以下文章来源于挺婷Tina ,作者挺婷Tina 挺婷 Tina 读完需要3分钟 速读仅需 1 分钟 不知道你有没有经历过这样的场景:在部门的讨论会上,老大让每个人各抒己见,有些人半天说不出什么内容; 不禁在想,他们是怎么做到深度思考,得出结论的。恰好贺嘉老师的《表达力》一书中,介绍了做到深度思考的三个要素:洞察规律、理解人性、总结方法论,下面将针对这三个要素进行分享: 1 洞察规律 什么叫规律? 3 总结方法论 在公司里,能执行的人很多,但能总结方法论的人,真的是太少了,甚至到了公司的中高层,也是这种状况。 其实管理层们都知道,总结方法论很重要,但为什么做的人却不多呢? 4 写在最后 无论在哪个时代,深度思考都是一个极度稀缺的能力,只有多思考规律,才能预判趋势;只有理解人性,才能聚合资源;只有总结方法论,才能实现成果的复制。 最后,希望大家都能在自己的思维方式,get 深度思考的能力! End
机器学习的套路 大部分机器学习算法(包括深度学习),其实是在一个理想空间里(接下来我们会以三维空间为例子)寻找一个最大/最小值。 深度学习的容量足够大,因为它可以有几百万上千万的参数,这使得它理论上能够拟合任何形式的数据。根据我的实际经验是,它确实能很好的拟合训练数据,并且不是简单的记住他们。 ,并且具有更一般的适用性,然而,这不是全部,他的最大意义在于: 深度学习完成了原来由人工将特征准备好喂给算法到我们把抽取特征的方法告诉算法,算法自己完成特征的实际抽取过程的转变。 再回过头来看比如CNN, RNN等深度网络的变体,利用这种结构,我们可以捕获一些特殊的信息,比如平移 旋转,序列概率等 ,这本质上是人类总结出了几种很不错的特征种类,深度学习利用特定的网络结构在训练的时候自动抽取出这些特征 但是深度学习确实能学出我们不知道的一些东西。这就是他们的区别。 模拟人们的思维 我发现,人的很多东西也是可以反向通过机器学习的理论来解释的。
如果你是这样思考的,你的代码里就会比较少出现只有一个分支的if语句,它看起来就会像这个样子: if (...) { if (...) { ... } else { ... } ; expect(tea).to.have.property('flavors').with.length(3); 这种做法是极其错误的。 这样就可以保持完全的一致性,减少不必要的思考。 有人可能会说,全都打上花括号,只有一句话也打上,多碍眼啊? 利用操作符的优先级来减少括号,对于1 + 2 * 3这样常见的算数表达式,是没问题的。然而有些人如此的仇恨括号,以至于他们会写出2 << 7 - 2 * 3这样的表达式,而完全不用括号。 由于x << 1相当于把x乘以2,很多人误以为这个表达式相当于(2 << 7) - (2 * 3),所以等于250。
前面实际我对于思维认知,问题分析解决,深度思考等都写过专门的文章。 首先我还是对我原来谈到过的深度思考的一些关键点做下总结,然后再结合一张图来谈下如何锻炼个人深度思考的能力,里面的核心或关键点究竟在哪里? 1. 3. 深度思考的一个关键-逻辑自洽 今天我讲思维,想讲一个关键点,就是对于深度思考的一个关键点,它实际上叫做你自己需要在逻辑上实现自洽。因为闭环这个词使用的太多,我今天不用闭环,而用自洽这个词。 所以再简单总结一下,很简单,如果你想实现一个深度思考,那么你一定要注意我刚才谈到的在思考的逻辑中,你要去实现因果的自洽,你要去实现关系的自洽,你要去实现过程逻辑的自洽,只有这样你才能够形成一个完整的深度思考过程 深度思考 = 时间+空间+逻辑 结合上面谈到的内容,我们对深度思考就有了更加清楚的认识。即一个思考能够算得上深度思考,一定是解决了时间拓展,空间扩展,时间+空间的关系逻辑三个方面的关键内容。
本来没有想到会有3的,结果最近的活动又让我有了一些新的思考,就赶快梳理一下~ 当运营给了你一个需求,你该做些什么? 在1和2中,做的事情是将信息以合适的数量与合适的方式展示出来,但是做好这些就够了吗?
“得到”建立两年来,已经服务上千万人,全球的顶级知识大咖入驻,开堂授课,一个课程动不动就20W+,大家疯狂写留言,真是深度影响无数人。 最近很火热的三九投资学院,3个月报名6000+人,也是分班的。 这些最好的社群都是自觉不自觉的使用了学校的分班模式。 其实,想明白了就很简单。如果不分班,一个大群几百号人,甚至QQ群上千人。 问题是,我们要如何才能获得苗哥的这种思维方式也就是在思考一个新的命题时,看破新命题的本质,然后在我们已经熟悉的世界找到最好的案例,然后用这个案例进行参考,进一步深入思考这个新命题。
一 DeepSeek对话页面 与通义千问、文心一言等大模型的网页版相比,DeepSeek的页面更简洁,除了简单的介绍+对话框,深度思考和联网搜索两个选项,以及文档上传。 对RAG概念有过了解的朋友们可以从这个页面上推导出一些信息:1、DeepSeek的深度思考只有R1模型支持;2、联网搜索和上传附件互斥,通过开关实现知识库/互联网搜索的切换;3、支持多类型的文档内容提取 二 体验深度思考 2.1 案例分析 通过一个具体问题,来体验DeepSeek的深度思考(推理)能力:你是一名资深研发人员,有十年的后端开发、架构设计和项目架构师经验。 2.2 适用领域与官方案例 “深度思考” 模式专门针对数学、代码等各类复杂逻辑推理问题而设计,相比于普通的简单问题,能够提供更加全面、清晰、思路严谨的优质解答,充分展现出较长思维链的更多优势。 关于深度思考,DeepSeek官方在DeepSeek-R1-Lite发布中给出了另一个更为典型的案例。
例如要用计算机程序)去模拟“人”,在描述了人的动作(饮食、思考、移动等)符合设计要求后(如可完整表达“人”在坐下时候的动作),其他“人”的细节都可以忽略,以集中设计需要的功能,并减低程序的复杂度。 程序设计中,抽象类别包括下列4类: 1.过程抽象:能够引入一些新的操作; 2.资料抽象:能够引入新的资料对象类型; 3.反复运算抽象:能够反复运算遍历在集合中的元素,而不必显示如何获得元素的细节; 4. 3 软件设计中的抽象举例 3.1 业务场景 在平时生活中我们每个人在加入一个新的群体前都会进行自我介绍,以此来让人们认识自己,比如一名老师会这样说:“大家好,我是一名老师,我叫XXX”,一名运动员会说: 对于数学和软件架构的关系,因为本人目前的阅历也是较为浅薄,所以在此先一笔带过,待日后经验更加丰富,思想更加有深度时再回来补充。 这是一个值得思考的问题,而我认为抽象最大的好处就是: 能够最大限度的减少重复 基于抽象可以灵活的扩展 所以只有当我们的设计能够达到可抽象的要求是才适合使用抽象,而本来的简单和精巧的设计不一定非要进行抽象
思维导图 01 深度思维 深度思维的本质,是深度的知识——如何看待所谓思维工具 所有深度的思考,都是以更深的知识作为支撑的,它最终呈现出来可能很简洁,以至于我们都能给它取一个人如其名的名称了。 、认知管理升级清单 《少有人走的路》、《我们内心的冲突》都是十分精悍的干货,字字珠玑,“启蒙”级别的好书; 《这才是心理学》撇清了大众对心理学的不少误解,撕碎了不少江湖骗子的谎言,不仅能够帮助你更好的思考自己 ,也能帮助你思考如何正确思考; 迈尔斯的《心理学》,是美国众多高校心理学专业的教材,认真花一两个月啃下来,你能够对心理学建立起一个全面的认知 哲学学习入门,同样的,笔者只推荐《西方哲学史讲演录》(赵林) ,对世界进行认知时,如果缺少对应的『认知模型』,就算你『看见』了,也会因为完全没有概念,无法认知 积累『认知模型』,为自己的思考和行动提供明确的坐标——阅读,是为了能够理解 语言是思想的直接现实——你思想 坚持提问与反思,你便能把书本中的东西和自己的思考结合起来,以后一旦你开始思考,自然就会联想到这些知识,并且流畅地把运用 阅读时拟个清单,看完一部分再去解决是最明智的选择 如何深度研究一个问题:信息集成,
本篇文章是我结合 Android源码 在此基础之上进行了思考和分析,文章内容也包含这篇资料所讲的内容。 关于 Handler 和 Looper 的大部分知识在以前的 又一年对Android消息机制(Handler&Looper)的思考 文章讲的比较详细,这里讲的比较省略。 又一年对Android消息机制(Handler&Looper)的思考 这篇文章讲了一些 Handler 和 Looper 的基础知识。 除过 同步屏障 之外应该都不难理解,又一年对Android消息机制(Handler&Looper)的思考 这一篇文章中我们讲了同步屏障的产生、使用和移除 MessageQueue.next 方法。 又一年对Android消息机制(Handler&Looper)的思考 这一篇文章中我们讲了 Looper.loop 方法和 MessageQueue.next 方法。
前两篇文章中可以看到Activity和Service,context.startService对应着Service中的onStart()方法,context.onBindService对应的是Service中的onBind()方法。当我们继想绑定一个Service又想在Activity停止时,Service不会停止,我们可以先StartService,然后再BindService()。这时候的流程图如下所示:点击放大
不知道大家平时在进行后端编程的时候有没有考虑过一个概念:泛型编程,就像面向对象、面向接口编程一样,很常用以致于用成为了大家广泛的习惯,在后端常用编程语言中,无论是Java、C++都支持泛型编程,而在2022年的3月份 虽然之前在使用Java进行编程时经常用到泛型,但是未曾思考过到底为什么需要泛型?没有泛型会怎样?泛型带来了什么作用?泛型的实现原理是怎样的?等等问题。 因为Go1.18版本发布已有几个月的时间,各个IDE也陆续支持Go语言泛型编码,因此也通过一些资料学习了Go语言泛型这个新特性,并且对此做了一些思考,想以一篇文章来向大家分享自己的思考经验和见解,同时也会以实际代码的方式使用 hashMap.GetValue("s") hashMap.Print() } 具体Go泛型编程内容可以看下这篇文章哈:《一文搞懂Go1.18泛型新特性》(http://t.csdn.cn/XUc5Z) 3 参考: https://time.geekbang.org/column/article/485140 https://baike.baidu.com/item/%E6%B3%9B%E5%9E%8B/4475207
放大/缩小 3. 旋转 4. 平移 5. “弯曲” 这5种操作中,1,2,3的操作由 完成,4的操作是由 完成,5的操作则是由 来实现。 3. 如果希望通过层网络能够从[C, O]空间转变到 空间的话,那么网络的学习过程就是将W的数值变成尽可能接近(1)的过程 。如果再加一层,就是通过组合 这三种基础物质,形成若干更高层的物质。
https://github.com/ultralytics/yolov3 2.实验过程 1.U版YoloV3 1.最大边放缩 320 运行:~/yolov3$ python detect.py motorcycles, 1 trucks, Done. (0.013s) image 3/10 data/samples/18124840932_e42b3e377c_k.jpg: 256x320 3 10 data/samples/18124840932_e42b3e377c_k.jpg: 384x512 3 persons, 3 boats, 1 birds, Done. (0.018s) image YoloV3-spp-ultralytics(U版YoloV3-spp),还是有5个百分点的不足。 总结一下:CenterNet相较于YoloV3原版提升比较明显,但是针对改进YoloV3-spp 提升不明显,也低于U版 YoloV3-spp。
今天在优化代码的时候发现了一段代码运行时候极其缓慢,从而引发了我对 try catch 的性能优化深度思考? 关键代码拆解成如下图所示(无关部分已省略): ? 上面的种种表现进一步引发了我对项目性能的一些思考,我搜了下我们这个项目至少存在 800 多个 trycatch,糟糕的是我们无法保证所有的 trycatch 是不损害代码性能并且有意义的,这里面肯定会隐藏着很多上述类的
经过最近1~2个月我对的DeepSeek的使用,我发现跟我原来用GPT或者是Kimi最大的一个差异点,就是它提供了深度思考的能力。 而且它的整个CoT思维链完全是公开的,是可以给你参考和学习的。 这个不就是跟我们经常谈到的系统思考,辩证思考的核心思路逻辑是一样的吗? 原来都是AI学习人的思考方式,我觉得以后这个思路可能会发生巨大的变化,就是说人会向AI的思考方式去进行学习,弥补自己原来思考方面的不足。 所以说AI拿到这个问题以后,我当时没有打开深度思考的时候,他把这个问题理解的很简单,三年要存够100万,你可能每年花5万,那你每年至少要存30万块钱,所以说他就会去帮我规划怎么样去投资,怎么样去理财。 但是当我打开深度思考以后,他意识到这个问题不是一个静态的问题,而是一个动态的问题。
在以往的编程学习中,我们听说过很多编程概念,比如面向对象编程(OOP)、面向方面编程(AOP)、面向过程编程(POP),以及还有今天要进行深入思考的面向接口编程(IOP)。 ProgrammerSys{Name: "zs"} sys.Coding("Java") db := ProgrammerDB{Name: "ls"} db.Coding("SQL") } 3 思考 到这里,讲了这么多,其实最终的总结很简单:接口的本质就是抽象和规范,接口是抽象的产物,应用于规范。
6ms } catch (error) { sum += error; } } console.timeEnd('sum'); 上面的种种表现进一步引发了我对项目性能的一些思考
深度思考:好的,用户让我给OneCode低代码打个分,我需要先全面了解这个平台的特点、优势、应用场景以及可能存在的不足。首先,我需要仔细分析提供的搜索结果,看看里面提到了哪些关键点。 搜索结果[3]详细讨论了低代码平台中的出码模式,从模板模式、引擎驱动模式到DDD领域驱动设计,指出OneCode作为基于DDD的解决方案,通过元数据注解实现可视化编辑和代码生成。 技术架构与设计理念(9.0分)核心优势:DDD领域驱动设计:深度融合领域驱动设计(DDD)理念,通过统一语言环境、限界上下文划分和元数据体系,实现业务逻辑与技术实现的高效对齐。 功能特性与工具链(8.5分)亮点功能:可视化设计器:拖拽式UI设计与业务逻辑编排,支持CSS3样式编辑、事件动作扩展及前后端一体化代码生成。 3. 开发效率与适用场景(9.0分)适用场景:企业级复杂应用:适合需要快速构建中后台系统(如ERP、OA)、表单驱动型应用及流程审批系统的企业]。
对于应用深度学习需要思考什么的问题,我们无法统一答复,因为答案会随着你要解决的问题的不同而不同。但是我们希望以下的问答将成为一个帮助你如何在初期选择深度学习算法和工具的清单。 例如,ImageNet的训练数据集有1000个分类,Iris的数据集只有3个分类。 batch size要多大?batch是指一组数据集的采样,例如一组图片。 尽管深度学习是自主提取特征值的,你仍可以通过使用不同的特征值提取方式来减轻计算负载和加快训练速度,特别当特征值比较少的时候。 应该使用哪种非线性算法和损失函数,选择哪种初始化权重值的方法? 非线性算法是把深度学习网络的每层连接起来的激活函数。它也许是Sigmoid、Rectified Linear或者其他。特定的非线性算法常常伴随着特定的损失函数。 最简单的特征值架构是什么?