向夕陽敬酒: 生命深秋時的智慧筆記 (2版)

類似書籍推薦給您

【簡介】 人生永遠沒有最晚的開始 在終點之前，去找到為自己做的事 老了，更能活出不自我設限的人生 一本關於新時代、新老人（New Old）聰明慢老最真摯、鼓舞的書寫！ 林蒼生（統一集團前總裁丶三三會顧問） 白明奇（成大醫學院神經學教授、老年學研究所所長） 林安鴻（生生國際（香港）丶家文化研究基金會創辦人） 王曙芳（能量心理治療講師／作家） 人生智樂推薦！ 從哀樂中年到智樂老年，優雅發現「第三人生」 從「第二座山」看見應該有的自心映照 深秋初冬之際，是蘇東坡筆下「最是橙黃橘綠時」，提供給現代人中年後的張望與借鏡。中年後的橘色世代，其實是最圓潤大熟的年紀，我們都應該思考如何聰明慢老。 王浩一的誠實書寫，環繞著死亡、孤獨、衰老等種種深秋人生議題。「老人學」是這個時代最迫切需要學習的議題。關於老化所呈現的各種層面應該知道的事，在他筆下，幻化成許多有溫度的小故事，耐人尋味。 本書不僅獻給每個終將邁入深秋的初老族，更對每一個想要重啟人生的我們帶來啟發。準備好人生新行李，老了也無妨。行走天涯，樂活到老，哪怕天涯，後來只是海角一畝菜園，也要孤芳自賞，雅興更高。 初老族該「怎麼讓自己過得幸福」？王浩一的「四個看法」： 一：生活不是規劃的，它是有機的。 舉例爬山，過去會一路朝向最後的山頂風景。現在如果半路巧遇老友，可以停下來敘舊，不急著攻頂。甚至累了，就直接下山，不再執著。 二：生活是覺察與品味細節。 重新定義自己的幸福標準，「察覺」生活中一切的種種小地方，「察覺」旅行中角落裡美好小風景，這就是愛的過程。品味細節吧，即使它很平凡。 三：生活裡偶爾回顧，可以更勇敢。 初老的人，先靜下心往前看，端看著自己「現在走的這條路」，最後通往遺憾？還是滿足？如是有遺憾的疑慮，修正它，如果是滿足，那請更篤定地邁著步伐。 四：生活的美好體驗，隨時開始。 「人生永遠沒有最晚的開始」。生命的每個時期都是年輕的、及時的。這是初老的人，最需要的鼓舞。 年老時要怎麼「成為一個更好的人」？可以遵循「五個法則」： 法則一：忘記，比記得更重要。 老，不足以懼，老是一種重生。此刻該卸下責任重擔，騰出過去生命的成敗糾葛，讓自己變成新的空杯，讓「詩與遠方」開始充滿大心。 法則二：練習，比天分更重要。 退休前，開始前瞻理想老後的自己，以幽默盎然的心態，面對未來生命裡洄瀾或是寂寞。「自在老去、聰明慢老」也需要練習。 法則三：大局，比小節更重要。 別計算自己的「殘值」？要累積自己的「加值」。把自己老後的日子，變成了一種創作，不要再拘泥於過去歲月的小鼻子小眼睛。 法則四：軟，比硬更重要。 軟，就是溫柔的人，也是懂得愛人愛己的人。如此活著的人，面對生命考驗、死亡，都較為自在。常保赤子之心，必有好事發生，這就是信仰。 法則五：割捨，比周全更重要。 人到了中年，要有能力把壞日子過好，找到讓自己快樂的事。不值得你珍惜時，學會放棄，但是該珍惜的，學會珍惜。 【目錄】 推薦序　向人間夕陽敬酒　◎林蒼生 推薦序　晚安　◎白明奇 推薦序 生生不已，觀之又觀　◎林安鴻 推薦序　十一顆相思豆　◎王曙芳 自序　向每一個夕陽敬酒 第一章：寂寞沙洲冷 第二章：在東嶽殿，上一堂死亡哲學課 第三章：那些古人，他們死前說了什麼 第四章：從古人的貶摘，說說中年後失業 第五章：退休前，前瞻理想老後的自己 第六章：從初老心理到聰明慢老 第七章：他們花二十年的時間在等死 第八章：不想麻煩兒女 第九章：七十歲，我選擇重新開始 第十章：選擇單身，但不排斥兩個人 第十一章：定下自己在這個世界的座標 第十二章：終老時，屋矮不礙雲

生成深度學習｜訓練機器繪畫、寫作、作曲與玩遊戲 第二版 (2版)

類似書籍推薦給您

【簡介】 生成式AI是科技界最熱門的主題。本書以實務導向，教導機器學習工程師與資料科學家們如何使用 TensorFlow 與 Keras 來從頭做出令人讚嘆的生成深度學習模型，包含變分自動編碼器（VAE）、生成對抗網路（GAN）、Transformer、正規化流、能量模型與降噪擴散模型。 本書從深度學習的基礎開始，逐步談到最尖端的架構。透過各種提示與小技巧，您將理解如何讓模型更有效地學習並變得更富有創造力。 ．探索如何使用VAE（變分自動編碼器）來修改照片中的臉部表情 ．訓練各種GAN（生成對抗網路）以根據您專屬的資料集來生成圖像 ．建置擴散模型來生成新品種的花卉 ．自行訓練GPT來生成文字 ．了解像ChatGPT這樣的大型語言模型是如何訓練的 ．探索StyleGAN2與ViT-VQGAN這類最新架構 ．使用變換器（Transformer）和MuseGAN編寫多聲部音樂 ．理解生成世界模型如何解決強化學習任務 ．深入研究DALL.E 2、Imagen和Stable Diffusion這類多模態模型 本書還探討了生成式AI的未來，以及個人和公司如何藉由積極著手運用這項非凡的新技術來創造競爭優勢。 「這是一本淺顯易懂的絕佳入門書，介紹生成建模的各種深度學習套件。如果您喜歡寫點程式並希望將深度學習應用於工作中的創意從業者，這本書保證適合您。」 ——Stability AI策略部門主管David Ha—— 「這本書超級棒，深入介紹了各種最新生成式深度學習背後的所有主要技術。這是對AI中最迷人領域的一趟引人入勝探索之旅！」 ——Keras創辦人François Chollet—— 【目錄】 【第一篇 認識生成深度學習】 chapter 1　生成建模 　什麼是生成建模？ 　chapter一個生成式模型 　核心機率理論 　生成模型分類 　生成深度學習程式庫 chapter 2　深度學習 　深度學習的資料 　深度神經網路 　多層感知器（MLP） 　卷積神經網路（CNN） 【第二篇 方法】 chapter 3　變分自動編碼器 　簡介 　自動編碼器 　變分自動編碼器 　探索潛在空間 chapter 4　生成對抗網路 　簡介 　深度卷積生成對抗網路（DCGAN） 　具梯度懲罰的 Wasserstein GAN（WGAN-GP） 　條件生成對抗網路（CGAN） chapter 5　自迴歸模型 　簡介 　長短期記憶網路（LSTM） 　遞歸神經網路（RNN）的延伸 　PixelCNN chapter 6　正規化流模型 　簡介 　正規化流 　RealNVP 　其他正規化流模型 chapter 7　能量模型 　簡介 　能量模型 　總結 chapter 8　擴散模型 　簡介 　降噪擴散模型（DDM） 　總結 【第三篇 應用】 chapter 9　Transformer 　簡介 　GPT 　其他 Transformer 模型 　總結 chapter 10　進階 GAN 　簡介 　ProGAN 　StyleGAN 　StyleGAN2 　其他重要的 GAN chapter 11　音樂生成 　簡介 　音樂生成的 Transformer 模型 　MuseGAN 　總結 chapter 12　世界模型 　簡介 　強化學習 　世界模型概述 　收集隨機推演資料 　訓練 VAE 　收集資料以訓練 MDN-RNN 　訓練 MDN-RNN 　訓練控制器 　夢境訓練 chapter 13　多模態模型 　簡介 　DALL.E 2 　Imagen 　Stable Diffusion 　Flamingo chapter 14　結語 　生成式 AI 的時間軸 　生成式 AI 的現狀 　生成式 AI 的未來 　最終想法 索引