希腊记忆(二)

2024-01-03 14:59
文章标签 记忆 希腊

本文主要是介绍希腊记忆(二),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

雅典第一天

拉上行李,到服务台购买了船票。最后一班船票没有买到我们想要的时间,提前了几个小时。所以我们返回时需要在雅典多住一晚。出了机场,拍了几张照后,我们找到X95,坐到雅典市中心是单程3.2欧。刚坐稳车就开了,一路奔向我们的目的地——宪法广场。雅典的房子基本上都是在路边垂直耸起的小楼房,五至七层高,很少见到高层建筑,常常是一层是商业店铺,上面是住宅。坐了40多分钟的汽车,几乎听不到汽车的鸣笛声。并非是因为车少,恰恰相反,在相向行驶的另一边,还正在发生着交通堵塞。但似乎并未感受到如北京那般焦躁的氛围。雅典的地势高低起伏,很少见到很宽阔的马路,但街道和小巷织成的网非常细密,这便催生了雅典交通的另一道风景线——摩托车。常常会看到不同性别、不同年龄的人骑着不同品牌的摩托车穿梭于大街小巷。感觉他们骑得很猛,速度快,看上去就像飞车党。在宪法广场,我甚至看到两个男人分别各骑一辆摩托车飞速行驶,居然还有说有笑地聊着天。雅典的出租车都是黄色的,车牌号一律是TA开头。与国内不同,雅典的出租车牌子很杂,有丰田、欧宝,甚至还有奔驰。不过由于打车较贵,而且据说容易被绕路,所以我们都采用公共交通。

沿着一段单行车道,我们在寻找Plaka街区。从网上查到,这是个比较繁华的地区,治安非常不错。但我怎么也没有想到,Plaka街区是在一条小巷里。很深很窄但却十分幽静。小巷错综交叉,每个小房屋构建迥异,各具特色。我们提着箱子,穿梭在不同的小巷里,却忘记了找旅馆的任务。街区里的小房屋非常具有欧式特色,有的房屋顶层还有鲜花。小建筑的一层多是卖小礼物纪念品的商店,再往里走就会看到很多小酒吧了。我们的旅店是在酒吧街旁的一个不太起眼的地方——Student & Travelers Inn。走近房门,我们第一眼就看到主人用各国语言写出的欢迎词,让我们印象很深的是那句中文“请先按门铃,后推门——毛总”。Check in过后,我们在街区溜达着,买了两个Pitta Gyras作为我们的早餐。

著名的雅典卫城就在Plaka街区的上方,步行不远就到了。从卫城山脚下往上走,依次经过酒神剧场和阿迪库斯露天剧场。酒神剧场只是一个遗迹了,而阿迪库斯露天剧场经过修缮,并配备了现代的音响设备,现在还可以使用。据说当年的阿迪库斯剧场是有顶的,而不是露天的,坐在每个座位上都能清楚地听到舞台上演员的声音。不禁让人叹服古人的智慧啊。山顶就是著名的巴特农神庙和雅典娜神庙等。和电视上、明信片上看到的别无二致。只是巴特农神庙似乎永远被几个起重机和一些脚手架包围着,也不知要修缮到什么时候、什么程度。世界各地的游客在此流连忘返,纷纷拍照留念。偶尔有人问我们是不是日本人,令人有点小郁闷。不过当我们回答Chinese时,对方还是会说出北京、上海等大城市的名字。有个意大利老兄,还向我们打听了一下我们D80的价格,想跟他在意大利买的作个比较。关于卫城的历史背景等方面的介绍,网上随处可以找到,这里就不再赘述了。

从卫城下来后,就来到了亚戈拉广场。我们先到阿塔罗斯柱廊里面欣赏了一下雕塑艺术,然后又到对面的赫夫斯托斯神殿转了一下,在那还看到了两只乌龟,特别有趣。已经是下午3点半了,肚子有些饿,我们便找了一家咖啡馆坐下,点了一盘牛肉饭、一盘沙拉还有一个草莓冰激凌美美的吃了一顿,然后继续赶路。从咖啡馆回宪法广场有两站地的路程,为了节省体力,我们决定还是坐地铁回去。从宪法广场上来便是著名的无名英雄纪念堂。每隔一个正点就会有换岗仪式,许多游客都等在那里欣赏。

clip_image001
幽静的小巷

clip_image002
旅馆门上多语言文字的说明

clip_image004
我们的住处,很小

clip_image006
俯瞰阿迪库斯露天剧场

clip_image008
近观阿迪库斯露天剧场——舞台上还有工作人员呢

clip_image010
从卫城上俯瞰雅典城

clip_image012
帕特农神庙

clip_image013
精美的艺术品

clip_image015
写生的游人

clip_image017
从卫城上俯瞰宙斯神殿

clip_image019
远眺赫夫斯托斯神殿

clip_image021
阿塔罗斯柱廊

clip_image023
阿塔罗斯柱廊里展出的文物

clip_image024
阿塔罗斯柱廊里展出的文物

clip_image025
阿塔罗斯柱廊里展出的文物

clip_image027
赫夫斯托斯神殿

clip_image029
远眺卫城

clip_image031
赫夫斯托斯神殿外的乌龟

clip_image033
雅典城中随处可见骑摩托车的人

clip_image035
牛肉饭

clip_image036
草莓冰激凌

clip_image038
宪法广场上无名英雄墓前的换岗

clip_image040
士兵的鞋

clip_image041
列雪格拉得音乐纪念亭

(未完待续……)

这篇关于希腊记忆(二)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/566079

相关文章

hdu 4517 floyd+记忆化搜索

题意: 有n(100)个景点,m(1000)条路,时间限制为t(300),起点s,终点e。 访问每个景点需要时间cost_i,每个景点的访问价值为value_i。 点与点之间行走需要花费的时间为g[ i ] [ j ] 。注意点间可能有多条边。 走到一个点时可以选择访问或者不访问,并且当前点的访问价值应该严格大于前一个访问的点。 现在求,从起点出发,到达终点,在时间限制内,能得到的最大

JS中【记忆函数】内容详解与应用

在 JavaScript 中,记忆函数(Memoization)是一种优化技术,旨在通过存储函数的调用结果,避免重复计算以提高性能。它非常适用于纯函数(同样的输入总是产生同样的输出),特别是在需要大量重复计算的场景中。为了彻底理解 JavaScript 中的记忆函数,本文将从其原理、实现方式、应用场景及优化方法等多个方面详细讨论。 一、记忆函数的基本原理 记忆化是一种缓存策略,主要用于函数式编

记忆化搜索【下】

375. 猜数字大小II 题目分析 题目链接:375. 猜数字大小 II - 力扣(LeetCode) 题目比较长,大致意思就是给一个数,比如说10,定的数字是7,让我们在[1, 10]这个区间猜。 如果猜大或猜小都会说明是大了还是小了,此外,我们还需要支付猜错数字对应的现金。 现在就是让我们定制一个猜测策略,确保准备最少的钱能猜对 如果采用二分查找,只能确保最小次数,题目要求的

自然语言处理系列六十三》神经网络算法》LSTM长短期记忆神经网络算法

注:此文章内容均节选自充电了么创始人,CEO兼CTO陈敬雷老师的新书《自然语言处理原理与实战》(人工智能科学与技术丛书)【陈敬雷编著】【清华大学出版社】 文章目录 自然语言处理系列六十三神经网络算法》LSTM长短期记忆神经网络算法Seq2Seq端到端神经网络算法 总结 自然语言处理系列六十三 神经网络算法》LSTM长短期记忆神经网络算法 长短期记忆网络(LSTM,Long S

【UVA】10651-Pebble Solitaire(直接递归或者记忆化)

不知道这个题UVA的数据是怎么的,用2个方法交了,第一次直接递归,第二次记忆化剪枝,时间竟然一样!? 直接郁闷了,简单的二进制表示状态和二进制运算。 14145176 10651 Pebble Solitaire Accepted C++ 0.009 2014-09-04 09:18:21 #include<cstdio>#include<algorithm>#inclu

回归预测 | MATLAB实现PSO-LSTM(粒子群优化长短期记忆神经网络)多输入单输出

回归预测 | MATLAB实现PSO-LSTM(粒子群优化长短期记忆神经网络)多输入单输出 目录 回归预测 | MATLAB实现PSO-LSTM(粒子群优化长短期记忆神经网络)多输入单输出预测效果基本介绍模型介绍PSO模型LSTM模型PSO-LSTM模型 程序设计参考资料致谢 预测效果 Matlab实现PSO-LSTM多变量回归预测 1.input和outpu

NYOJ 37 回文字符串(记忆化搜索)

OJ题目 : 戳这里~~ 描述 所谓回文字符串,就是一个字符串,从左到右读和从右到左读是完全一样的,比如"aba"。当然,我们给你的问题不会再简单到判断一个字符串是不是回文字符串。现在要求你,给你一个字符串,可在任意位置添加字符,最少再添加几个字符,可以使这个字符串成为回文字符串。 输入 第一行给出整数N(0<N<100) 接下来的N行,每行一个字符串,每个字符串长度不超过1000.

XTOJ 1168 Alice and Bob (记忆化搜索)

OJ题目 : click here ~~ 题意分析:给一个数n,Alice可取1,2 , 4 ……2的i次方 ,Bob可取1,3,9……3的i次方。Alice先取,后Bob。轮流来,每个人至少取1。求n变成0,至少需要取多少次。记忆化搜索 = 搜索 + dp 。 AC_CODE #define gril 0#define boy 1using namespace std;const

自动驾驶系列—记忆泊车技术:未来驾驶的智能伴侣

🌟🌟 欢迎来到我的技术小筑,一个专为技术探索者打造的交流空间。在这里,我们不仅分享代码的智慧,还探讨技术的深度与广度。无论您是资深开发者还是技术新手,这里都有一片属于您的天空。让我们在知识的海洋中一起航行,共同成长,探索技术的无限可能。 🚀 探索专栏:学步_技术的首页 —— 持续学习,不断进步,让学习成为我们共同的习惯,让总结成为我们前进的动力。 🔍 技术导航: 人工智能:深入探讨人工智

Learning Memory-guided Normality for Anomaly Detection——学习记忆引导的常态异常检测

又是一篇在自编码器框架中研究使用记忆模块的论文,可以看做19年的iccv的论文的衍生,在我的博客中对19年iccv这篇论文也做了简单介绍。韩国人写的,应该是吧,这名字听起来就像。 摘要abstract 我们解决异常检测的问题,即检测视频序列中的异常事件。基于卷积神经网络的异常检测方法通常利用代理任务(如重建输入视频帧)来学习描述正常情况的模型,而在训练时看不到异常样本,并在测试时使用重建误