工资花名册

孙春林:为挽危亡艰苦战 埋骨青山是忠魂

    新华社青岛12月25日电(记者苏万明)在孙春林烈士战斗过的山东莱西、平度等地,他光荣英勇而富有传奇色彩的一生,至今仍被广为传颂。

    

    

      孙春林像 新华社发

      孙春林,1906年5月出生于山东省海阳县西小滩村的一个农民家庭。1925年入莱阳中学读书。1928年考入烟台刘珍年部队创办的军官学校政训队。1929年秋加入中国共产党。同年奉党组织派遣,任海阳县司马区保卫团大队长。1931年任莱阳县鲍村民团军事教官。1933年秋任莱阳县四区区队教练。不久,因叛徒出卖,遭到国民党当局通缉追捕,被迫到旅顺、沈阳、珲春、北京等地从事党的地下工作。

      1936年冬,孙春林考入阎锡山在太原创办的军官学校。利用一切机会揭露日军侵华行为,宣传共产党的抗日主张。毕业后,被分配到山西省崞县国民党军官教导团第八团任政训员。1937年去延安中国抗日军事政治大学学习。

      1938年,孙春林回到胶东半岛,任中共南海特委独立团团长。1940年任八路军五支队警卫营1营营长。率领部队先后攻克邱堡、北寺口等日伪据点,扩大了抗日根据地。1940年冬,任北海军分区指挥部指挥。在主力部队调赴东海区的情况下,着手建立和发展武装队伍,深入群众进行调查研究,动员群众参军参战。在一个月里,组建了独立团,整顿了北海专区5个县大队。

      1941年夏,孙春林任南海军分区司令员。当时南海地区日伪势力比较强大,对抗日根据地构成严重威胁。面对艰难局势,孙春林同广大指导员同甘共苦,发动群众,扩建武装,带领部队拔据点、扫顽匪,取得很大成效。

      1941年8月,孙春林带领部队转移到莱西县榛子沟村时,因为叛徒告密,被日伪军包围。面对数倍于己的敌军,孙春林镇定指挥,在转移阵地时不幸中弹,英勇牺牲,时年35岁。

      孙春林牺牲后,当地群众把他安葬在围石山向阳坡上。1955年,莱西革命烈士陵园建成,烈士遗骨迁葬到烈士陵园。1987年,莱西市人民政府修建了“孙春林烈士纪念碑”。2014年8月29日,孙春林被列入民政部公布的第一批著名抗日英烈和英雄群体名录。

      青岛莱西革命烈士陵园管理处主任程显玉说,在为全面建成小康社会、实现中华民族伟大复兴中国梦而奋斗的今天,继承和弘扬先烈们无私无畏和勇于奉献的伟大精神,是对先烈们最好的纪念,也是我们义不容辞的责任。

      孙春林之子孙永志,多次撰文怀念自己的父亲。“父亲虽然走了,但他忠于革命事业、献身革命事业的精神永远激励着我。”他说。

     原标题:孙春林:为挽危亡艰苦战 埋骨青山是忠魂

     值班主任:李欢

当前文章:http://www.dvddown.com/7vtfb/814978-563729-47060.html

发布时间:05:23:04

广州设计公司  工业设计  广州外观设计  工业设计  万彩吧  广州设计公司  工业设计  广州产品设计  易用设计  万彩吧  广州设计  

{相关文章}

2018年十大开源机器学习项目

    首先,让我们看看今年的一些顶级开源项目。1。BERTBERT是变压器双向编码器表示的缩写。它是解决自然语言处理问题的一种新方法,可以获得最先进的处理结果。它是基于Te利卡汀_减肥资讯网网nsorFlow的,开发人员可以使用预先训练的模型来解决问题。BERT模型比其他模型具有更大的优势,因为它们可以识别句子的上下文。该项目目前在Github上有8841颗星和1560个分叉。BERT项目地址:https://github.com/google-./bert.:https://arxiv.org/abs/1810.048052。深层CreamPy是一个深层学习工具,可以像图像编辑工具一样重建图像缺失区域。用户使用图像编辑工具将图像缺失的区域绘制成绿色,而神经网络负责将这些区域填充内容。该项目目前在GitHub上有6365个启动和613个分支。项目地址:https://we直播_零售资讯网github.com/deeppomf/DeepCreamPy3.TRFL的发音与块菌(truffle)相同。它可以开发基于TensorFlow的增强学习代理。项目地址:https://github.com/deepmind4.Horiz北京万泰_嫂子去哪里了网o n Horizo n是一个应用强化学习的平台。Horizo n使用PyTorch进行构建,使用Caffe2提供模型服务。Horizo n的主要优点之一是在设计中考虑了生产环境的使用场景。项目地址:HTTPS://GITHUBCOM/FooBoooCurdie/Value5.Doodidiy,顾名思义,是一个用于恢复旧照片和着色的深学习库。该库的作者结合了几种方法来实现这个目标,例如自注意生成对抗网络(https://arxiv.org/abs/1805.08318)、GAN的渐进增长(https://arxiv.org/abs/1710.10196)和两个时间尺度更新规则(https://arxiv.org/abs/1706.08500)。项目地址:https://github.com/jantic/DeOldify 6.AdaNet AdaNet是一个基于TensorFlow的库,它自动学习模型而无需大量的专家干预。该项目基于AdaNet算法(http://..mlr.press/v70/cortes17a.html)。项目地址:https://github.com/.orflow/adanet7.Graph Nets Graph Nets是由DeepMind发起的一个库,用于在Snnet和TensorFlow中构建图形网络。图形网络将图形作为输入并返回图形作为输出。项目地址:https://github.com/deep./._nets8。该库具有速度快、内存利用率低、多GPU训练和推理、CPU支持推理等优点。项目地址:https://github.com/facebook./maskrcnn-benchmark 9.PocketFlow是一个用于加速和压缩深度学习模型的框架。它解决了大多数深度学习模型计算量大的问题。它最初是由腾讯人工智能实验室的研究人员开发的。项目地址:https://github.com/Ten./PocketFlow 10.MAMEToolkit MAMEToolKit是一个用于训练街机游戏强化学习算法的库。该工具包可以在跟踪游戏状态的同时接收游戏帧数据。项目地址:https://github.com/M-J-Murray/MAMEToolkitML框架的主要进展10月份的PyTorch 1.0发布期间,Facebook发布了PyTorch 1.0的预览。新版本将解决以下挑战:耗时的培训、大量的网络、缓慢的扩展以及Python编程语言带来的一些灵活性。新版本引入了一组编译器工具(Torch.这将弥合生产和研究阶段之间的鸿沟。火炬。JIT包含一种名为Torch Script的语言,它是Python的子集。模型可由热切模式转换为图形说明文的分类_南充市人事网网模式。这对于开发高性能和低延迟应用程序非常有用。Auto-Keras您可能听说过自动机器学习的概念。本质上,它是自动搜索机器学习模型的最佳参数。其他自动化ML框架包括Google的AutoML。Auto-Keras是使用Keras和ENAS(神经架构搜索的最新版本)开发的。TensorFlowServiceTensorFlowService是一个使TensorFlow模型更容易部署到生产环境的系统。TensorFlowSer.,在2017年发布,帮助开发人员简化了将模型部署到生产环境的大量工作。机器学习Javascript有几个Javascr什么是类比_卫星云图 实况网ipt框架,允许开发人员在浏览器上运行机器学习模型。这些框架包括TensorFlow.js和Keras.js。这些模型的实现与使用传统框架(如Keras或Te下个路口见 歌词_北京个人租车网nsorFlow)非常相似。展望2019年,随着Auto-Keras等自动化工具的进步,我们可以期望开发人员更容易地工作。随着研究的进展和开源社区的贡献,我们也可以期望改进各种机器学习框架的性能。英文原件:https://heart..fritz.ai/2018-in-.-machine-.-open-source-project-frameworks-430df2fe18cd

http://361c.cc/article-425515.htmlhttp://361c.cc/article-1204514.htmlhttp://361c.cc/article-1204524.htmlhttp://361c.cc/article-448649.htmlhttp://361c.cc/article-1204097.htmlhttp://361c.cc/articlelist-334-2.html?action=class&getTotal=104http://361c.cc/article-1209463.htmlhttp://361c.cc/article-1209466.htmlhttp://361c.cc/article-1204157.htmlhttp://361c.cc/article-1204813.htmlhttp://361c.cc/articlelist-438-0.html?action=class&getTotal=271http://361c.cc/article-1192061.htmlhttp://361c.cc/article-1153215.htmlhttp://361c.cc/article-1204136.htmlhttp://361c.cc/article-1204122.htmlhttp://361c.cc/articlelist-432-0.html?action=class&getTotal=62http://361c.cc/article-1106321.htmlhttp://361c.cc/article-1116204.htmlhttp://361c.cc/article-1192202.htmlhttp://361c.cc/article-1203794.htmlhttp://361c.cc/articlelist-429-2.html?action=class&getTotal=237http://361c.cc/wapindex-1000-426.html?sid=-3http://361c.cc/article-1201326.htmlhttp://361c.cc/article-1201329.htmlhttp://361c.cc/articlelist-425-0.html?action=class&getTotal=903http://361c.cc/articlelist-425-2.html?action=class&getTotal=903http://361c.cc/article-1209431.htmlhttp://361c.cc/article-1209433.htmlhttp://361c.cc/article-10687.htmlhttp://361c.cc/wapindex-1000-330.html?sid=-3http://361c.cc/article-279.htmlhttp://361c.cc/wapindex-1000-406.html?sid=-3http://361c.cc/article-1186225.htmlhttp://361c.cc/article-1198908.htmlhttp://361c.cc/wapindex-1000-0.html?sid=-2http://361c.cc/articlelist-397.htmlhttp://361c.cc/articlelist-387.htmlhttp://361c.cc/articlelist-379.htmlhttp://361c.cc/articlelist-376.htmlhttp://361c.cc/articlelist-393.htmlhttp://361c.cc/articlelist-341.htmlhttp://361c.cc/articlelist-349.htmlhttp://361c.cc/articlelist-344.htmlhttp://361c.cc/articlelist-353.htmlhttp://361c.cc/articlelist-439.htmlhttp://361c.cc/articlelist-399.htmlhttp://361c.cc/article-1192202.htmlhttp://361c.cc/articlelist-349.htmlhttp://361c.cc/articlelist-344.htmlhttp://361c.cc/articlelist-439.html