血溅毕业日Graduation Day

在小红书里有看到推荐这部剧的，那时候龙虎书榜还没有上，点击了订阅，偶尔一天推荐上线了，着实激动了一把。 又一次被巴克曼征服了。在细碎的生活和对话中，让人间百态尝试了遍。这部剧标题是血溅毕业日Graduation Day，其实讲的却是因为一场看似抢劫而非真正抢劫捆绑在一起的一群人。一个桥贯穿起了整个故事。 故事开展让人很想知道发生了什么，接下来会发生什么，在这样一个过程中每个人的生活都被解剖出来展开出来，在短短的被“挟持”的时间段里，陌生人的倾听由此展开。 很温馨很治愈，看到信封的内容我被深深的感动到了，至少结局是好的！ 我爱happy ending！

20210503看完《血溅毕业日Graduation Day》，编剧的“最少必要知识原则”，这个学习观念不错。 对Python包中变量__all__说清楚了，好多其他教材是没说的； 对生成器和迭代器也讲述的比较清楚； 推荐了logging模板，但没展开，然后补上一句：“高手都是自学的”，我也只好赞成了； 在Numpy模块，深入浅出地讲解了“爱因斯坦求和约定”和功能强大的einsum()，不但能“降维求和”，还能用于矩阵乘法等； 对于矩阵的点乘法，a1@b1，亦可表示为np.einsum("ij,jk->ik",a1,b1)； 又如2个(2,2)向量点乘操作，a*b或np.multiply(a,b)，亦可表示为np.einsum("ij,ij->ij",a,b)，其他维度亦可类似操作； 又如np.einsum("ij->ji",arr)可实现向量的转置，等同于np.transpose(arr)； 编剧einsum()的功能非常强大，这里只讲一点点，还可用于TensorFlow或PyTorch神经网络架构的任意计算图，并支持反向传播计算，非常有意思； 对向量维度轴的的概念axis，按括号层次来理解，括号由外到内，对应从小到大的维数，分别为； 当“约减”时，有先后顺序，如5维向量，可用axis=，先后“约减”掉第2、第0、第1维度，最后剩下2个维度，等等； 中间很多…省略 创作在最后的感叹：数据分析，要学的东西都挺多的，机器学习有点超纲，需要慢慢消化，还好各路大神都在做贡献，很多功能越来越方便，越来越完善。

拿寻果cp炒热度恶心到家了！收视率和网播都扑穿地心，这就是这部剧的福报！！！

这部剧我足足追了5遍 每一遍都满怀希望 即使我已经知道了所有情节 依旧随着他们 高兴 痛心 愤怒 激动 九天生属于黑暗 却是黑暗中的光明 漠天生属于光明 却是那颗最腹黑的星 我也想遇到我生命中的漠 我也想成为黑客 一个正义的黑客 不去侵犯别人的隐私 在必要的时候掀开罪恶的嘴脸 我也想做电竞选手 打游戏秀飞 你的野区我的家，我的野区队友刷 这何尝不是我的梦想？ 可惜 我就是个游戏渣 九 你天生拥有漠 漠 你天生属于九 薄小老虎 秦小公主 生生世世 永不分离 还有帝盟 时光不老帝盟不散 你们的精神永驻 听说七少病了 我想说： 七少 请记住 不管发生了什么 你的美人们永远在你身边 安

原以为是从大处着眼，讲述文化、历史和地理在世界冲突中的作用。但实际上是非常琐碎的，国家之间冲突历史的记述。若需要专门理解相关冲突的历史渊源，或许会有价值。 台词干涩，叙事如流水账，日常观看不推荐。

拥有七窍玲珑心的克里斯托佛·乔治，写出很多细腻的情感，虽说不是每一个篇章都喜欢，但是很多东西触动了我的心，我们都是渴望爱的人，生活不是戏剧，但是往往有那么多的巧合和错过，珍惜吧，不管好坏

巜血溅毕业日Graduation Day》，书如其名，追剧过程中，如雾里看花一般。至直剧终，忆者剥去伪装，方才如梦初醒。悲情满篇，其“感伤与反讽”的韵味一直萦绕在脑海，留给读者很多思索的空间。不愧是诺奖获得作品，意犹未尽，会再看一遍。