谈谈学习这件事

作者因工作生活力不从心,认识到学习的重要性。回顾不同阶段学习的目的,结合自身互联网和软件知识学习的困惑,指出学习要有执念,是“逆人性”的,不能速成。还分享从被动到主动学习的转变,强调学习要思辨、践行和总结归纳。

  为何写这篇文章,当身处工作中的我发现,自己的生活和工作力不从心,感觉没有获得感,每天苦恼和来自家庭和周围环境的压力,一次次不断扑向我。我深知要改变目前的状况,只有一条路,学习。

  人为何要学习,因为人对这个世界的认知是不足的,人生下来就像一张白纸。不断接受教育和环境的影响,才有了成长和变化,学习也是人的本性。学习可以去认识这个世界的美好和不好的事物,学习可以培养你做事的行为和方方面面。学习就是接受事物并做出反应的过程。

  第一次感受到“学习”词汇可以追溯到学生时代,学习是为了得到好成绩,好的成绩可以得到周围的赞许和夸耀,可以被宠爱和奖励。再然后呢,学习慢慢变成一种升学的压力,通过辛苦的学习,付出和努力,参加高考,从而走出从小生长的地方得以感受外面的世界,很多人因此改变了命运,因为到了一个不熟悉的环境中接触不同的人和事物,慢慢人生便有了许多种的可能。参加工作,学习是为了谋求更好的薪资和发展,实现自己的人生理想等等。

  本人目前在学习关于互联网和软件方面的知识,使我感到困惑的是,为何学了这么久,可结果不是那么好甚至糟糕。所以我必须好好把学习这件事理一理。

  要有种执念,别人能学会自己也能学会。只是方式和需要花费的时间不同而已,如果自己都不坚信能学会,那何必继续做这件事呢。学习也是一件“逆人性”的事,信手拈来、毫无压力的就没有必要学习,就是因为感到困难、压迫感使人痛苦的事才需要学习和练习,把不熟悉变成熟悉。这个过程需要持续的付出和努力,速成不来。当下的社会流行快餐文化,拿来即食,那种只是短暂的满足感,而根本上没有任何变化,只是被动的接受,越学越浮躁,“什么都懂,可依然过不好一生”。成功的人对自己做逆人性的事,对他人做顺人性的事。

  拿个人的经历来看,之前的学习方式方法。就是从网上下载大量的视频教程听看,照着视频敲一遍代码被动的学习。最后面对需求和问题还是不知道怎么下手(分析),感觉都接触过,可依然写不出来代码。转变为主动的学习,就差一个环境,在这个环境中应该具备 应用场景、很多的问题、牛人各种观点和讨论。除了做好长期的准备,不给放弃做逆人性的找个随时放弃的借口,以及营造一个学习环境,想要坚持下去,给正向反馈,有了获得感和成就感,会激励自己不断学习和专研。

  

 

  所以,学习不是为了追求速度和数量,机械的重复,这样只会让人产出底层次的勤奋和成长的感觉。要思辨、践行和总结归纳

 

转载于:https://www.cnblogs.com/dengfei201766/p/10919492.html

一、数据采集层:多源人脸数据获取 该层负责从不同设备 / 渠道采集人脸原始数据,为后续模型训练与识别提供基础样本,核心功能包括: 1. 多设备适配采集 实时摄像头采集: 调用计算机内置摄像头(或外接 USB 摄像头),通过OpenCV的VideoCapture接口实时捕获视频流,支持手动触发 “拍照”(按指定快捷键如Space)或自动定时采集(如每 2 秒采集 1 张),采集时自动框选人脸区域(通过Haar级联分类器初步定位),确保样本聚焦人脸。 支持采集参数配置:可设置采集分辨率(如 640×480、1280×720)、图像格式(JPG/PNG)、单用户采集数量(如默认采集 20 张,确保样本多样性),采集过程中实时显示 “已采集数量 / 目标数量”,避免样本不足。 本地图像 / 视频导入: 支持批量导入本地人脸图像文件(支持 JPG、PNG、BMP 格式),自动过滤非图像文件;导入视频文件(MP4、AVI 格式)时,可按 “固定帧间隔”(如每 10 帧提取 1 张图像)或 “手动选择帧” 提取人脸样本,适用于无实时摄像头场景。 数据集对接: 支持接入公开人脸数据集(如 LFW、ORL),通过预设脚本自动读取数据集目录结构(按 “用户 ID - 样本图像” 分类),快速构建训练样本库,无需手动采集,降低系统开发与测试成本。 2. 采集过程辅助功能 人脸有效性校验:采集时通过OpenCV的Haar级联分类器(或MTCNN轻量级模型)实时检测图像中是否包含人脸,若未检测到人脸(如遮挡、侧脸角度过大),则弹窗提示 “未识别到人脸,请调整姿态”,避免无效样本存入。 样本标签管理:采集时需为每个样本绑定 “用户标签”(如姓名、ID 号),支持手动输入标签或从 Excel 名单批量导入标签(按 “标签 - 采集数量” 对应),采集完成后自动按 “标签 - 序号” 命名文件(如 “张三
评论
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
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