Tensorflow深度学习入门与实战
同时还宣布将实施分批用餐制度，深度避免餐厅过于拥挤。
比如，学习如果让你解释抽水马桶的工作原理，或者自行车骑行背后的科学道理，很多人是知其然，却不知其所以然。比如，入门一位记者觉得自己可以一年之内写完一名纽约政客的传记，入门他选择的参照系是自己作为调查记者的经验：一个月写出一篇深度报道(相当于一本书的一个章节)很常见，一年写完12个章节不就成为一本书了吗?但是他并没有向同行求教。
重视经验的价值其实第二次世界大战之后的现代奥运会，深度除1984年洛杉矶奥运会有所盈余之外，深度几乎每一场都会预算超标，很多时候成本成倍增加，让主办城市背负沉重的债务负担，也让奥运场馆最终沦为极其昂贵的废墟，比如说雅典。每个举办国奥运相关的基建，学习肯定是偏向选择本国人，希望创造本土就业，不会选择一家全球知名的奥运承办公司。问题恰恰出在这里，入门很多领导者在做出大决定的时候，入门并不会花上太多的时间，很可能利用系统1，按照自己的直觉来做决策，而且一旦决定了也不会再花时间思考，原本应该仔细思考、权衡各种可能选项的流程变成了拍板会。
但奥运会首先是讲政治和讲收入的，深度奥委会当然希望有城市竞争，各大城市的政客也希望奥运能够提升城市名片，令自己功成名就。反观奥运会，学习则几乎违背了上述的每一条经验。
庞大项目常常被认为是独一无二的，入门但如果学会跨界，就能在其他领域找到类似的项目作为参照，减少探索中试错的成本。
为了让1976年的奥运会能够在蒙特利尔举行，深度该市的市长尚·达坡(JeanDrapeau)不惜说出这样的大话：深度蒙特利尔奥运会不可能出现赤字，就像男人不可能生孩子一样。相反，学习建设帝国大厦所使用的技术和工程队此前都有建造高楼的经验。
详尽规划，入门在规划中注意吸收反馈、不断迭代，但执行起来要快，千万不要有拖延症，或者让外部因素有干扰的机会。卡尼曼强调，深度需要用参照系来替代个人的主观估计。
其实，学习并不是每个项目都是独一无二的，想要做好规划，做好预测，找到现实世界的锚点很重要。入门计划赶不上变化就是这个意思。
相关文章：