大秦帝国

ubuntu16.04下运行海康威视网络摄像头sdk consoleDemo(坑) 常见的海康威视sdk开发blog以windows居多,在Clion的ubuntu下感觉丧失了组织,更惨的是Clion也不熟悉。新手入门,一边采坑一边写踩坑爬坑过程,如果弃坑了就说明我没爬出来。 环境:ubuntu16.04+CLion+海康威视设备网络SDK_V5.3.5.2(for Linux64) 一、查看sdk包 主要关注consoleDemo(C++Demo文件夹),lib(库文... 阅读详情

最近大秦帝国这部连续剧很火,我闲着无聊便下来看看,却被其深深吸引。该剧主要讲述秦孝公时期商鞅变法的故事,看完该剧,我对商鞅及其法律颇有感触。在网上,我看到一个写的非常好的评论,转载如下:

这几天废寝忘食,看完了洋洋洒洒51集的《大秦帝国》,颇有感触,就电视剧本身和历史 ,谈谈自己的看法。

一:依法治国与商鞅 的法家思想

这部片子由始至终都在强烈的灌输一种依法治国的思想,这与其说是商鞅 之心,更不如说是书原作者借商鞅之口,表达自己对法制的极大推崇,是作者的一种强烈治国思想。

对于商鞅的依法治国,印象深刻的有这么几点,一是执法如山,二是法律行政,三是大仁不仁,四是立法不变,五是法不诛心,限于篇幅只一一 概说一下。

执法如山,商鞅不畏任何权势,面对皇帝的哥哥,既是贵胄又是铁杆变法派,仍然不轻法,易法,施与劓刑,片 中有一句很经典的话:有功于前,不为亏法;有善于前,不为损刑,看到此句话深为震撼。法律行政,片子中商鞅一直致力于实现这样一种行政方式,商鞅的理念就 是,不论谁来行政,法律完备后,只需要依照法律处理相对应的问题,完全依靠法律来使国家机器运转,也就是把要法治不要人治的思想全面推入行政环节,政府依 法自转,国家依法自行。大仁不仁,片中的大仁不仁其实就体现了法律的公平,对一个犯法的好人开恩,就是对其他人的不仁,片中商鞅诛杀违法对村民进行救济的 县令,要求村民自救,是为刻薄寡恩,却是在维护法律之公平,法律之权威。立法不变,就是法律一旦确立,轻易不能改变,片中赢驷曾对商鞅说,秦国一些法律已 经不合时宜,应该做适当修改,而商鞅明知有些法律已经不合理,但仍然坚持不变,原因嘛留到后面在论述,卖个关子。法不诛心,这恐怕是古代法制与人治一个重 要的不同,只要你没有实际实施,怎么想使坏都没有罪的,老世族在密谋对付商鞅,破坏变法时,商鞅手下建议先下手为强,商鞅对手下说,法不诛心,只要他们没 实施,就没有罪,等他们实施了,再依法论罪。

这些思想很多都有现代法制的特点,历史 上的商鞅有多少与之相似,难说,但是至少有相当一部分契合,商鞅也是我国古代法家最成功的变法者。结合片子,谈一点个人对商鞅之法的看法。

商鞅立法重刑重赏,小罪重罚,为其一大特点,为何会如此,我觉得一是乱世用重典,二是商鞅主张人性本恶,主张用刑罚规范人的行为,去恶从善。三是面对世族的阻碍,需要铁腕手段。四古代刑罚多有残酷,属历史 局 限。立法最终目的为何?个人觉得有两点,国家富强,民生幸福,而商鞅之法明显过于执着于国家富强,严重忽视了民生的幸福,事实上民生的幸福反过来又能促进 国家的富强稳定,反之,大大增加国家不稳定因素。性善性恶论本身就争论不清,这里不做讨论,就乱世用重典和打击世族来说,是不是一定要依靠重刑?我觉得其 实应该更侧重于公平,兼顾重刑,易中天 品三国时,就对诸葛亮 依法治蜀评价颇高,而诸葛亮 就 以公平为重。历史上的商鞅重刑,不仅得罪了世族,老百姓也并不喜欢他,他把老百姓也得罪了。其作法自毙,根源很深。还有一个问题就是法律的合理性,法律无 论轻重,都有合理不合理的问题,商鞅立法,出自一人,难免有不合理的地方,有些其实是很有必要修改的,但这就和商鞅立法不变的理念有冲突,商鞅最终舍去合 理性,选择了固法,商鞅固法有其苦衷,但不权衡考虑,易产生新的矛盾。事实上片子中商鞅始终没有解决甚至都没有考虑过一个问题,就是如果立的法本身就是弊 大于利的,怎么办?

关于人治与法治,秦穆公 时, 人治称霸,商鞅认为,人治不稳定,出现明君明臣,可以兴盛一时,但是人亡政息,不能长久。要长久,只有依靠法治。关于这个问题,我一直都有思考,是中国封 建制度下,缺乏法制思想,如何保证法治?帝王交替,法律变更,朝令夕改,如果是昏君暴君,其法推行全国,破坏将比人治深的多,此问题一直困扰于我,商鞅给 出了一个办法,就是法律行政和立法不变,首先有法律自行运转治国,其次法律一旦确定就不轻易改变,这样,既是出现一两代庸君,昏君,国家依然可以自行运 转。这也就是商鞅为什么明知法律有瑕疵漏洞时仍然不轻易修改法律的原因,在缺乏法制思想的背景下,法律稳定比任何其它东西重要的多。但是商鞅仍然说,在昏 君,奸臣同时出现,并大肆废法坏法,国家仍然不能幸免。不过这就涉及到帝王制度本身的问题了,限于篇幅不展开讨论。但是我觉得从概率上来说,风险确实要比 人治低很多,而且如果商鞅这种制度在秦统一六国后能长久推行下去,像后来儒家那样逐渐深入人心,成为绝对主流的话,法制理念将会成功国家信条,现代法制思 想也可能在后世逐步产生,从这个角度说,法家比儒家更有利于中国的发展,中国历史 后来选择了儒家,不能不说是一种悲哀。

关于商鞅之死,以前我对商鞅的死就简单认为是改革损害了旧世族的利益,才被旧世族所杀,看了大秦帝国,我对这个问题有了更多想法,中国变法,即使是法家,也几乎都是人亡政息,商鞅变法 确是个例外,商鞅死了变法还在,这本身就是一个很耐人寻味的现象。商鞅是不是因为“刻薄寡恩”,埋下被杀的种子呢?我觉得这不是主要原因,改革肯定就有利益受损者,受损者也往往是有权势的利益既得者,这些贵族,你就是抢他一只鸡,他也不会放过你,鸡不值钱,但他面子上 过 不去啊,何况是剥夺其贵族权力,削其土地财富,甚至处于刑罚,所以商鞅无论实行严刑峻法,还是比较温和的法律,旧世族都会恨其入骨,都想要他死。商鞅之 死,一方面是就贵族欲除之后快,另一方面,惠文王也想杀他,惠文王杀他一举两得,一得可以缓和旧贵族和新法之间的矛盾,旧贵族虽然恨新法,但这种恨更多的 是转移到了商鞅的身上,做为一个新继位的新君,杀商鞅可以缓和矛盾,争取旧贵族的支持。二得除去商鞅,可以巩固皇权,商鞅执掌国政,官居大良造,大良造相 当于后来的三公的权力聚一身,对皇权威胁太大,除掉商鞅,才有真正属于自己的舞台,功高震主有不急流勇退者,善者几何?惠文王是支持变法的,所以商鞅之法 可以推行下去,片子借惠文王之口说出,变法需要两三代人才能稳定,当法习以为常时,法制才能真正深入民心,而这需要从小在法制环境中成长,深信法制又缺乏 对人治了解的人成为社会主体时,法制才能稳定,才不会有复辟的危险,这至少需要两三代人。商鞅法制做的太好了,以至于惠文王可以放心杀掉他,商鞅法律行政 使得秦国没有商鞅,也可自行运转,真的做到了法治国,商鞅已经完成了其历史使命,这在电视里叫栋梁拆。

二:关于电视剧本身的一些看法

做为一个电视剧,为了好看,肯定和历史有出入,加上改变自小说 ,小说 作者有自己的思想和主旨,电视编剧又进行了二次加工,出入更大,比如加入一个公主,一个白雪来一段三角恋,这些无可厚非,但做为一个爱好历史,对历史有一定了解的人,对有些情节还是有看法的。

比如庞涓这个人物,孙膑一生的对手,这部片子里变成了一个无视天下,死咬秦国的疯狗,虽然增加了剧情的冲突,但和庞涓这个人物历史形象差距太大,个人看得有点不习惯。类似还有商鞅收复河西之战 ,举国之战变成了两个人打赌的儿戏,函谷关是后来惠文王收复的,这里变成了商鞅,有这样的必要吗?商鞅本非将略之才,何必非要把他表现为一个军事 天才。秦孝公 与商鞅的关系也有些渲染过度,秦孝公 这样雄才伟略的君王,在片中竟然也说出了君可自取的话,甚至还留下了不受秦王节制的所谓“护法”军,事实上惠文王杀商鞅,有可能都是秦孝公 的 遗命,雄才大略的君主是不会因为私人情感忘记国家的,何况还是家天下的时代。最后是商鞅之死那几集,作者可能太喜欢商鞅这个人物,为了把他塑造成高大全, 从容赴死的人物,情节编排上甚至已经不合逻辑,个人认为没有必要,有缺点的英雄才是真实的英雄,世上哪有完人?此外,像关于墨家 的情节,秦孝公只有一个儿子的情节,惠文王老师因何获罪等问题,与历史出入颇大。史书有明确记载的东西,做大改动个人觉得不可取。

通观此电视剧,商鞅变法 之 勇气决心深深震撼了我,两次眼泪在眼眶中打转,王志飞的演绎入目三分。赢虔,这个史书上记载只字片语的人物,我觉得通过作者的合理想象,改造非常成功,算 本片一大亮点,做为变法的铁杆支持派,最后变为栋梁拆的关键,其对杀商鞅的分析让我深有启发,此外,蛰伏深远的甘龙,求贤若渴的秦孝公也很出彩,看片子时 可以慢慢体味。

最后是关于春秋战国 民风的一些疑问,片子里面经常用“嗨”“采”这样的词,不知是不是有出处,尤其“嗨”,感觉很日本,刚看的时候觉得很别扭。另外像墨家 ,游学风气,老秦民风等,有些和想象也有出入。

ESXI 8.0虚拟机安装OpenWRT软路由详细教程 OpenWrt 是嵌入式的 Linux 路由器固件,OpenWrt在稳定运行的同时提供了强大的扩展能力,用户可以完全的定制属于自己的路由系统,满足不一样的个性化需求,本文讲解如何使用ESXI安装OpenWRT,打造属于自己的软路由。本次安装使用的是版本。默认登录信息:用户:root密码:password下载固件:https://github.com/haiibo/OpenWrt/releases/tag/X86_64【CPU配置】:4核心。 阅读详情

相关推荐

RJ45以太网接口EMC设计方案

RJ45以太网接口EMC设计方案 一、 接口概述 RJ45以太网接口是目前应用最广泛的通讯设备接口,以太网口的电磁兼容性能关系到通讯设备的稳定运行。赛盛技术应用电磁兼容设计平台(EDP)软件从接口原理图、结构设计,线缆设计三个方面来设计以太网口的EMC设计方案。 二、 接口电路 原理图的EMC设计 百兆以太网接口2KV防雷滤波设计 图1 百兆以太网接口2KV防雷滤波设计 接口电路设计概述: 本方案从EMC原理上,进行了相关的抑制干扰和抗敏感度的设计;从设计层次解决EMC问题;同时此电路兼容了百兆以太网接

兰陵笑笑生SD的博客 1万+

DCNN

关于DCNN的技术细节就不在这里介绍了,有兴趣的可以参考Stanford的同学们做的一个tutorial(我第一次接触Deep Learning时的学习网站) 或这篇文章。 http://ufldl.stanford.edu/tutorial/supervised/FeatureExtractionUsingConvolution/ ...

dbdxnuliba的博客 5282

Python自动化测试全套教程-第一天(python、pycharm开发环境的安装与配置(图文超级详细);附安装包)

本文介绍了Python开发环境的完整安装配置流程。主要内容包括:1) Python解释器的下载安装与版本检测方法;2) PyCharm IDE的下载安装步骤,包括专业版和社区版的选择;3) PyCharm的基础配置和项目创建方法;4) 开发环境的基本构造说明。文章提供了两种获取安装包的方式(官网下载和文章附件),并详细说明了解释器卸载、安装过程中的注意事项,以及如何验证环境配置成功。特别强调了PyCharm安装时的路径选择和虚拟环境的创建方法,为Python初学者提供了完整的开发环境搭建指南。

kiwi_king的博客 2035

opencv+dlib实现人脸特征点找取完整代码

需要工具包:numpy,cv2,dlib dlib在做人脸识别方面非常好用,我们使用dlib提供的现成的训练集来对模型进行训练。 网盘链接 提取码:rn0n 如果对dlib工具包安装有问题的,请移步win10 64 位系统python3.7 安装dlib包 对opencv工具包安装有问题的,请移步小白安装opencv-python import cv2 import numpy as np imp...

Hide on Bush的博客 858

【CarMaker实战指南】从零构建环形测试场景与车辆连续仿真

本文详细介绍了如何使用CarMaker软件从零构建环形测试场景与实现车辆连续仿真。通过分步指导搭建闭环道路、连接交叉路口、规划车辆轨迹等核心操作,帮助用户掌握CarMaker的基础应用技巧,并提供了常见问题排查与进阶优化建议,适用于车辆耐久性测试和自动驾驶算法验证等场景。

weixin_29274969的博客 234

Autosar PNC网络管理配置-UserData的使用

之前配置的网络管理报文中的data都由ComM管理,后面客户新增了需求,最后两个byte需要发送,本文记录一下相关配置的修改能配置生成的,尽量不手码,毕竟手写一堆bug~

赞的博客 1906

无线传屏软件发射端 +接收端(mirrorop sender Receiver) v1.2.0.6

无线传屏软件发射端 +接收端(mirrorop sender Receiver) v1.2.0.6 简体中文特别版 http://www.cr173.com/soft/174398.html

韩保红的代码库博客——记录我的学习历程 2861

【Bluetooth蓝牙开发】一、开篇词 | 打造全网最详细的Bluetooth开发教程

1、开篇词 2、蓝牙开发入门 3、蓝牙协议栈总览 4、蓝牙协议栈——物理层 5、蓝牙协议栈——链路层 6、蓝牙协议栈——传输层 7、蓝牙协议栈——L2CAP协议 8、蓝牙协议栈——ATT协议 9、蓝牙协议栈——GATT协议 10、蓝牙通信流程分析 11、蓝牙协议栈——Bluez交叉编译 12、蓝牙调试工具汇总

Donge's Blog 1万+

基于深度卷积神经网络的图像去噪方法

基于深度卷积神经网络的图像去噪方法摘要:图像去噪在图像处理中仍然是一个具有挑战性的问题。作者提出了一种基于深度卷积神经网络(DCNN)的图像去噪方法。作者设计的不同于其他基于学习的方法:一个DCNN来实现噪声图像。因此,通过从污染图像中分离噪声图像可以实现潜在清晰图像。在训练阶段,采用梯度裁剪方案来防止梯度爆炸,并使网络能够快速收敛。实验结果表明,与现有技术的去噪方法相比,所提出的去噪方法可以实...

qq_40716944的博客 7万+

YOLOv11改进策略【注意力机制篇】| SE、CBAM、ECA、CA、Swin Transformer等注意力机制全面解析与应用

本文详细介绍了五种主流的注意力机制及其在YOLOv11中的应用。通过合理的模块选择和位置部署,注意力机制能够显著提升目标检测性能。

QQ_778132974的博客 876

Spring AI 实战:第二章、Spring AI提示词之玩转AI占卜的艺术

引言:程序员的神秘学探索引言:程序员的神秘学探索“下个迭代能按时发布吗?“这次晋升机会有多大?“我写的代码为什么总在半夜出bug?作为一名开发者是否也曾被这些略带玄学问题困扰?那让我们用Spring AI和提示词工程打造一个专属于程序员的"赛博占卜师",让大师来为你占卜一卦吧~一、提示词工程 - 与AI对话的艺术1.1 提示词工程是什么类比一下,AI就像一位刚从名校毕业的高材生它知识渊博但缺乏经验能解决复杂问题但需要明确指引有时会"过度脑补"(专业术语叫"幻觉")

liaokailin的专栏 1851

影视之观大秦帝国之裂变总结

学习专业知识之余,不忘补充历史;都说读史可以明鉴。经舍友推荐,可观大秦帝国系列剧, 并且讲述了大秦帝国原著小说孙皓晖先生辞职去往海岛专心思考创作大秦帝国,首先对孙皓晖先生的精神表示深深敬佩,值得我们去学习,去思考。小说原著暂时没有读,仅从电视剧中学习,初始观之,便被吸引无法自拔。但每每读书,必须去了解作者,今天已经观看完了之纵横,所以想着去进行总结,去记录,不然记忆会忘却,令人所无奈。本人力荐,闲...

qq_41026809的博客 1989

【Unity实战篇 】| 游戏中实现镂空遮罩效果【矩形、圆形镂空遮罩】

本文来写一下怎样在Unity中完成一个 镂空遮罩 的效果。 镂空遮罩 比较常用的有两种:矩形镂空遮罩、圆形镂空遮罩。 镂空遮罩 在游戏中常被当做新手引导必备的内容,可以给玩家更多不一样的体验。 下面就一起来看一下怎样做出这种效果吧!

努力前行,总会成为自己心中的那道光 1万+

好看的一本历史小说《大秦帝国》啊

最近看《大秦帝国》这本历史小说,真是太好看了。佩服作者的写作功力。想说赞美之词都觉得词穷了啊。总之,就是,赞,赞,赞!!!但是现在自己看的是电子版,以后一定要买一套收藏。每夜都会看,不看睡不着觉啊,这就是好看的小说的魅力吧。

Sugar的专栏 3920

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

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。

大秦帝国部:黑色裂变(上卷)读后感

大秦帝国部:黑色裂变(上卷)读后感 作者:孙皓晖 秦孝公、商鞅变法图强。秦国由弱变强,收复失地,开始崛起。在群雄逐鹿,山河日变的“大争之世”,在英雄辈出,百家争鸣的战国时代,华夏大地的西陲正经历着一场亘古未有的“黑色裂变”。公元前362年,秦献公在大战中身中毒箭而亡。嫡子嬴渠梁灵前即位,史称秦孝公。秦国时遭列强蔑视,国力虚弱。又逢山东六国会盟,图谋分秦。二十二岁的年轻君主秦孝公血书国耻碑...

读后感 读书笔记 1070

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")

大秦帝国之读后感

我最近一直在读大秦帝国的故事,一部讲述秦国历史的故事,我对战国时期的故事一直有这很强烈的兴趣,三国是一个英雄辈出的时代,乱世出英雄,三个国家的抗争都可以写一部三国演义了,而战国时期的七国争雄,还有二十多个小的诸侯国,这里面的故事应该是更精彩的,只是没有被发觉出来而已。 而现在大秦帝国这本书以秦国为主要讲述国,讲述秦国整个的历史,从黑色裂变到国命纵横,再到金戈铁马,阳谋春秋,再到铁血文明,再到最后的

wjcquking的专栏 1537

《大秦帝国》第四部,阵容太强大

《大秦帝国》第四部,阵容太强大 经过了前三部的大放异彩,《大秦帝国》的收官之作《天下》也让大家充满了期待,2018年8月9日,《大秦帝国之天下》在新疆昌吉开拍,由西安曲江大秦帝国影业投资有限公司、上海腾讯企鹅影视文化传播有限公司、中国三环音像社联合出品,讲述秦始皇从出生到一统六国的战国风云。 “奋六世之余烈,振长策而御宇内”,《天下》中,既有挥斥方遒、指点江山的帝王将相,也有在这一时代大背景下列国...

weixin_42905604的博客 950

【书影观后感 一】大秦帝国的罗曼蒂克消亡史

大概是两个月前,刷抖音的时候看到一个片段,是王志飞演的商鞅,于是唤起了尘封很久的记忆。大约是高三的时候,曾零零散散看过几集《大秦帝国之裂变》,当时非常喜欢,甚至在过年的时候不看春晚,转而去看此剧。但因为时间的原因,一直没能完整的看完,引为憾事。于是决定从第一集开始,从头看起,谁知竟一气接连看完了第二部《大秦帝国之纵横》和第三部《大秦帝国之崛起》,甚至还看完了与之接续但不属于该系列的《皓镧传》。高二...

MaoLin Tian's Blog 1428

《大秦帝国》读书笔记

孙皓晖老师十数年笔耕不辍伏案,写成史诗巨著《大秦帝国》共计6部11卷,是作者依据真实的既定的历史结局,深入挖掘相关人物的行为和脚步,既有历史逻辑推理,也有作者的历史想象力,以此复原人物的血肉和心理活动。

海阔天空 783

云炬老师解读历史好书《大秦帝国》

在这本小说中,作者通过对历史事件的生动描绘和对人物的深入刻画,展现了秦朝的辉煌和伟大。云炬老师将带您一起解读这本历史好书,帮助您深入理解秦朝的历史背景、政治体制、文化传统等方面的知识。《云炬老师解读历史好书《大秦帝国》》是一门深入解读秦朝历史的优质课程。通过学习本课程,您将深入了解秦朝的历史和文化,拓展您的知识视野,启发您的思考。同时,您还将与其他学员和老师进行互动交流,共同探讨历史话题,收获更多的知识和启示。本课程适合对历史感兴趣的读者和想要深入了解秦朝历史的学者和学生。

安卓精品项目源码 494

大秦帝国颂

引子 惊雷,闪电;天崩,地陷;狂涛,骇浪;气冲,霄汉。 壹 仿佛战争就发生在昨天,仿佛两军正厮杀在眼前,剑锋还滴着敌人的鲜血,鬓角仍染着边塞的烽烟。一张张似曾相识的面孔,一件件依旧陌生的衣衫。扫六合排山倒海的战阵,霸中原摧枯拉朽的军团。 贰 那曾经独步世界的超霸,那曾经辉煌文明的开端;那曾经所向披靡的王师,那曾经一统天下的典范;那曾经伟大发明的源头,那曾经...

weixin_33697898的博客 253

【大秦帝国123】

开看《大秦帝国》系列史剧。 秦献公 - 善听独断。传位于二儿子秦孝公赢渠梁。 转载于:https://www.cnblogs.com/cathygx/p/10090819.html

weixin_30482181的博客 149

大秦帝国------令人神往的时代

小说《大秦帝国》序   中国文明正源的强势生存   ——序 长篇历史小说《大秦帝国》                                                                                              孙皓晖    一、大秦帝国是中国文明的正源。             大秦帝国所处的时代是中国五千年文明史...

hanzhicheng754的专栏 481

追剧《大秦帝国》之感

大秦帝国是一部好剧,大大的满足了我内心的渴望。一路追来,时间没有浪费,令我内心涟漪频生 战国时期,真是一个多事多难多彩多姿的时代,秦国,能够从一个西陲弱小国家,通过数代人的努力,逐渐富强,直到最终结束一个时代,开辟一个大一统秦朝,奠定我华夏2000年的封建制度,影响整个中华民族的统一。尽管这个王朝很短暂只有二十几年,但他的制度和文化已经深深的影响这个国家的两千年。 ...

weixin_30772105的博客 113

使用Python分析统计《大秦帝国》人物及七国的出场次数 的顺序(前20)

使用库: 引用jieba库:jieba是优秀的中文分词第三方库,需要额外安装。 Python代码: #分析排在前面的人物出场次数顺序 及七国的出场次序(共二十位) import jieba txt=open(&amp;quot;F:\\WinterVacation\\大秦帝国1-6 孙皓晖.txt&amp;quot;,&amp;quot;r&amp;quot;,\ encoding=&amp;quot;gb18030&amp;

Veni的博客 1931

大秦帝国-《治秦九论》

《治秦九论》是大秦帝国中商鞅谋划的变法大纲。 《史记》中,对商鞅变法也有描述,就一段话,很不详细。 治秦九论 其一《田论》,立定废井田、开阡陌、田可买卖之法令。 其二《赋税论》,抛弃贡物无定数的旧税制,使农按田亩、工按作坊、商按交易纳税之新法。如此则民富国亦富。 其三《农爵论》,农人...

chulilang8944的博客 450
上一篇: char* p 和char p[]
下一篇: “顾客至上,服务至上”??
mrstream
博客等级 码龄19年 2粉丝 14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