然而时间不知不觉推移，艾尔有了自己的女友，渐渐疏远了鸟孩，在中学的毕业舞会上，英俊帅气的鸟孩受到了女孩们的青睐，但是鸟孩却一个人默默地回家了，那一晚，鸟孩脱光了衣服，把金丝雀当成了自己的爱人。
十年前，顾川（任嘉伦饰）遭遇了一场重大的车祸，因植入机械心脏才得以幸存，但从此以后不能激烈运动、不能有喜怒哀乐，无法像普通人一样正常生活，原本性格开朗的顾川对行尸走肉般的生活渐渐失去了信心。十年后，顾川与好友许诚然（刘芮麟饰）共同创立的川建筑设计工作室成为业界翘楚，作为首席设计师的顾川，在众人眼中是设计天才，更是冷血的“蜥蜴先生”。顾川原本计划实现愿望清单后就结束生命，却在即将完成清单时遇到了姜小宁（邢菲饰）。姜小宁十年前失去双亲，其父更是背负偷工减料、贪污公款的罪名含冤而去，从此她被冠以“乌鸦小姐”的恶名，与姑姑、患有阿尔兹海默症的奶奶相依为命。机缘巧合下，姜小宁成为顾川的助理，其积极乐观的生活态度逐渐动摇顾川结束生命的决心。顾川在帮助姜小宁完成学业和梦想的同时，重新寻回对生命的热情和希望。
可是……他看上去不像是一个皇帝，爹坐在那里会更合适。
Yellow 100% +33%
理想主义者的记者Ozan即将与同职业的Elif结婚。 Ozan在追踪一个神秘而艰难的新闻。 然而一场交通事故夺走了Ozan的生命。 但是，受上天垂怜，Ozan借尸还魂，以他人的身体重生。 好不容易捡回一条命的Ozan有两项艰巨的任务：找出谁杀死了他，并告诉Elif所有事实。
著名纪录片导演肯·伯恩斯的越南战争纪录片，于2017年在美国PBS电视台播出，共10集，总时长有18小时，采访了来自各方的近80名亲历者，既有参战与反战的美国人，也有南越与北越的军民。本片历经十年制作，跨遍全球搜集资料，其中有许多少见和重新数字化的影像档案，还有20世纪最为出名的摄影照片和家庭影视，以及历史新闻片段和政府内部的秘密录音。
古峰失去了爱情，失去了事业，甚至失去了笔记本的帮助的时候，却渐渐发现其实韩颜敏背后有一个天大的阴谋：原来自己当年目睹的那场车祸，正是韩颜敏的叔叔韩泰想将韩颜敏一家置于死地，所幸韩颜敏在古峰的帮助下活了下来，而这一次，韩泰卷土重来，背后的势力竟然是自己曾经的好兄弟书灵。
處境劇的御用監製羅鎮岳已經準備開拍新一套處境劇，暫定叫《愛．回家之開心速遞》，「過往的處境劇都是以家庭為主，今次當然不例外啦。而故事除了家庭，因為網購現在都好hit，就會講到一間百貨公司，入面開設的網購部，是從這裏開展出來的故仔。」
内地企业家苏礼到香港发展，欲与安信旅游集团合作开发香港独一无二的生态度假村。在安信旅游集团主席顾东海为从美国留学归来的儿子顾浩民举办的酒会上，香港十大富豪之一的韦卡斯对苏礼狠狠地说：“感谢您在内地指证我的儿子，使他锒铛入狱，我决不会放过你“……
围棋棋手川田莲(清野菜名饰)由于消极的性格无法赢得比赛。为此烦恼的她，唯一的乐趣就是偶尔被医学生森岛直辉(横浜流星饰)邀请去吃薄煎饼。在这个充满揣度和压力的灰色现代，拥有神奇能力的神秘女子“熊猫小姐”和“饲养员先生”组成最强搭档，接受委托，调查世间的灰色事件，大胆曝光警察和媒体无法接触的“隐藏的真相”……
本剧以民间传说为蓝本，以小说原著作基础，描述了《水浒》作者施耐庵富有传奇色彩的一生。 程希饰演的秦梅娘 元朝末年，朝廷腐败，民不聊生。施耐庵继承父愿寻找红巾军，在营救红巾军女旗首宋碧云的历险中得到她的敬仰爱慕，毅然把祖传的记载梁山好汉后代下落的梁山大密托付给施耐庵。于是围绕施耐庵的行踪和梁山大密，在朝廷内外，各路义军之间和内部，展开了一场场大搏斗。围绕这一场斗争，施耐庵、宋碧云与梁山后代演绎出一幕幕聚合离散、恩怨情仇的人生活剧…… 本剧反映了施耐庵与义军首领朱元璋等人的纠葛、冲突，以及梁山后代的生死搏斗。
他们三人当初败于明教前任教主阳顶天之手，渡厄更是因此瞎了一只眼，可以说与明教有深仇大恨。
另外，就是《白发魔女传》的征文结果马上就要出来了，大家注意网站公告。
在美国，小龙凭其功夫根底，在唐人街打出名堂，开设振藩武馆，收徒传艺，幸会曾叱吒武坛的严星南（高雄饰）。在严的教授和支持下，小龙参加全美长堤博击大赛，力克群雄……因此也被荷里活片商看中，开始演艺生涯。期间，活泼机灵的方霏（万绮雯饰）、妇女解放份子叶惠明（关咏荷饰）和柔情似水的Linda Moore（谭筠怡饰）均爱上小龙，有情人能否终成眷属？
不过这充分体现了父亲对自己的关心，不仅将自己养育长大，为自己的将来和幸福都关心倍至。
Super Data Manipulator: I am still groping at this stage. I can't give too much advice. I can only give a little experience summarized so far: try to expand the data and see how to deal with it faster and better. Faster-How should distributed mechanisms be trained? Model Parallelism or Data Parallelism? How to reduce the network delay and IO time between machines between multiple machines and multiple cards is a problem to be considered. Better-how to ensure that the loss of accuracy is minimized while increasing the speed? How to change can improve the accuracy and MAP of the model is also worth thinking about.
迈克尔在停车场不小心撞倒了梅里迪思，他的内疚感让他为她组织了一场5公里赛跑。德怀特和安吉拉在他杀了她的猫后发生了争吵，吉姆和帕姆的关系被发现了。
但军户和最后面的那位农户还是跳进坑里了。
