Skip to main content

A les muntanyes...

 Flueixo entre paisatges vasts i desoladors,bells són com la soledat i el silenci.


La vida sense soroll,
L'orquestra dels rius, el vent i la pluja.

Allà on els ocells no hi són,
els arbres escassegen,
el granit s'escampa formant tarteres infinites
els llacs són dels colors de cel,
on els estats del sòlid I líquid es fonen
entre el turquesa, el blau marí i un arc de tons paradís.

Perquè vull estar aquí?
Que té l'alta muntanya que no tenen els ja massa civilitzats boscos
o el massificat i desnaturalitzat litoral?

Potser la duresa i la bellesa d'una vida fràgil,
avorridament lenta, o els canvis no en tenen d'hores ni dies.

Potser allà, on m'hi trobo petit, nu i meravellosament sol
No hi ha veus que criden al silenci,
Que confonen l'egoisme amb la pau interior,
els somnis amb la joventut,
o la companyia amb l'amor.

Potser en aquells racons,
on em fa por la nit, la tempesta i el fred...
No cal viure massa temps,
ni com els altres volen,
per raons més que equivocades.

Tenim la por a la soledat i la mort com a timó,
i l'individu com la única unitat de mesura.

Si per poc que necessiti, encara us necessito
i per poc que pugui donar, sempre us semblarà poc...

Escullo, sabent que el preu pot ser altíssim,
les meves causes, els nostres reptes,
en un equilibri impossible entre la demos i l'ego.

Defensant la vida lliure de fer a poc gust,
Llistes prestades, o obligacions que poc saben de felicitat.

De l'estupidesa, la inutilitat, de jugar
entre rocs, senders, rius i glaceres
pot ser que estiguin els meus majors moments d'autenticitat.

L'experiència més pura de la contradicció, entre la persecució
de les passions i les sensacions individuals,
I el pagament d'una factura social que no para de pujar...

Per molt que em molesti a pujar metres,
Ella sempre, i en qualsevol lloc, m'agafarà.





Comments

Popular posts from this blog

FastAI Deep Learning Journey Part 7: Calculating crowd size using image regression, a potential application for train use

In the previous post we show how to use a more general approach for the case when images may have one, multiple or any label at all. In this post, we will show how very little changes are required to implement computer vision deep learning methods for regression problems. To make things less theoretical, we picked a very interesting data set, containing 2000 images from people in a shooping mall. Each picture has been carefully labeled, where we can find between 12 to 60 people. This could be a very interesting application for example for public transport usage, as the extension of monthly tickets may very hard to track the usage of each train/bus or other service in real life. We will show that with only 3 epochs /1GPU we managed to get ~2 MAE (mean absolute error) or in order words, get the counting wrong 2+/- person, which is really not a lot considering we can have 60 people in the image. Let see in detail what needs to be changed and explain a potential usage for public transport ...