博客
关于我
关于离开体制的思考
阅读量:740 次
发布时间:2019-03-21

本文共 359 字,大约阅读时间需要 1 分钟。

从导酒至芯片:一位技术工作者的成长历程

我是技术向往者,曾在实验室工作多年,从端茶倒水、扫地,一步步走向技术突破。

高中时期,我自认天生左撇子,特长正是记忆力超强,睡眠节律独特。在这些能力的基础上,我开始尝试将小知remember转化为技术能力。记得那个闷热的夏天,我独自一人就在空调房里研究小项目,独自在编程中探索未知的世界。

每到深夜,我常常能在实验台前沉浸不知几小时,带着咖啡杯来回踱步。清白的日子里,我和实验室的伙伴们一起异想天开,在课余时间打磨着各种项目,直到完成率上来就 автомagically睡着。

被称为"芯片小霸"的时期,我记得很清楚。看着实验数据不断反弹,在调试器上抓瞎式检验,一遍又一遍重复测试,一经发现哪怕是最微小的问题也要立即加以改正,那些时光容易让我完全忘记了食睡两至三小时作为换天荷。

转载地址:http://knggz.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | 实战 | 基于YOLOv9和OpenCV实现车辆跟踪计数(步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 实战 | 文本图片去水印--同时保持文本原始色彩(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 通过微调SegFormer改进车道检测效果(数据集 + 源码)
查看>>
OpenCV与AI深度学习 | 实战—使用YOLOv8图像分割实现路面坑洞检测(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战篇——基于YOLOv8和OpenCV实现车速检测(详细步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战|OpenCV实时弯道检测(详细步骤+源码)
查看>>
OpenCV与AI深度学习 | 实用技巧 | 使用OpenCV进行模糊检测
查看>>
OpenCV与AI深度学习 | 实践教程|旋转目标检测模型-TensorRT 部署(C++)
查看>>
OpenCV与AI深度学习 | 工业缺陷检测中数据标注需要注意的几个事项
查看>>
OpenCV与AI深度学习 | 干货 | 深度学习模型训练和部署的基本步骤
查看>>
OpenCV与AI深度学习 | 手把手教你用Python和OpenCV搭建一个半自动标注工具(详细步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 水下检测+扩散模型:或成明年CVPR最大惊喜!
查看>>
OpenCV与AI深度学习 | 深入浅出了解OCR识别票据原理
查看>>
OpenCV与AI深度学习 | 深度学习检测小目标常用方法
查看>>
OpenCV与AI深度学习 | 超越YOLOv10/11、RT-DETRv2/3!中科大D-FINE重新定义边界框回归任务
查看>>
OpenCV与AI深度学习 | 高效开源的OCR工具:Surya-OCR介绍与使用
查看>>
OpenCV与AI深度学习|16个含源码和数据集的计算机视觉实战项目(建议收藏!)
查看>>
Opencv中KNN背景分割器
查看>>
OpenCV中基于已知相机方向的透视变形
查看>>
OpenCV中的监督学习
查看>>