儒雅，勤思，博学

这两年一直伴随着外界环境的影响（疫情），很多原本的计划和设想都超出了意料之中，自己也到了而立之年，感叹时光荏苒。当初的初心也改变了许多，不再对技术有更多的热情，每日被业务和现实问题缠绕着，困惑着，迷茫着，焦虑着； 感觉自己还是要重拾初心，人活一世，职业只是人生的一部分，不是全部；尽管平凡也要活出自己，短短几十载，且行且珍惜。 最后安利一下，自己的公众号。 ...

2020年，自己莫名的对技术失去了原本的热情，脑子里曾经幻想设计些有趣而又有技术含量的项目，也因动机的关系，失去了行动力。这也许就是现实和理想的差距吧，总感觉自己在技术上的深耕一定程度上也换不来阶级的越迁，工作上更多的是思考怎么汇报，怎么解释，怎么确保投入产出比，逻辑上没毛病，只是会从心里上感觉到疲惫。方法论，思考性的东西看了不少，总感觉差那么点意思，估计也是因为自己水平不够，在技术上的钻研不够，也间接的导致自己的认知上有偏差。 因为这种认知的偏差会导致自己在技术累积学习上所花...

很多时候明明大家都在做同一件事情，学习同样的事物，但时间总会拉开彼此的差距。求知是人的本能，但现实生活中，多数人追求的并不是如此。这也许就是凡人和大师之间不可逾月的鸿沟。心中总有太多杂念，心生污秽，则智止矣。 再谈机器学习，从事相关工作也有些时间，还没走到从入门到放弃这条路，机器学习作为一门学科其实也并不是啥新科学，只是近些年被炒作到风口浪尖，甚至和人工智能联系在...

之前一直在无脑训练神经网络，定义好参数，网络，启动Session，feed给Graph，然后就是无休止的等待，有时候运气好，数据本身有很好的区分度，模型自然很快收敛，loss直线下降。但是当数据中混淆数据占比较大时，模型难免不会受到很大的干扰，简单来说就是，在当前batch_size下，你告诉模型向下走，下一个batch_size你告诉模型向上走。所以模型也蒙蔽，你丫的是要向上还是要...