老早雷军写的:《我的程序人生路》

WebAppTrend 2009-02-04 05:06:23
我的程序人生路



1996年5月写于金山西点BBS







【题记】 如果程序人生的话,这条路太漫长







我并非天生喜欢写程序,上高中时也没有想过程序员的生活。我学电脑非常偶然,小时好友上大学时选择了计算机系,为了和这个朋友有更多的共同语言,我也选择了计算机系,开始步入程序人生的道路。



当我学会一些后,发现自己特别喜欢写程序。我是八七年上的武汉大学计算机系,大一下学期才有专业课。当我有资格上机的时候,发现电脑世界太美妙,就一头扎进去。当时用的是 Motorola 68000 (相当 于 Intel 8088), 540K 的内存,运行的 UNIX 操作系统,八个人一起用。大二学PC,又过了一学期,开始出现在老师的实验室,帮忙干活,当时就写了现在很多人用的 RI (RAMinit, 清内存的小工具, 看来我还是最早一批写 Shareware 的人)。又过了一个学期,开始和校外的公司接触。大二暑假,也就是1989年8月,和一个朋友组建了 Yellow Rose 软件小组,写了我第一个商品软件 BITLOK 0.99。后来自己创业办过公司,也写过一些其他的软件。



大学毕业后,分到研究所,不太适应那里的气氛,就在1992年初加入金山软件,开始了职业程序员的生涯。后来成了金山软件研发部门的主管,但我一直都是一线的程序员。







编程的感受



… 程序员活在自己想象的王国里







我刚接触电脑就发现电脑的妙处,电脑远没有人那么复杂。如果你的程序写得好,你就可以和电脑处好关系,就可以指挥电脑干你想干的事。这个时候你是十足的主宰。每每你坐在电脑面前,你就是在你的王国里巡行,这样的日子简直就是天堂般的日子。电脑里的世界很大,编程人是活在自己想象的王国里。你可以想象到电脑里细微到每一个字节、每一个比特的东西。







… 我爱编程这个工作,可以肯定我会干上一辈子







不少人认为程序员最多干到三十五岁就可以收山换环境了,脑子也差不多该歇歇了,体力也不支了。并认为写程序是年轻人的事情,到了一定岁数,估计没什么人再当程序员了。



当我刚有一点本事的时候,我也和大家一样觉得编程辛苦,也想三十岁后干别的。当我年长一点后就发现了自己的无知。一个人大学毕业就二十一二岁,有点水平的时候可能二十五,接着就是过日子诸多事情。一切搞掂的时候,也许就是三十五岁。如果这样的话,我们就不用选择程序人生的道路。电脑进入中国时间并不短,但真正大规模开始用,还是八五年 PC 开始的,因此国内真正写电脑程序的人最长也就写了十几年(不知道是否还有这样的人)。由于电脑应用在国内时间比较短,国内开发的主力是三十五岁以下的年轻人为主。但这不表示程序员如同红粉佳人般的容易衰老。美国主力工程师以三十四十多岁的人为主。



开始的时候,我们觉得我们没有什么不能做的(现在还能听到这样的豪言壮语),而且更要命的是好象我们特别聪明,特别适合开发软件,比老外强得多。当我们真正接触那些杰出的开发人员的时候,发现他们太厉害了,都有十多年的开发经验。虽然也有很多年轻人做了很多好东西,但决大多数的产品出自这些有丰富开发经验的程序员的手。刚毕业的时候,编程不仅仅是爱好,而且也成了一辈子的工作。整天不知道写些什么东西,觉得特别没劲,找不到感觉,特别灰心。后来,才明白,只有全身心地投入,程序才会有感觉。



写程序的活特别费脑子,也特别累,但我喜欢,可以肯定我会干上一辈子,虽然我没有打算一生只干这一件事。用一生来编程序是一件既容易又困难的事。如果碌碌无为,为交差写点程序,这样的日子太好混了。但如果想全身心地写程序,写十年就不是一件容易的事。现在我不少朋友都洗手了,有时我也想“用什么电脑呀,Windows 外的世界不是也很大吗?”。面对电脑的时候,立刻顿悟:写程序还是自己最擅长的事,也是最喜欢的事。







… 高级程序员不是追求的目标







有的人学习编程技术,是把高级程序员做为追求的目标,甚至是终身的奋斗目标。后来参与了真正的商品化软件开发后,反而困惑了,茫然了。



一个人只要有韧性和灵性,有机会接触并学习电脑的编程技术,就会成为一个不错的程序员。刚开始写程序,这时候学得多的人写的好,到了后来,大家都上了一个层次,谁写的好只取决于这个人是否细心、有韧性、有灵性。掌握多一点或少一点,很快就能补上。成为一个高级程序员并不是件困难的事。



当我上学的时候,高级程序员也曾是我的目标,我希望我的技术能得到别人的承认。后来发现无论多么高级的程序员都没用,关键是你是否能够出想法出产品,你的劳动是否能被社会承认,能为社会创造财富。成为高级程序员绝对不是追求的目标。







… 编程不仅仅是技术,还是艺术







有人认为编程是一种熟练工种,也有人把编程说成是艺术创作。这两种意见争论比较激烈。



我们换个工种来看,石匠应该是熟练工种,属于工人,更和艺术似乎沾不上边。但正是这些石匠,给我们留下多少文物古迹,如乐山大佛、莫高窟等等。应该说这些石匠给我们留下了无穷的文化财产。现代软件工业已具相当规模,很多软件的完成需要的是大兵团作战。一名普通程序员接受编写某一模块的任务后,往往只是写代码,发挥的余地很小。在大项目中,很多程序员只能了解到和自己所编模块相关的很局部的细节,另外还受到开发环境的限制,真的很难体会到自己在从事”艺术”创造,更多的时候是感到自己在从事重体力劳动。有的时候还担心自己苦苦参与的这个项目究竟有没有意义,是不是在同类产品中有竞争力,会不会开发出来以后就因为硬件的发展,操作系统的换代而过时……



我认为编程的工作和石匠比较相似,有技术活,更多的是体力活。不管怎么说,写出一个好软件不是一件容易的事。



这两种想法都有片面性,编程应该说两种属性都有。编程不仅仅是技术,也还是艺术。编程是技术活,才有可能大规模进行,才会有软件工程和软件工厂。也正是编程是艺术,才会有如此多的好产品,让大家如痴如醉。
...全文
1481 9 打赏 收藏 举报
写回复
用AI写文章
9 条回复
切换为时间正序
请发表友善的回复…
发表回复
Pluser 2011-05-06
  • 打赏
  • 举报
回复
牛人 呵 学习中
herman~~ 2009-02-20
  • 打赏
  • 举报
回复
UP
byrybye 2009-02-05
  • 打赏
  • 举报
回复
他现在还写程序吗? 还是这样想的吗?
fabiaodeyu 2009-02-05
  • 打赏
  • 举报
回复
是艺术或者是体力活关键还是取决于个人
imgenus 2009-02-04
  • 打赏
  • 举报
回复
看了很感动, 自己也正走在通向真正开发者的道路上, 苦乐参差, 但乐趣远多于苦闷. 如果真正编程, 其实是在扮演上帝的角色, 虽然我们也必须遵从软件中既有的规则, 但只要我们有足够创造力, 在软件中, 我们就是上帝, 我们控制着一切, 包括Bug.
na2650945 2009-02-04
  • 打赏
  • 举报
回复
学习了。
weberxian 2009-02-04
  • 打赏
  • 举报
回复
沙发,呵呵
weberxian 2009-02-04
  • 打赏
  • 举报
回复
哈哈,牛人
数据集可视化效果见下方。 【数据集概况】 · 检测类别(中文):[公交车(bus), 车辆(vehicle)] · 训练集:1899 张 · 验证集:0 张 · 测试集:0 张 · 总计:1899 张 该数据集聚焦于城市道路环境下的车辆检测任务,旨在为智能交通系统提供高质量的标注数据支持。通过采集真实道路场景中的各类车辆图像,该数据集能够有效支撑车辆识别与分类模型的训练与优化,具有较高的实用价值和研究意义。数据集覆盖了多种车辆类型,包括公交车和普通车辆,为复杂交通环境下的目标检测提供了丰富的样本。... 【训练曲线与评估图】 【模型训练配置】 参数 | 值 模型 | yolo26n 训练轮数 | 100 epochs 输入尺寸 | 640x640 批次大小 | 24 优化器 | auto 初始学习率 | 0.01 训练设备 【关键指标汇总】 训练了 96 个 epoch,最终轮指标: 指标 | 数值 mAP50 | **0.9950** mAP50-95 | 0.9884 Precision | 0.9513 Recall | 0.9659 train/box_loss | 0.0783 train/cls_loss | 0.0416 val/box_loss | 0.1259 val/cls_loss | 0.0771 【训练过程分析】 96 轮训练后 mAP50 达到 0.9950,模型收敛良好。Loss 曲线前段快速下降,后段趋于平稳,val_loss 无反弹,没有明显过拟合。mAP50-95 为 0.9884,和 mAP50 差距仅 0.01,框的定位精度也很扎实。 【模型性能评估】 Precision 0.9513、Recall 0.9659,精召双高,模型对公交车、车辆的检测能力强。多类检测中,不同类别性能可能有差异,需关注难例类别的表现。 【预测效果展示...
内容概要:本文系统研究了基于连续小波变换(CWT)与多种深度学习模型相结合的机械故障诊断方法,利用凯斯西储大学轴承故障公开数据集进行实验验证,并提供了完整的Matlab代码实现。研究首先通过连续小波变换将一维振动信号转化为二维时频图像,以增强信号的时频特征表达能力;随后构建并对比了CNN、ResNet、CNN-SVM、CNN-BiGRU、CNN-LSTM等多种深度神经网络模型用于故障分类识别,全面分析各模型在诊断精度、收敛速度与泛化能力等方面的性能差异。该研究融合信号处理与深度学习技术,属于具有创新性的未发表成果,达到可复现SCI一区论文水平。; 适合人群:适用于具备信号处理基础和机器学习知识,从事故障诊断、状态监测、工业自动化等领域的研究生、科研人员及工程技术开发者;尤其适合熟悉Matlab编程并希望开展相关课题研究或工程应用的专业人士。; 使用场景及目标:①应用于旋转机械设备(如电机、齿轮箱、轴承等)的早期故障检测与智能分类;②支撑学术科研中关于深度学习与信号处理融合方法的研究与高水平论文复现;③作为课程设计、毕业设计或科研项目的实践案例,提升从数据预处理到模型构建再到实证分析的全流程能力。; 阅读建议:建议结合所提供的Matlab代码同步运行与调试,重点关注连续小波变换的参数选择、时频图生成策略以及各类深度学习模型的网络结构设计与训练细节,同时可进一步探索其他小波基函数、优化算法或多模型融合策略以拓展研究深度。
内容概要:本文围绕基于定向M波段双树(希尔伯特)小波的多分量彩色图像去噪方法展开研究,提出一种融合方向选择性与多分辨率分析能力的小波变换技术,用于高效去除彩色图像中的复杂噪声。该方法充分利用M波段双树小波的冗余特性、方向敏感性和近似平移不变性,显著提升在高噪声环境下图像细节的保留能力与去噪性能,并通过Matlab代码实现完整的算法仿真、小波分解与重构流程以及多通道图像处理机制。研究系统评估了不同噪声类型和强度下的去噪效果,采用峰值信噪比(PSNR)、结构相似性(SSIM)等客观指标进行量化分析,验证了该方法在抑制噪声与保护纹理、边缘方面的优越性;; 适合人群:具备数字图像处理基础知识,熟悉小波变换理论及Matlab编程语言的研究生、科研人员,尤其适合从事图像去噪、计算机视觉、遥感图像处理及相关领域研究的专业技术人员;; 使用场景及目标:①应用于彩色图像在采集、传输过程中因传感器噪声、信道干扰等因素引起的质量退化恢复任务;②为医学影像、卫星遥感、安防监控等高保真图像处理系统提供先进的去噪模块技术支持;③作为学术研究中新型小波去噪算法的复现、性能对比与改进的基础平台; 阅读建议:建议读者结合提供的Matlab代码深入理解算法实现细节,重点关注小波分解层数的选择、方向滤波器组的设计、阈值处理策略的设定及其对去噪效果的影响,同时可通过与传统小波、VisuShrink、BayesShrink等经典去噪方法的对比实验,全面掌握该模型在不同场景下的优势与适用边界。

703

社区成员

发帖
与我相关
我的任务
社区描述
提出问题
其他 技术论坛(原bbs)
社区管理员
  • community_281
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧