谨记,社会是不公平的,你也要去参与资本掠夺,不要追求社会公平,否则你一直被剥削,永远成不了事。
所以,你(我)要适应不公平,如果你主张了不公平的事情,那么你还要若无其事的展现出公平的态度,或许认总要变成自己讨厌的样子吧!
作者归档:Fidum
【传统互联网运维】互联网IT架构简介以及文章目录
先看一下传统互联网的IT架构图:
下面列出知识点梳理的目录:
如果自己不能做到,就不要去歧视别人
很多时候,我们对世间各种残暴犯罪或者不道德的事件予以很多的谴责,这和我们受的教育相关,社会本该如此,非常合情合理,但如果从犯罪分子的角度去考虑问题,会得到不一样的感悟,有句话怎么说来着:未经他人苦,莫劝他人善。
如此,你敢说当你穿上犯罪分子的鞋子,走他走过的路,感悟他所感悟,绝望他所绝望,你还敢说你能做出更好的选择吗?
我们很多时候谴责某某某怎么怎么滴,但如果你是他,你当时会不会有一样的邪念,一样的犯罪的冲动,如果你真的可以做到风轻云淡内心毫无动摇,你再去歧视别人,如果你有和他相同的欲望,那你和他就是同一类人,只是你没有犯罪的机会罢了。
自己都管不好自己内心的欲望,又有什么资格去瞧不起他人,凡事多问问自己的内心,如果自己身临其境,该如何选择,而不是和社会上那些被自媒体洗脑了的行尸走肉一样,只知道一味对犯罪分子嗤之以鼻。
所以,这种被外界带偏的思想,其实也是一种偏见。另外,偏见无处不在,在你我身边各个地方都有,每个人对其他很多人都或多或少带有一些偏见,其实这是很不好的。
切记,要忠于内心,忠于自己。
DL界的Hello World,使用神经网络实现手写数字的识别
- MNIST数据集简介
域名解析中的几个概念
允许一切如其所是
至此2024新年初始之时,回首往日,诸多感慨,下面这首诗陪伴我多年,已深入我心,现分享如下,望世间蔼然仁者,皆能不受焦虑抑郁折磨,一往无前去爱不完美的自己,也去爱这个不完美的世界。
《我允许》
--- 海灵格
我允许任何事情的发生,
我允许事情是如此的开始,
如此的发展,如此的结局。
因为我知道,
所有的事情,都是因缘和合而来。
一切的发生,都是必然。
若我觉得应该是另外一种可能,
伤害的,只是自己。
我唯一能做的,
就是允许。
我允许别人如他所是,
我允许他会有这样的所思所想。
如此的评判我,如此的对待我,
因为我知道,
他本来就是这个样子。
在他那里,他是对的,
若我觉得他应该是另外一种样子,
伤害的,只是自己。
我唯一能做的,
就是允许。
我允许我有了这样的念头,
我允许每一个念头的出现。
任它存在,任它消失,
因为我知道,
念头本身本无意义,与我无关。
它该来会来,该走会走,
若我觉得不应该出现这样的念头,
伤害的,只是自己。
我唯一能做的,
就是允许。
我允许我升起了这样的情绪,
我允许每一种情绪的发生。
任其发展,任其穿过,
因为我知道,
情绪只是身体上的感受,
本无好坏,
越是抗拒,越是强烈。
若我觉得不应该出现这样的情绪,
伤害的,只是自己。
我唯一能做的,
就是允许。
我允许我就是这个样子,
我允许我就是这样的表现。
我表现如何,就任我表现如何,
因为我知道,
外在是什么样子,只是自我的积淀而已。
真正的我,智慧俱足。
若我觉得应该是另外一个样子,
伤害的,只是自己。
我唯一能做的,
就是允许。
我知道,
我是为了生命在当下的体验而来,
在每一个当下时刻,
我唯一要做的,就是
全然地允许,
全然地经历,
全然地享受,
看,只是看。
别等某件事完成了再去快乐
可是生活不是在某个节点后才开始的,我不能等没有困难了再开始快乐
生命中每个阶段都有每个阶段要完成的事情,不要等完成某件事情再去让自己快乐,快乐是一种选择,如果万事不如意,就要哄自己开心!
怎么恢复爱的能力
最近刷视频,了解到infj和enfp很配,我具体不知道enfp是什么样子的,我也不想去了解,因为知道,我现在根本没有力气再去深入了解一个人,认识一个人,并且让别人走进我的内心。
时至今日,我知道我在感情上这一路走来的种种坎坷,我也无意去怪罪任何人,所有事都是自找的,或者是由很多先天性因素决定的。
我需要能量,除了身体要达到100%状态,更重要的是恢复爱的能力,这样,我才能全力去感受这个世界,爱这个世界,爱未来的那个人。
关于未来怎么去恢复爱的能力,我还要继续探索。下面就作为探索笔记吧。
【机器学习基础算法】之K均值聚类算法
k均值算法主要应用在聚类上的无监督算法。
他的目标是将数据集中的样本根据其特征分为几类,使得每一类内部样本的特征都尽可能相近,这样的任务通常被称为聚类任务,作为最简单的聚类算法,k均值算法在现实中有广泛的应用。
【机器学习基础算法】之K近邻算法
k近邻算法主要应用于在分类上的有监督算法中。
原理
在分类任务中,我们的目标是判断样本x的类别y。
KNN会先观察与该样本点距离最近的K个样本,统计这些样本所属的类别。然后,将当前样本归到出现次数最多的类中。我们用KNN算法的经典示意图来更清晰地说明其思想