十个有哲理的故事 一场精彩的人生课

2026中银杯区块链赛项备赛全攻略:从任务书拆解到高分技巧 区块链技术正从概念走向工程化落地,其核心价值在于通过分布式账本、智能合约与共识机制,构建可信、透明、可追溯的业务协作网络。在供应链溯源、存证、资产流转等场景中,区块链应用已从单一技术验证转向完整业务系统交付,这对开发者的综合能力提出了更高要求。对于职业院校技能大赛而言,选手不仅需要掌握联盟链底层搭建、Solidity合约开发、前后端应用联调等技术,还需具备规范交付与团队协作的工程素养。围绕2026年中银杯湖北省职业院校技能大赛区块链技术应用赛项,本文深入拆解任务书模块与评分逻辑,梳理底层链搭建、智能合约开发 阅读详情
      1、陈阿土
 
  陈阿土是台湾的农民,从来没有出过远门。攒了半辈子的钱,终于参加一个 旅游团出
了国。国外的一切都是非常新鲜的,关键是,陈阿土参加的是豪华团, 一个人住一个标准
间。这让他新奇不已。早晨,服务生来敲门送早餐时大声说道: “GOODMORNINGSIR!”陈
阿土愣住了。这是什么意思呢?在自己的家乡,一般陌 生的人见面都会问:“您贵姓?”
于是陈阿土大声叫道:“我叫陈阿土!”如是 这般,连着三天,都是那个服务生来敲门,
每天都大声说:“GOODMORNINGSIR!” 而陈阿土亦大声回道:“我叫陈阿土!”但他非常
的生气。这个服务生也太笨了, 天天问自己叫什么,告诉他又记不住,很烦的。终于他忍
不住去问导游,“GOOD MORNINGSIR!”是什么意思,导游告诉了他,天啊!!真是丢脸死
了。陈阿土反 复练习“GOODMORNINGSIR!”这个词,以便能体面地应对服务生。又一天的
早晨, 服务生照常来敲门,门一开陈阿土就大声叫道:“GOODMORNINGSIR!”与此同时,
 服务生叫的是:“我是陈阿土!”
 
  这个故事告诉我们,人与人交往,常常是意志力与意志力的较量。不是你影
响他,就是他影响你,而我们要想成功,一定要培养自己的影响力,只有影响力
大的人才可以成为最强者。
 
  2、表演大师
 
有一位表演大师上场前,他的弟子告诉他鞋带松了。大师点头致谢,蹲下来仔细系好。等
到弟子转身后,又蹲下来将鞋带解松。有个旁观者看到了这一切, 不解地问:“大师,您
为什么又要将鞋带解松呢?”大师回答道:“因为我饰演的是一位劳累的旅者,长途跋涉
让他的鞋事松开,可以通过这个细节表现他的劳累憔悴.”“那你为什么不直接告诉你的弟
子呢?”“他能细心地发现我的鞋带松了,并且热心地告诉我,我一定要保护他这种热情
的积极性,及时地给他鼓励,至于为什么要将鞋带解开,将来会有更多的机会教他表演,
可以下一次再说啊。”
 
  人一个时间只能做一件事,懂抓重点,才是真正的人才。
 
  3、鹦鹉
 
  一个人去买鹦鹉,看到一只鹦鹉前标:此鹦鹉会两门语言,售价二百元。另一只鹦鹉
前则标道:此鹦鹉会四门语言,售价四百元。该买哪只呢?两只都毛色光鲜,非常灵活可
爱。这人转啊转,拿不定主意。结果突然发现一只老掉了牙的鹦鹉,毛色暗淡散乱,标价
八百元。这人赶紧将老板叫来:这只鹦鹉是不是会说八门语言?店主说:不。这人奇怪了
:那为什么又老又丑,又没有能力,会值这个数呢?店主回答:因为另外两只鹦鹉叫这只
鹦鹉老板。
 
  这故事告诉我们,真正的领导人,不一定自己能力有多强,只要懂信任,懂放权,懂
珍惜,就能团结比自己更强的力量,从而提升自己的身价。相反许多能力非常强的人却因
为过于完美主义,事必躬亲,什么人都不如自己,最后只能做
最好的攻关人员,销售代表,成不了优秀的领导人。
 
  4、金人
 
  曾经有个小国的人到中国来,进贡了三个一模一样的金人,金壁辉煌,把皇帝高兴坏
了。可是这小国的人不厚道,同时出一道题目:这三个金人哪个最有价值?皇帝想了许多
的办法,请来珠宝匠检查,称重量,看做工,都是一模一样的。怎么办?使者还等着回去
汇报呢。泱泱大国,不会连这个小事都不懂吧?最后,有一位退位的老大臣说他有办法。
皇帝将使者请到大殿,老臣胸有成足地拿着三根稻草,插入第一个金人的耳朵里,这稻草
从另一边耳朵出来了。第二个金人的稻草从嘴巴里直接掉出来,而第三个金人,稻草进去
后掉进了肚子,什么响动也没有。老臣说:第三个金人最有价值!使者默默无语,答案正
确。
 
  这个故事告诉我们,最有价值的人,不一定是最能说的人。老天给我们两只耳朵一个
嘴巴,本来就是让我们多听少说的。善于倾听,才是成熟的人最基本的素质。
 
  5、辞职
 
  A对B说:“我要离开这个公司。我恨这个公司!”B建议道:“我举双手赞成
你报复!!破公司一定要给它点颜色看看。不过你现在离开,还不是最好的时机。”A问:
为什么?B说:“如果你现在走,公司的损失并不大。你应该趁着在公司的机会,拼命去为
自己拉一些客户,成为公司独挡一面的人物,然后带着这些客户突然离开公司,公司才会
受到重大损失,非常被动。”A觉得B说的非常在理。于是努力工作,事遂所愿,半年多的
努力工作后,他有了许多的忠实客户。再见面时B问A:现在是时机了,要跳赶快行动哦!
A淡然笑道:老总跟我长谈过,准备升我做总经理助理,我暂时没有离开的打算了。
 
  其实这也正是B的初衷。一个人的工作,永远只是为自己的简历。只有付出大 于得到
,让老板真正看到你的能力大于位置,才会给你更多的机会替他创造更多利润。
 
  6、选择
 
  有三个人要被关进监狱三年,监狱长给他们三个一人一个要求。美国人爱抽雪茄,要
了三箱雪茄。法国人最浪漫,要一个美丽的女子相伴。而犹太人说,他要一部与外界沟通
的电话。三年过后,第一个冲出来的是美国人,嘴里鼻孔里塞满了雪茄,大喊道:“给我
火,给我火!”原来他忘了要火了。接着出来的是法国人。只见他手里抱着一个小孩子,
美丽女子手里牵着一个小孩子,肚子里还怀着第三个。最后出来的是犹太人,他紧紧握住
监狱长的手说:“这三年来我每天与外界联系,我的生意不但没有停顿,反而增长了200%
,为了表示感谢,我送你
一辆劳施莱斯!”
 
  这个故事告诉我们,什么样的选择决定什么样的生活。今天的生活是由三年
前我们的选择决定的,而今天我们的抉择将决定我们三年后的生活。我们要选择
接触最新的信息,了解最新的趋势,从而更好的创造自己的将来。
 
  7、老虎
 
  两个人在森林里,遇到了一只大老虎。A就赶紧从背后取下一双更轻便的运动鞋换上。
B急死了,骂道:“你干嘛呢,再换鞋也跑不过老虎啊!”A说:“我只要跑得比你快就好
了。”
 
  二十一世纪,没有危机感是最大的危机。特别是入关在即,电信,银行,保险,甚至
是公务员这些我们以为非常稳定和有保障的企业,也会面临许多的变数。当更多的老虎来
临时,我们有没有准备好自己的跑鞋?
 
  8、赶考
 
  有位秀才第三次进京赶考,住在一个经常住的店里。考试前两天他做了三个梦,第一
个梦是梦到自己在墙上种白菜,第二个梦是下雨天,他戴了斗笠还打伞,第三个梦是梦到
跟心爱的表妹脱光了衣服躺在一起,但是背靠着背。这三个梦似乎有些深意,秀才第二天
就赶紧去找算命的解梦。算命的一听,连拍大腿说:“你还是回家吧。你想想,高墙上种
菜不是白费劲吗?戴斗笠打雨伞不是多此一举吗?跟表妹都脱光了躺在一张床上了,却背
靠背,不是没戏吗?”秀才一听,心灰意冷,回店收拾包袱准备回家。店老板非常奇怪,
问:“不是明天才考试吗,今天你怎么就回乡了?”秀才如此这般说了一番,店老板乐了
:“哟,我也会解梦的。我倒觉得,你这次一定要留下来。你想想,墙上种菜不是高种吗
?戴斗笠打伞不是说明你这次有备无患吗?跟你表妹脱光了背靠靠躺在床上,不是说明你
翻身的时候就要到了吗?”秀才一听,更有道理,于是精神振奋地参加考试,居然中了个
探花。
 
  积极的人,象太阳,照到哪里哪里亮,消极的人,象月亮,初一十五不一样。
想法决定我们的生活,有什么样的想法,就有什么样的未来。
 
  9、骆驼
 
  在动物园里的小骆驼问妈妈:“妈妈妈妈,为什么我们的睫毛那么地长?”骆驼妈妈
说:“当风沙来的时候,长长的睫毛可以让我们在风暴中都能看得到方向。”小骆驼又问
:“妈妈妈妈,为什么我们的背那么驼,丑死了!”骆驼妈妈说:“这个叫驼峰,可以帮
我们储存大量的水和养分,让我们能在沙漠里耐受十几天的无水无食条件。”小骆驼又问
:“妈妈妈妈,为什么我们的脚掌那么厚?”骆驼妈妈说:“那可以让我们重重的身子不
至于陷在软软的沙子里,便于长途跋涉啊。”小骆驼高兴坏了:“哗,原来我们这么有用
啊!!可是妈妈,为什么我们还在动物园里,不去沙漠远足呢?”
 
  天生我才必有用,可惜现在没人用。一个好的心态+一本成功的教材+一个无限的舞台
=成功。每人的潜能是无限的,关键是要找到一个能充分发挥潜能的舞台。
 
  10、分粥
 
  有七个人曾经住在一起,每天分一大桶粥。要命的是,粥每天都是不够的。一开始,
他们抓阄决定谁来分粥,每天轮一个。于是乎每周下来,他们只有一天是饱的,就是自己
分粥的那一天。后来他们开始推选出一个道德高尚的人出来分粥。强权就会产生腐败,大
家开始挖空心思去讨好他,贿赂他,搞得整个小团体乌烟障气。然后大家开始组成三人的
分粥委员会及四人的评选委员会,但他们常常互相攻击,扯皮下来,粥吃到嘴里全是凉的
。最后想出来一个方法:轮流分粥,但分粥的人要等其它人都挑完后拿剩下的最后一碗。
为了不让自己吃到最少的,每人都尽量分得平均,就算不平,也只能认了。大家快快乐乐
,和和气气,日子越过越好。
 
  同样是七个人,不同的分配制度,就会有不同的风气。所以一个单位如果有不好的工
作习气,一定是机制问题,一定是没有完全公平公正公开,没有严格的奖勤罚懒。如何制
订这样一个制度,是每个领导需要考虑的问题。
【突变检验方法一】MATLAB实现Pettitt突变检验 MATLAB实现Pettitt突变检验及贝叶斯突变检测等 阅读详情

相关推荐

Vitis Model Composer闪退?手把手教你用命令行启动Vivado 2021后的System Generator

本文详细解析了Vitis Model Composer闪退问题的根本原因,并提供了命令行启动Vivado 2021后System Generator的完整解决方案。从环境变量配置、组件缺失排查到权限问题处理,手把手教你通过命令行深度排错,并分享高级自动化脚本和系统优化技巧,帮助开发者高效使用Vitis Model Composer与System Generator进行HDL开发。

weixin_26905487的博客 349

经典人生故事 2

发信人: afei (必定伟大), 信区: Campus_East标  题: 强烈推荐,好文啊!!!!发信站: 同舟共济站 (Tue Jun  3 22:53:24 2003) 发信人: wpj (snow), 信区: IN70S 标  题: 十个有哲理的故事 一场精彩的人生课(转载) 发信站: 一塌糊涂 BBS (Tue Jun  3 15:30:41 2003), 本站(ytht.net)

§为艺术而技术§ 2058

3D视觉引导技术在机器人焊接中的应用

通过对比传统的2D视觉和3D视觉技术在焊接领域的应用差异,探讨了3D视觉引导技术在提高焊接精度、适应不规则工件形状和增强自适应能力方面的优势。本文对3D视觉引导技术在机器人焊接中的应用进行了深入探讨,总结了其在提高焊接精度、适应不规则工件形状和增强自适应能力方面的优势,并通过应用案例展示了其在焊接路径规划、焊缝检测和焊接质量控制等方面的重要作用。1. 提高焊接精度:3D视觉引导技术能够精确测量焊接工件的三维形状和位置,为机器人提供精准的焊接路径规划和跟踪,从而提高焊接精度。三、3D视觉引导技术概述。

2302_79273122的博客 1836

哲理故事300篇(中)

//哲理故事300篇(上):http://blog.youkuaiyun.com/andylin02/archive/2006/08/23/1109314.aspx //哲理故事300篇(下): http://blog.youkuaiyun.com/andylin02/archive/2007/05/13/1606634.aspx101、在一次上时间管理的课上,教授在桌子上放了一个装水的罐子。然後又从桌子下面拿出

1万+

浅谈天线 - - - GNSS/BT/4G/2.4G

全球定位导航系统,最成熟的就是美利坚,我大中华,俄罗斯,还有就是欧洲的一个(太次不谈)所以我们在项目调试的时候,小尺寸的陶瓷天线上一般兼容2个频段,体积大一点的可以兼容三个频段,采用组合的形式 GPS+BD GPS+GLONASS GLONASS+BD 或者是单频段的定位天线陶瓷PATC陶瓷片:陶瓷片面积越大,介电常数越大,其共振频率越高,接收效果越高,这就是为什么都推荐使用大一点的陶瓷天线的原因银层:陶瓷天线表面的银层可以影响天线的共振频率,理想的GNSS陶瓷片频点准确落在1575.42MH

BLACKHOLE6的博客 1万+

openclaw + ollama本地模型 + 飞书平台 windows平台部署教程

本教程将指导您在 Windows 10/11 环境下,通过 Ollama 运行本地模型,并结合 OpenClaw 接入飞书,搭建一个完全本地化的 AI 助手。

专注于技术研发行业技术主要有AI人工智能视觉识别、物联网技术、电商平台、app原生技术、微信小程序、鸿蒙语言开发、办公企业oa、ERP等,致力于做东半球最优秀的程序员 2174

哲理小故事

哲理小故事(1) 盗马亡国  南宋末年,蒙古将领伯颜率骑兵南下,和宋军隔着长江对峙。只要渡过长江,就能一举攻下南宋,可伯颜不习水战,不知道从哪儿才能安全地渡过长江。      宋军呢,见长江对岸,元军的马匹又多又壮,就起了偷马的念头。于是在夜色的掩护下,宋军士兵涉水过了江,到达对岸后,偷偷地将元军的马匹牵走,屡屡得手。      元军丢失马匹的事引起了伯颜的注意。      一天晚上,宋军偷马的士兵刚靠近马厩,就被元军给俘获了。伯颜死盯着俘虏问:“只要说出你们是从哪儿渡过来偷马的,我就不杀你们。”宋军士兵架

bb0121的博客 335

制作Ubuntu22.04启动盘

现在越来越多程序代码都需要运行在linux环境下,运行这些代码的前提是安装一个稳定的linux操作系统。本文选择Ubuntu 22.04去制作系统启动盘。本文主要对ubuntu22.04的启动盘制作过程进行了详细的说明,希望能帮助到有需要的朋友。

lyx_ok的博客 1万+

十个哲理故事 一场精彩的人生课

1、陈阿土   陈阿土是台湾的农民,从来没有出过远门。攒了半辈子的钱,终于参加一个旅游团出了国。国外的一切都是非常新鲜的,关键是,陈阿土参加的是豪华团,一个人住一个标准间。这让他新奇不已。早晨,服务生来敲门送早餐时大声说道:“GOOD MORNING SIR!”陈阿土愣住了。这是什么意思呢?在自己的家乡,一般陌生的人见面都会问:“您贵姓?”于是陈阿土大声叫道:“我叫陈阿土!”如是 这般,连着三天,...

weixin_30345577的博客 242

【C2000系列DSP的Bootloader详解】实现过程、流程图与示例代码

C2000 Bootloader 的核心逻辑可概括为 “初始化→选模式→加载程序→校验→跳转” 五步。对于小白来说,无需纠结底层寄存器配置(驱动库已封装),重点理解 “启动流程” 和 “数据传输 + 校验” 的核心思想即可。 通过本文的流程图和示例代码,相信你已经掌握了 C2000 Bootloader 的核心原理。实际开发中,可基于 TI 提供的 Bootloader 示例(C2000Ware 中自带)进行修改,快速适配自己的硬件和应用场景。

昔时扬尘处 374

COMSOL有限元仿真深度指南:连接薄结构与实体结构(I)

COMSOL有限元仿真深度指南:如何在结构力学仿真中连接薄结构与实体结构?

忘了面孔的Batou 1万+

十个哲理故事

1,陈阿土 陈阿土是台湾的农民,从来没有出过远门.攒了半辈子的钱,终於参加一个旅游团出了国.国外的一切都是非常新鲜的,关键是,陈阿土参加的是豪华团,一个人住一个标准间.这让他新奇不已.早晨,服务生来敲门送早餐时大声说道:"Good Morning Sir!"陈阿土愣住了.这是什麼意思呢 在自己的家乡,一般陌生的人见面都会问:"您贵姓 "於是陈阿土大声叫道:"我叫陈阿土!"如是这般,连著三天,都是那...

weixin_30667301的博客 200

CosyVoice语音合成使用教程

CosyVoice是一款开源的语音合成工具,它基于深度学习模型,能够生成高度逼真的语音内容。该工具支持多种语言的语音生成,包括中文、英文、日文、粤语和韩语。CosyVoice的亮点在于它对生成语音情感和韵律的精细控制,通过富文本或自然语言输入,可以显著提升合成语音的情感表达能力。CosyVoice提供了多种预训练模型,用户可以根据需求选择合适的模型。:基底模型,适用于一般语音合成任务。:经过SFT微调的模型,适用于特定音色和情感的语音合成。:支持Instruct微调的模型,适用于自然语言控制的语音合成。

笔者从事电信媒体开发多年,愿意将多年的开发经验分享给同行 4443

十个哲理故事 一场精彩的人生课(转载)

1、陈阿土   陈阿土是台湾的农民,从来没有出过远门。攒了半辈子的钱,终于参加一个旅游团出了国。国外的一切都是非常新鲜的,关键是,陈阿土参加的是豪华团,一个人住一个标准间。这让他新奇不已。早晨,服务生来敲门送早餐时大声说道:“GOOD MORNING SIR!”陈阿土愣住了。这是什么意思呢?在自己的家乡,一般陌生的人见面都会问:“您贵姓?”于是陈阿土大声叫道:“我叫陈阿土!”如是 这般,连着三天,

深之JohnChen的专栏 2466

RU DOS版、EFI版32bit/64bit BIOS常用工具

DOS版、EFI版的RU工具,可用来查看IO、MEM、PCI、SMBIOS等资源。亲测在EFI SHELL下可用。

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")

十个哲理故事 一场精彩的人生课[转贴]

1、陈阿土   陈阿土是台湾的农民,从来没有出过远门。攒了半辈子的钱,终于参加一个旅游团出了国。国外的一切都是非常新鲜的,关键是,陈阿土参加的是豪华团,一个人住一个标准间。这让他新奇不已。早晨,服务生来敲门送早餐时大声说道:“GOOD MORNING SIR!”陈阿土愣住了。这是什么意思呢?在自己的家乡,一般陌生的人见面都会问:“您贵姓?”于是陈阿土大声叫道:“我叫陈阿土!”如是这般,连着三天

为理想而奋斗 996

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

十个哲理故事 一场精彩的人生课[zt]

原作者姓名 不详[@more@]1、陈阿土  陈阿土是台湾的农民,从来没有出过远门。攒了半辈子的钱,终于参加一个旅游团出了国。国外的一切都是非常新鲜的,关键是,陈阿土参加的是豪华团,一个人住一个标准间。这让他新奇不已。早晨,服务...

148

IMSL CNL 7.0.0 (x86-64)Crack

IMSL CNL 7.0.0 (x86-64)Crack intel的算法库破解文件,这是C++版本的破解文件

十个励志小故事,一场精彩的人生课!

引语:一字洞悉天下,一语道破天机,一个简单故事足以给人意味深长的人生启示。千万种人生就有千万个故事,不同的经历就有不同的体验。这些哲理小故事,读来启人心智,发人深省,从不同侧面阐释了人生哲理,而且短小精练,情节简单,可读性强,请予欣赏。  故事一:抉择    一个农民从洪水中救起了他的妻子,他的孩子却被淹死了。事后,人们议论纷纷。有的说他做得对,因为孩子可以再生一个,妻子却不能死

roaylchen的博客 2607

20部经典电影的人生哲理

20部经典电影的人生哲理1、要么忙着生存,要么赶着去死! 人总是要做点什么的…… ——《肖申克的救赎》   这是一个关于囚徒的故事。因为被诬告谋杀自己的妻子和妻子的情人,年轻的银行家安迪被法庭宣判终生监禁,在壁垒森严中,对自由的渴望时时刻刻磨砺着他的意志。“希望是人类最美好的拥有, 只要自己不放弃, 希望就会永远相伴相随”。安迪很认真地对几个好友说出这样的话,换来瑞的沉默,过了片刻,瑞才缓慢地...

jiav_net的专栏 3528

让孩子精彩一生的十个励志故事(图)

【引言】一字洞悉天下,一语道破天机,一个简单故事足以给人意味深长的人生启示。千万种人生就有千万个故事,不同经历就有不同体验。这些哲理小故事,读来启人心智,发人深省,从不同侧面阐释了人生大道理,而且短小精练,情节简单,可读性强,请予欣赏。十个励志故事背后的精彩人生课故事一:抉择  一个农民从洪水中救起了他的妻子,他的孩子却被淹死了。事后,人们议论纷纷。有的说他做得对,因为孩子可...

weixin_33923148的博客 152

一场精彩的管理学课程

1、分粥有七个人曾经住在一起,每天分一大桶粥。要命的是,粥每天都是不够的。一开 始,他们抓阄决定谁来分粥,每天轮一个。于是乎每周下来,他们只有一天是饱的,就是自己分粥的那一天。后来他们开始推选出一个道德高尚的人出来分粥。强权 就会产生腐败,大家开始挖空心思去讨好他,贿赂他,搞得整个小团体乌烟障气。然后大家开始组成三人的分粥委员会及四人的评选委员会,但他们常常互相攻击, 扯皮下来,粥吃到嘴里全是

mysky2012的专栏 520

人生当中很有哲理的十句话

人生当中很有哲理的十句话          第一句:“人都是逼出来的”。每个人都是有潜能的,生于安乐,死于忧患,所以,当面对压力的时候,不要焦燥,也许这只是生活对你的一点小考验,相信自己,一切都能 处理好,逼急了好汉可以上梁山,时世造英雄,穷者思变,人只有压力才会有动力。      第二句:“如果你简单,这个世界就对你简单”。简单生活才能幸福生活,人要自足常乐,宽容大度,什么事情都不能想繁

欢迎光临 包国工作室 1223

遇见王沥川的人生感悟_人生感悟的智慧句子,句句经典有哲理!

一、有些人,等之不来,便只能离开;有些东西,要之不得,便只能放弃;有些过去,关于幸福或伤痛,只能埋于心底;有些冀望,关于现在或将来,只能选择遗忘。二、坎坷路途,给身边一份温暖;风雨人生,给自己一个微笑。生活,就是把快乐装在心中,然后,静静融化,慢慢扩散。不要因为暂时的得到而失去未来的拥有,靠牺牲别人得到的更不会长久。没办法,这是天道。三、没有有白费的努力,也没有碰巧的成功。只要认真对待生...

weixin_35604021的博客 737

一个随字的人生哲理

----摘录网络文章------- 寺院里的地是枯黄的,很难看。 小和尚看不过去,对师父说:“师父,快撒点种子吧!”师父曰:“不着急,随时。” 种子到手了,师父对小和尚说,去种吧。不料,一阵风起,撒下去不少,也吹走不少。小和尚着急地对师傅说:“师父,好多种子都被吹飞了。”师父说:“没关系,吹走的净是空的,撒下去也发不了芽,随性。” 刚撒完种子,这时飞来几只小鸟,在土里一阵刨食。小和尚急着对小鸟连轰带赶,然后向师父报告说:“糟了,种子都被鸟吃了。”师父说:“急什么,种子多着呢,吃不完,随遇。” 半夜,一阵狂

chuang123的博客 448

笑谈人生的哲理和智慧

人生百年,若白驹过隙,在时空的经纬所编织的生命中,我们曾循着那密密的针脚,看到过绚烂如朝霞的欢乐彩带,也发现过郁黯如愁云的痛苦症结。但是,无论扯起生命的哪一根经脉,我们都需要无悔地去对待。 我们一生的时光,该会有多少故事编织而成?那些稍纵即逝但却潮湿双眸的份份情怀,那些虽然久远但也难忘的一段段往事,将成为我们心中永久的温馨,任岁月侵蚀,心境变迁,也不会漠视,也将永远珍惜...

weixin_30788239的博客 118
上一篇: 经典自我介绍
下一篇: 二十个启示录
rufer
博客等级 码龄24年 24粉丝 3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