unity Shader之路(一)什么是Unity Shader?

Unity Shader前言什么是UnityShaderUnity Shader和材质的关系 前言 众所周知,要想当游戏开发工程师,Unity中的Shader编写不得不摸,这一系列文章我将描写我的Shader学习之路,致敬冯乐乐的书Unity Shader入门精要,此篇什么是Unity Shader?希望能给后人一点方向 我们刚开始接触Unity的时候,总是会遇到材质,但是不了解材质都是什么,为什么可以在很多材质中选择,为什么有时候选择了其他材质后就不能达到我们想要的结果,为什么资源商店有那么多的材质,山.

TurboQ珞珈 2237

处世哲学:看人

处世哲学:看人 看一个男人的品味,要看他的袜子。看一个女人是否养尊处优,要看她的手。看一个人的气血,要看他的头发。看一个人的心术,要看他的眼神。看一个人的身价,要看他的对手。看一个人的底牌.要看他身边的好友。看一个人的性格,要看他的字写得怎样。看一个人是否快乐,不要看笑容,要看清晨梦醒时的一刹那表情。看一个人的胸襟,要看他如何面对失败及被人出卖。

922

VB摄像头监控

该VB模块可对摄像头捕获的画面进行录像等,可在创建的窗口进行控制

看相识人的顶级学问--《冰鉴》

这是山猫的第48篇原创 之前推荐了项目管理的100本书,分为以下系列: 今天就给大家介绍下100本中的第64本书--心理学书籍《冰鉴》,有人可能会问,为啥不按课程系列的顺序从第1本到最后1本逐个来介绍?按顺序来讲就没意思了,还是随机推出有惊喜。万字长文,价值无限,助你练就一双火眼金睛。 开局几张图,后面全靠吹。 从封面看,老头长得还是挺精...

更多精彩,尽在微信公众号“招投标软件项目管理”! 3921

IDEA的使用指南

IDEA基于java的使用手册,可以最快速的上手,在使用中不断的丰富自己的使用技巧.

STM32F407中文手册

STM32f407中文手册 本参考手册面向应用开发人员,提供有关使用 STM32F405xx/07xx、STM32F415xx/17xx、 STM32F42xxx 和 STM32F43xxx 微控制器存储器与外设的完整信息。STM32F405xx/07xx、STM32F415xx/17xx、STM32F42xxx 和 STM32F43xxx 构成一个微 控制器系列,各产品具有不同的存储器大小、封装和外设。有关订购信息以及器件的机械与电气特性,请参见数据手册。有关 ARM Cortex™-M4F 内核的信息,请参见《Cortex™-M4F 技术参考手册》。

曾国藩识人用人

一、德才兼备 选用人才以“德、识”为主,以“才、学”为辅。 选高层管理者要看其远见卓识 见识有大有小,有大识能办大事 德 = 道德品质+性格习惯+观念 八德:前四个字是性格习惯,后四个字是道德品质 勤:勤劳,勤奋 俭:节俭,俭朴 刚:刚强,刚硬 明:明白道理 忠:忠心耿耿 恕:宽恕,厚道 谦:谦虚,谦卑 浑:给人打交道要有模糊度,不要苛刻,不要太明察秋毫,要海纳百川。人无完人,要多看到别人的优点,用别人的优点。 才 = 识(思考,见解)+ 学(学历、

ybxm 2324

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")

一个人最大的本领:识人

K哥团队里有位主管小张,业绩一直不好,团队人员流动大,士气低落,他也因此2年都没有获得晋升。通过我平时的观察,发现了他的问题:不懂得识人和用人。我经常说,管理者就算什么本事也没有,起码要会识人和用人。可以说这是管理者的必修课。01识人的3个方法如何识人呢?我认为有3个方法。第一,时间识人。俗话说:路遥知马力,日久见人心。当你要重用一个人才,一定要用时间去考验。任正非说:“假奋斗一辈子,就成了真奋斗...

技术领导力 2743

相观天下识人用人口诀100个

69、天庭欲起司空平,中正广阔印堂清,山根不断年寿润,准头圆肉人中深,口如四字承浆阔,地馈朝归仓库应,山林圆满驿马丰,日月高广边地静,阴阳肉满鱼尾长,正面颧开有神光,兰廷圆正法令通,金匮海角微生黄,三阴三阳不枯陷,龙藏虎伏仍相当,五岳四渎无克破,便见人间可相郎,若见欹斜并斜塌,气暗神昏受折磨,面有神光射人目,男贵公侯女贵后。我想了想,回复说有。你一定要体会,什么是全局把握,从形,色,骨,声,神,行,坐等等去看。天欲高远,地欲方厚,日月欲光明,雷霆欲震响,江河欲润,金石欲坚,山岳欲歧,草木欲秀,此皆大概也。

灵遁者 1062

识人之道

与人交往,总应有所了解。但如何看清您身边的人?是一门学问,古代贤人提出:为治以知人为先。即治理国家以了解、识别人为最首要的事情。可以说,非知人不能善其任,非善任不能谓知之。用人之先,在于识人。学会识人才是管理上的一门真本领。 曾国藩识人和用人方略是:德为本质、才为功能;德如水之养育众生;才如水之载物溉田。企业家都当然希望手下人才都有德才兼备,但是这样德才兼备的人不多。所以曾国藩在...

Yj077852的专栏 352

诸葛亮的识人七法则

之前读过一篇文章jud   诸葛亮在《将苑》(又名《心书》)提出了为将者所必需具备的七项特质,并提出识辨这七项特质的方法,即识人七法。 “一曰,问之以是非而观其志;二曰,穷之以辞辩而观其变;三曰,咨之以计谋而观其识;四曰,告之以祸难而观其勇;五曰,醉之以酒而观其性;六曰,临之以利而观其廉;七曰,期之以事而观其信。” 这七项特质可概括为:志、变、识、勇、性、廉、信等七项内容,也即

Adam的专栏 2542

【知识整理】管理即服务,识人、识己

管理:要素管人管自己 > 管他人管事管事 = 管优先级管规则重在惩恶扬善,激励是关键。

李木 2045

知人知面又知心:领导者识人用人之道

曾国藩有一句偏颇的名言:“宁可不识字,不可不识人”,但想要读懂人心,就要掌握科学的心理技巧和说服方法。   21世纪,企业最核心的竞争力是什么?人才!争夺市场占有率,抢占技术制高点,比拼品牌美誉度,企业方方面面日益激烈的较量,归根结底都是人才的竞争。   但用才必先识才,识才是为了更好地用才,在现今的改革大潮中,有很多技术过硬、能力强、具有管理和开拓精神的人才聚集在我们身边,以期待着领

曹浩洋的专栏 2397

人才篇-如何识人用人

人才篇-如何识人用人

胡杰的专栏 2481

40字看懂天下人:曾国藩的识人术

在中国历史上,堪称完美的成功人士并不多,曾国藩应该算一个。能选贤任能,可以说是曾国藩事业成功的一大法宝。曾国藩认为,“办事不外用人,用人必先知人”。就是说,用人慎重须以知人至深为前提,具备察人本质的眼力。曾国藩辨识人才的法门,被许多人视为“相面术”。流传甚广的曾国藩八句相人口诀,可以说是曾国藩...

chepabei0455的博客 647
上一篇: 给中国学生的第五封信
下一篇: 10个职场故事
kevin_long
博客等级 码龄20年 30粉丝 45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