成佛成魔一念间

小时候看电视,总是听到里头的人对大魔头说。放下屠刀立地成佛。 我就在想,杀害了那么多人。怎么放下屠刀就能一下子成佛呢, 这成佛也太容易了点。不仅容易,而且便宜了坏人。不去惩罚他们,竟然让他们成佛。这佛祖也太宽容了吧,真是好坏不分。

于是就问奶奶,“为什么电视里放下放下屠刀就能立地成佛呢”。

奶奶说:“那是电影不是真实的。去,赶紧玩去。”

“哦,原来是电视啊......”带着困惑的答案,一直慢慢长大。

长大后,跟朋友们聊天。说起他们村有一个胖胖的屠夫,从他出村念大学前,从小到大那个人都在杀猪。村里乡亲都很喜欢去他那买肉。

朋友说,小时候知道他是杀猪的就特别害怕,你想啊,整天拿个刀杀猪。对于小孩子来说总是害怕的。

但是跟着家里人经常去他那买肉之后。发现他整天乐呵呵的。不时的还逗一下跟来的谁家的小孩。你可以想象一下,一个总是顶着个大肚子笑呵呵的人给你聊天的样子。还真像个弥勒佛。

聊完天我们都哈哈大笑。

    屠夫跟魔头比还是相差很大的。但是,身为人,谁还没有一颗经常流露虔诚仁慈的心。屠夫是人不是魔,它更容易流露人的慈悲。

现在再从电视里听到“放下屠刀立地成佛”这句话时,我就会想,也许我们只有经历了苦难生死。才会对人生有更深刻的认识。我想佛祖在说出这番箴言时,不知看过了多少人间生死。经历了多少人间疾苦。

魔跟佛,如何界定。魔,试人命如草芥;佛,了悟生死。

佛,是看透了生命之后,对世人都流露出大慈悲的关怀;而魔,是看轻了性命之后的为所欲为。一个杀人,一个渡人。

当魔头醒悟的时候,这一醒悟本身就拯救了诸多生命。放下“屠刀”那本身就走向了成佛之路。

魔之一念更艰难,是彻彻底底的大慈悲。

一念入魔,一念成佛。

    朋友生命中能有这么一个“弥勒佛”无疑是幸运的。

 

 


雅宁嫡系师弟 孙晨晖

本科毕业工作一年,又考研进入象牙塔。跟导师项目南下深圳待了多半年,学术半吊子。

当我老了,携媳妇之手,看日头东升西落。


p.s.

我的这个师弟啊,打球的时候老喜欢防我,然后我就不好意思投了,完后他就使劲中投哈哈,现在的年轻人和领导打球一点都不懂得规矩。哈哈开玩笑开玩笑。


 

师弟师妹们是幸运的,老刘在深圳新开了项目,发sci跟砍瓜切菜似的,研一时候分分钟已经开始谋划国奖。所以谢师宴时候老刘都没怎么和两位毕业生谈笑风生,我想当时老刘心里一定想,md,这俩货,代码代码写不好,文章文章发不出去,数学数学不行,混都混不到一块去。

 

师弟是青年一代,师大的希望,老刘的希望,还要再努力啊,多发几篇sci,毕竟这东西是真金白银,下一篇如果有空师弟得介绍一下opencv深度学习,哈哈!

让天下没有难做的大数据模型!功能下面是弥勒佛框架解决的问题类型,括号中的斜体代表尚未实现以及预计实现的时监督式学习:最大熵分类模型(max entropy classifier),决策树模型(decision tree based models,2014 Q1)非监督式学习:聚类问题(k-means,2014 Q1)在线学习:在线梯度递降模型(online stochastic gradient descent)神经网络(2014 Q2/3)项目实现了下面的组件多种数据集(in-mem,skip)多种评价器(precision,recall,f-score,accuracy,confusion)和交叉评价(cross-validation)多种优化器:协程并发L-BFGS,梯度递降(batch, mini-batch, stochastic),带退火的学习率(learning rate),L1/L2正则化(regularization)稀疏向量(sparse vector)以存储和表达上亿级别的特征特征辞典(feature dictionary)在特征名和特征ID之自动翻译    现有的机器学习框架/软件包存在几个问题:无法处理大数据:多数Python,Matlab和R写的训练框架适合处理规模小的样本,没有为大数据优化。不容易整合到实际生产系统:standalone的程序无法作为library嵌入到大程序中。模型单一:一个软件包往往只解决一个类型的问题(比如监督式或者非监督式)。不容易扩展:设计时没有考虑可扩展性,难以添加新的模型和组件。代码质量不高:代码缺乏规范,难读懂、难维护。    弥勒佛项目的诞生就是为了解决上面的问题,在框架设计上满足了下面几个需求:处理大数据:可随业务增长scale up,无论你的数据样本是1K还是1B规模,都可使用弥勒佛项目。为实际生产:模型的训练和使用都可以作为library或者service整合到在生产系统中。丰富的模型:容易尝试不同的模型,在监督、非监督和在线学习等模型方便地切换。高度可扩展:容易添加新模型,方便地对新模型进行实验并迅速整合到生产系统中。高度可读性:代码规范,注释和文档尽可能详尽,适合初学者进行大数据模型的学习。
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
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

shiter

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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