粉丝942获赞13.6万

一个男人究竟要性感到什么程度,才能被粉丝追着喊 daddy? 在 这个崇尚年轻的时代,这个年近六旬的男人反而像一瓶陈年的烈酒,越老越有味道,让无数影迷为之疯狂。他用一张棱角分明的脸,定义了一种独一无二的高级性感。本期为您分享麦斯米克尔森。 一九六五年,麦叔出生于丹麦哥本哈根一个普通的蓝领家庭。在成为演员之前,他的身份是一名职业体操运动员和现代舞 者。整整十年的舞台生涯,让他的身体具备了一种超乎常人的控制力和优雅的韵律感。这也就是为什么即便他站在那里一动不动,你也能感受到一种极强的压迫感。直到三十岁,一个在演艺圈堪称高 零的年纪,他才推开戏剧学校的大门,正式开启了自己的表演之路。初入影坛时,麦叔在丹麦本土电影中摸爬滚打,他可以是末路狂奔里那个剃着光头狂躁不安的底层混混,也可以是绿色屠夫里那个呆滞又神经质的屠夫。他那张充满故事感的脸庞和扎实的演技, 很快就让他成为了丹麦最知名的男演员之一。就只差一个走向世界的机会。二零零六年,这个机会终于来临。在经典特工系列电影零零七中, 他饰演了那个会从眼睛里流出血泪的反派乐熙福。这个角色颠覆了传统零零七反派的脸谱化形象。他冷静、优雅,甚至在折磨邦德时都带着一种病态的从容。仅凭一根绳结和一把空心座椅,他便将肉体的酷刑 升华为一场惊心动魄的心理交锋,观众第一次发现,原来反派的魅力可以如此致命。如果说极致的反派只是展露了他的锋芒,那么二零一二年的丹麦电影狩猎则将他的演技 推向了全新的高度。他饰演了一个被权杖诬陷的男老师。在教堂那场戏里,面对众人的唾弃,他没有声嘶力竭的辩解,他只是用那双通红充满血丝的眼睛死死的盯着曾经的好友,那种从喉咙深处压抑出的悲愤,比任何嘶吼都要震耳欲聋。凭此表演,他毫无悬念的摘得嘎纳影帝, 向世界证明了他既能演绎非人的恶,也能承载凡人的痛。他的演技最绝的地方在于那份近水流深的力量。在美剧汉尼拔中,他挑战了安德尼霍普金斯留下的神级角色,他没有刻意模仿,而是赋予了汉尼拔一种堕落天使般的孤独感, 要求每一套西装都必须合身到极致,每一道菜品的摆盘都必须像艺术品。最终,他塑造的汉尼拔将暴力与美学完美融合,观众一边为他的冷酷不寒而立,一边又沉醉于他那致命的吸引力之中。这部剧也让他彻底坐稳了书圈顶流的宝座。从此,他的戏路愈发开阔, 开始在好莱坞的商业大片中游刃有余。他是奇异博士里那个拥有强大信念感的反派卡西利亚斯,也 是星球大战外传里那个人辱负重的科学家。到了二零二零年的酒精计划,五十五岁的麦叔重操旧业。在电影结尾,他跳了一段长达三分钟的现代舞, 在那段混合着酒气、汗水与泪水的舞蹈中,他释放了角色,压抑了一生的颓废与狂喜。这段表演成为了银史经典,也为他赢得了欧洲电影奖最佳男主角的殊荣。从三十岁的高领新人,到如今横跨商业与艺术的引谈巨星麦斯米克尔森,证明了真正的魅力。 从来不需要华丽的修饰,而是岁月的沉淀与对专业的极度自律。他用前半生的舞蹈学会了控制身体,用后半生的表演学会了释放灵魂。他让我们相信,性感从来与年龄无关。

一个男人到底要多性感,才会被称为宇宙级古王?世上呆地千千万,喜欢麦叔占一半。这里是金狗,今天为你揭秘麦斯米科尔森 法拉利老了,还是法拉利胡须、皱纹、银发,嘴中吞吐的烟雾,是这个丹麦国宝的性感魅力。一九六五年出生 于丹麦哥本哈根,没人能预料这个眉清秀的男孩会成为丹麦最性感的男人。麦斯的艺术之路始于舞台与肢体的碰撞,自由体操的锤炼与古典芭蕾的优雅合进他的骨血,也为三十岁后从舞者转型演员打下基础。一九九六年,麦斯凭借幕后狂奔中混混托尼 正式出道。光头墨镜的凶狠外表下藏着无处安放的迷茫。但真正让他从北欧走向世界的,是零零七大战皇家赌场里的乐西服 一同刀疤治疗哮喘的吸入剂,是冷静外表下的偏执与疯狂。他打破了邦德反派的脸谱化设定,与丹尼尔克雷格的对戏 更是张力拉满,让人又惧又叹。从此,这个反派专业户开启了属于他的候鸟式演技。一边是奇异博士里披着斗篷的卡西利亚斯,是星星大战里的盖伦厄索,是接替德普出演格林德沃的临时救场。另一边是 丹麦小成本文艺片里那些疲惫脆弱的中年男人。一二年的狩猎,让所有人突然意识到,这个总是演反派的丹麦男人,原来可以把无辜者的破碎演的让人心碎。他凭借一个被谎言毁掉的幼儿园老师的角色,拿下了康纳影帝。那一年,他四 十七岁。拿下影帝的四年,哈尼拔的横空出世,让无数人认识了拔叔,那双眼睛里藏着不知是慈悲还是杀意。面对安德尼霍普金斯的经典在前,麦斯没有模仿,而是赋予哈尼拔全新的灵魂。他穿着三件套西装,听 古典乐,做精致的法餐,只是碰巧他的食材来自那些冒犯了他的人。他的演绎让这个反派成为影史经典,也让全球观众记住了这位丹麦演员。但其实麦把有别荧幕上冷烈风皮、 气场两米八的汉尼拔麦子书,私下却是纯爱系笨蛋美男,曾经因为脸盲演绎生涯惨遭滑铁卢,与妻子汉娜的双 a 组合更是让无数人厌倦,被人戏称中权老钱 装一鞋的风格,皮衣皮包搭配同色系休闲裤,气质和气场比超模还稳。红毯上他的各式西服穿搭,搭配规整的背发,有着属于丹麦熟男独特的气质,偶尔叼烟更是增加韵味。数千天赛的权威不言而喻,但丝服却是红配绿的丹麦阿迪王各种奇怪穿搭,上身 喜欢穿运动服,甚至头戴皮卡丘头套,是真实又可爱的老汉。麦斯米克尔森用三十余年的演绎生涯,书写了一段属于实力派的传奇。时间和名利在他身上留下光环,但属于他自己的那份活人感,才是在这个追求精致的时代,击中每一位观众的核心力量。


大家好,我是麦叔,接下来的十分钟左右,我将带你深入浅出的理解卷机,神经网络,也就是 cnn 包括 cn 的直觉理解核心原理,以及小学生也能理解的计算过程。如果听不懂,欢迎你来打我, 关注我的公众号,卖书编程可以联系到我。我们能够轻松的认出这是刘德华,这也是刘德华,甚至这张侧脸照刘德华, 这是因为我们大脑的视觉皮层有千千万万个特征探测器,他的阴沟鼻,他的下巴,他的脸颊,他的眉毛,他的耳朵, 还有很多我们都没有意识到的特征,帮助我们快速的确定他就是刘德华。生物学家发现人脑的视觉皮层 具有很多局部特征探测器,这些特征探测器各司其职,有的负责水平方向,有的负责垂直方向或其他方向,他们也层次分明,有的负责边界曲线等比较低阶的特征, 有的基于低阶特征探测复杂的模式,比如眼睛、嘴巴,而有的负责更复杂的模式,比如人脸的轮廓,小狗的身形等等。到这里,你只要记住一个词,特征探测器。 英文是 feature detector, 也被称为 filter 或者科 no, 都是一个意思。我们要知道 filter 有很多,他们各司其职,而且他会扫描整个图片的每一个局部来探测特征是否存在。这样就算这个阴沟鼻在图像中 换了位置,特征探测器仍然能够成功的探测他是否存在。这个视频,假设你对神经网络、激活函数、反向传播等有基本的了解,如果你不了解,就算听不懂也不要打我,而是去看我的大话,神经网络系列链接会留在置顶评论中。 这里有一张六个像素乘六个像素的图片,上面是手写字 x, 它的数字表示是这样的,为了使用普通的神经网络对图片做分类,我们要把它转成一个三十六个数字组成的项链,作为这个神经网络的输入。 如果神经网络只有一个神经元,我们需要三十六个系数,把输入和神经元关联起来。如果有十个神经元,那就是三百六十个系数,这看起来没什么大不了。我们来看一张现实中的图 片,假设这是一千乘一千的图片,也就是一百万个像素。在现实中,这并不是一张很大的图片。 如果我们的神经网络有一千个神经元,这也不是很大的网络,这样我们就需要十亿个系数,而且这可能只是神经网络的第一层,后面可能还有好几层。可想而知,这样的神经网络不管是训练速度还是运行速度都会很慢。 没错,这是 cn 的优点之一, cn 需要的参数要少得多。他还有另外两个优点,一,特征移动后仍然可以识别,因为特征探测器会扫描整个图片的每一个局部来寻找特征。此外, 他还考虑了特征之间的相关性。选机神经网络就是对普通神经网络的增强。图中 右侧就是一个普通的神经网络,卷机神经网络,在它之上增加了特征提取的过程。给我一张图片,不会直接把它数字输入到 普通神经网络中,而是先做特征提取。特征提取包括卷机和磁化这两个步骤,这两个步骤可能会重复很多次,我们先看一下卷机,卷机就是用特征探测器去探测特征的过程, 特征探测器就像一个探照灯,扫描图片的每一个局部,去找到相关的特征。 看一个例子,这张左边的图片通过一个边缘特征探测器就可以生成右边这样一张图片,这张图片我们称为特征图,有多少个特征就会生成多少。 两张特征图生成特征图后会做磁化,磁化简单说就是把图片缩小,缩小以后不但可以加快运算速度,还可以丢弃一些不重要的特征。 经过多次的卷机磁化,最后生成的特征会作为输入,输入给普通的神经网络。通过这个网站,我们可以教护士的体验 cn 的过程,我会把网址留在评论区,在这边我们可以写一个手写数字,我写一个六, 这里首先显示了我写出的数字六,然后是第一个卷机层,共有六个特征,所以生成了六个特征图,然后这六个特征图被磁化,也就是图片被缩小。接下来进入第二个卷机层,第二个卷机层有非常多的特征,所以生成了很多特征图,然后 被磁化,接下来就进入了普通的神经网络,也就是全连接成,最后生成了一个分类结果。他认为最大的可能性是六,因为确实是六,第二可能性是五,六和五长得确实有点像。 我们来看一下这几个 cnn, 他们可以用于识别人脸、汽车、大象、椅子等,他们都是由三个卷机层组成的。先看第一个卷机层,用于识别最基本的特征,主要是图像中的线条,我们可以看到 他们的基本特征都是相同的,因为不管是大象还是人脸,都是由各种各样的线条组成的。 第二个卷机层用于识别一些比较复杂的局部特征,比如说眼睛、眉毛、汽车的轮胎、大象的尾巴等等, 这些特征都是由第一个卷机层的基本特征生成的。虽然第一个卷机层的基本特征是基本一样的,但是第二个卷机层的特征就是各不相同,就好比下面只有二十六个字母,但是上面的单词却可以有很多不同的种类。 第三个卷机层基于第二个卷机层识别更加复杂的特征,比如说人脸、整个汽车、大象的主要身体,整个椅子等等。我们来看一下到底什么是特征探测器,他如何探测特征? 图中左边是一个六乘六的图像,是我们的输入,中间是其中一个探测器,是一个三乘三的格子,他也可以是其他的尺寸,比如四乘四、五乘五。右边是这个特征探测器在这个图像上探测出的 特征图,这个六乘六的图像,他的右侧是黑色的数字,都是零,左侧是白色的数字,都是十。这个探测特征探测器他要探测的特征是图像上垂直方向上的分格线, 我们看一下他是如何探测垂直方向的分割线。这个三乘三的特征探测器,从图像的左上角开始,找到一个三乘三的格子,和他做点成, 简单说就是相对应上的位置上的数字相乘,最后相加得到一个数字,这边三个一和这三个十相乘,得到三十。这边三个负一和这三个十相乘,得到负的三十,中间三个零,中间都是零,所以最后相加得到的是零。这样 特征探测器就探测出了特征图上的第一个像素上的数字,然后右移探测第二个,第二个点,同样做点成 三个一乘以三个十,得到是三十,中间三个零,中间是零。这边因为他们都是零,所以他们得到了也是零,最后的数字就是三十,然后不断的右移,右移无法在右移了,下移, 以此类推,直到最后完成整个特征图的探测。 我们可以看到最终的结果。在这个特征图中,左边和右边都是零,都是暗的,而中间是亮的,而中间亮的这部分正好就代表了我们要寻找的这个图片的垂直方向 上的分隔线。我们来看一下这个特征探测器如何去探测出这种特征。他的左边三个都是一,右边三个都是负一。如果图像上的九个数字都是相同的,最后得到的结果一定是零,说明他不是边界。 只有当图像上的九个数字是不同的时候,尤其是左侧和右侧不同的时候,才会得到一个比较大的数字,表明这里是边界。 下面我们通过一个例子演示完整的 cn 计算过程,给我一个六乘六的图片,上面可能写的字母 x 或者字母 o。 网络的任务是成功的,区分他们。 这个例子借鉴了 youtube 上的 stat quest, 在这里向他致敬。你要记住,卷机神经网络并不仅仅是卷机 操作,还有激活和磁化,卷机激活、磁化,记住这三个步骤,我们就可以开始例子了, 我通过这个 excel 画出了 cn 的整个运算过程,包括输入特征识别器,特征图,蕊露激活激活结果、最大磁化磁化结果等等,这是 o 的过程,还有 x 的过程,以及相应的 ann 的各个过程。这个 excel 的获取方法我会留在视频的置顶评论中, 现在我带大家一步一步走下来。这是我们的输入,它是一个六乘六的格子,我们可以看通过一的轮廓看出这是一个字母哦, 这是我们的特征识别器。你可能会问,这个三乘三的特征识别器,你如何确定这些数字呢?为什么这些是一,而其他是零呢?我们在设计网 落的时候,只需要确定特征识别器的大小和数量,这里面的数字是通过正向传播、反向回归、气度下降等算法自动学习计算出来的。这里呢,我是给到的计算出来的一个结果,我们来演算这个过程, 这个特征识别器我们要对它做卷机操作,首先它会和这三个格子做卷机操作,这边我给出了卷机操作的详细的公式,简单来说就是每一个相应位置上的数字相乘,得到结果再相加,也就是 九个数字和相应的九个数字相乘,得到了九个新的数字,这九个新的数字相相加,最后就得到了这个结果是三。而我们通常啊会在卷机的过程里面再给它设置一个偏移量, 也就是一个误差相,这个误差相也是机器学习可以学习到的,这里的误差相是负二。最后我们可以得到我们的结果呢,是一,以此类推,我们可以做第二个格子的 卷机操作,然后第三个格子卷机操作,最后我们就得到了这样一个特征图,我们要注意我们可以有多个特征识别器或者特征探测器,最后我们也会得到多个特征图。在我们这个例子比较简单,我们就只有一个特征探测器,也就是只有一个特征图生成。 接下来我们要做的是做激活,如果你对激活是什么不理解,建议看一下我的大话神经网络系列,我们使用蕊露,蕊露的规则非常简单,如果一个数字大于零,他的结果就等于那个数字本身,如果数字小于零,他就等于零,我们可以看 看到最后他得出来的结果就是这样的,只有这个和这个留了下来,其他都是负数,其他都是零。 激活的目的是为了实现他的非限性。激活完了以后我们要做最大磁化,磁化我们前面没有讲他做什么呢?简单来说 磁化就是把这个图片变小的一个过程,你可以看到我们现在的这个结果呢,是一个四乘四的格子,经过我们的磁化以后,它变成了一个二乘二的格子。磁化的方式有两种,一种是 max pulling, max pulling 呢, 我们啊磁化呢也是有一个自己的尺寸的,比如说我二乘二乘二的磁化,那我就把这四个格子圈出来,找到里面最大的一个作为结果,也就是这个一, ok, 然后再找,再找这四个啊,这四个里面的格子他又是个零,这四个他也是零,这四个他是一,所以最终就得到了这个结果,这是 max pro, 除了他之外呢还有命 pro 就是取他的平均值,但是 max pro 用的比较多一些, 所以磁化的过程呢,是不存在卷机操作的,它就是这几个格子里面挑出最大的一个来,只留下一个, 这样我们的卷机部分的操作其实就操作完了,我们可以看到啊,卷机的结果是什么? 转接的结果,我们其实很大的抽象了我们这个图的特征,因为我们这个可以说是一个这个方向的斜线的特征识别器,那我们有效的识别出来了这个数字,他在这个方向上 这两个特征,在这两个方向是没有这个特征的,对吧?我们有效的识别了这个特征, 然后我们就会把它变成一个扁平化,接下来给普通的神经网络用,这是我们扁平化后的结果,一零零一。 然后后面呢就是我们普通的神经网络,我们有一个隐藏成,我把它称为 n 一一,这个隐藏成因为你有四个输入,所以我们需要有四个系数,所以这四个输入乘以这四个系数,再加上一个偏一量零点九七,最后我们得到的是零点三四,然后对他做蕊露操作, 得到结果呢是零点三四。隐藏层的结果是零点三四,然后在输出层我们又有两个节点,分别代表了 o 节点和 x 节点,他们因为我们的输入是只有一个零点三四,所以他们有一个系 技术,他的系数呢是负的一点三三,他的系数是正的一点三三,他们也各有一个偏疑量一点四五和负的零点四五。注意啊,这些都是经过了梯度下降算法自己学出来的,我只是在带大家来演练一下这个过程,最后我们可以得到他的结果是 o 的可能性是零点九九七八,而 x 可能性呢,只有零点零零二二。我们来看另外一个 shit, 这个 shit 呢,它输入的是一个 x 的字母,经过同样的过程,最后扁平化的结果是这样的,进入到普通的神经网络以后,零一一零 使用同样的系数,最后我们可以得出结果, x 可能性是零点六六七二欧的可能性是零点三三二二二八。这样判定最后是 x, 听明白了吗?如果没明白,你来找我 这个例子,我保证给你讲明白。今天是星期天,从早上五点多开始准备这个视频,现在已经下午四点多了,做一个好的视频真心不容易,如果对你有帮助,欢迎点赞转发,我是卖书,聊技术,聊职场,聊人生,欢迎关注我,谢谢!

凌晨,三十四楼,一个二十五岁的年轻人选择了纵身一跃,压垮他的不是高空的寒风,而是一张迟迟不被批准的辞职单。据。家属讲述,他母亲去年十月突发疾病, 急需照顾,他为此反复提出辞职,想回家见效,却始终未获批准工资,还有误工一天扣三天工资的规定。他的姐夫张先生说,弟弟被这件事压得喘不过气。目前已有多位工友愿意作证,证明弟弟生前多次辞职未获批准。 如今,家属认为公司有责要求赔偿,公司则全权委托劳务公司处理,并否认了不批辞职的说法。双方协商未果,真相陷入了陌生人。 我们无法确知他最后一刻的全部绝望。但一个显而易见的事实是,当一个人连辞职进校路径都被堵死,当严苛的法则取代了基本的人文体谅,某些支撑生活的希望就可能彻底熄。 这不是极端的选择开脱,而是沉重的警示,一个健康的社会,不该让年轻人在忠孝与生存之间被逼入绝境。制度是冰冷,但执行制度的人应当保有温度。一个年轻的生命啊,无法挽回 慈安的责任认定、自由、法律的判定。但他抛给我们每个人的问题是,我们所在的职场环境是否缺少了一条至关重要的安全通道?你认为企业和制度如何平衡管理与人性?