1. 程式人生 > >補發:用Meal Prep+模組化飲食來減肥之實操

補發:用Meal Prep+模組化飲食來減肥之實操

自從上次讀到仰望尾跡雲 老師的模組化飲食的帖子,再瞭解了一些Meal Prep的內容,結合著做Meal Prep健康餐至今已經快一個半月了。整體感覺還可以,所以在這裡講一下自己的心得體會。

分為三個部分:

1、原理及參考資料

2、無腦化實踐

3、成果展示及話嘮

1、原理及參考資料

首先列出模組化飲食的兩篇主要文章,均來自@仰望尾跡雲

整體來說,模組化飲食可以概括為:

1、根據體重、年齡、運動量計算所需熱量

2、按九大模組依次選擇食物,湊齊一天所需熱量。

而如果在外面吃飯,因為油和菜的量不好衡量,所以基本無法按照這個模組化飲食法吃飯。反過來,如果參考Meal Prep的內容,週末按量購買好一週的餐食,再定量搭配,兩者結合可以產生1+1>2的功效。

那麼Meal Prep是什麼呢?它是國外健身圈流行的一種準備健身餐的方法,強調在週末一次備菜,吃若干天。老外喜歡買很多很多個飯盒,然後週末一次性把它們裝好,工作日簡單加工即可吃飯。

但是對於我們國人來說,熱菜放冰箱冷藏一週,基本就等於每天都吃剩菜了。我個人比較能接受的是每週採購一兩次食材,每隔1-2天做飯。

關於剩菜是否可以吃,可檢視下面幾篇文章:

菜譜參考公眾號:健身小廚MissFitness。雖然後來我覺得隨手炒炒就好了。。無腦化嘛

2 、 無腦化實踐

在確定meal prep在一定程度上是安全健康的,以及它可以協助模組化飲食之後,就要開始規劃執行meal prep了。

然而在執行之前還要簡單處理一下資料。

雲老師的模組飲食表,裡面有些食物我是基本不會碰的,或者很難在超市裡買到(舉例:肉類裡的驢肉。。。蔬菜裡的芹菜)。而由於各類菜品所需重量不一,在買菜時基本記不住所謂的,西紅柿要200g,西葫蘆可以吃350g這樣的細節。

所以要再傻瓜化一下這張表,讓它更加容易上手。以下是處理流程:

1)在食物表裡選出好買好吃好做的食品
2)利用【食物派】查詢不在列表上的食物/排除異常食物,並新增到表上
3)計算這些菜品的平均重量
4)按照正餐、加餐量搭配出每天所需食品重量。

具體可看文章底下的EXCEL附件。

1、選出好買好吃好做的食品



如上表。對食品進行篩選,好買好吃的就打個1。

2、利用【食物派】查詢不在列表上的食物/排除異常食物

模組化飲食裡,有一些常見食物缺失(如我愛吃的毛豆)

所以這裡使用【食物派】的app,把這類食物估算重量寫進表裡,並去除一些不適宜我多吃的食物。

3、計算該種類【好買好吃】的平均重量



如上表,用EXCEL的透視表算出,我想吃的食物,在該種類中的平均重量是多少。
舉例,我喜歡吃的蔬菜,平均每份重量約216g,而模組化飲食要求每天至少吃3份蔬菜,那麼我每天要保證吃650g左右的蔬菜。

4、 按照正餐、加餐量搭配出每天所需食品重量

已知每份平均重量以後,就可以大致算出每頓食物重量了。

如我按兩頓正餐、一頓加餐、一頓早餐計算,我每頓大致的食物分配應該是:



也就是說,如果按照這個吃法跟我所需的熱量分配,我準備一份正餐時,要準備324g蔬菜、75g肉、85g主食。如果我規劃出說這周我要做10頓正餐,5頓早餐的話,5頓加餐,那麼我就能算出來說,這周我要買:

我喜歡吃的蔬菜 3240g,肉750g,水果3000g,牛奶雞蛋若干。

接下來就是去菜市場採購湊滿數量,或者直接網上超市買好等送貨即可。

這樣的吃法,不用管哪天要吃多少蔬菜,要怎麼吃,只要種類足夠豐富,就可以隨意買買買,再整體稱重著吃,比每次看錶配菜要更容易堅持一點。

3、成果展示及經驗

根據上面的無腦搭配,大概堅持meal prep + 模組化飲食一個半月吧。

以下是幾點額外的感想:

1)綠葉菜週末多吃一點,隨煮隨吃,平時如果要吃綠葉菜,買生菜做成沙拉就好,不要煮熟了帶飯。真要帶飯,還是各種瓜果莖類做熟了能帶的久一點。
(生菜洗乾淨,用瀝水盆瀝乾水分,按重量往密封袋裡分裝好,包個廚房紙,可以冰箱冷藏2-3天。)

2)買一個不粘鍋很重要。譬如我買了個不用油的牛排鍋,每次做飯就是把蔬菜、肉往裡面一扔,開火煮一會兒加點鹽就能裝碟了。如果鍋會粘底,就要放很多油。


3)便當最好用玻璃飯盒,Glasslock有一款分隔的玻璃飯盒,還蠻好用的。塑料飯盒雖然有分隔,但是留味道,而且每次不敢微波爐加熱太久,總覺得飯不熟,最後我還是改買glasslock了。
國外meal prep基本用的是塑料飯盒,可能因為他們吃沙拉冷菜比較多吧。。


4)Meal Prep最重要的是色彩要鮮豔。譬如多買點彩椒紅蘿蔔做搭配

5)雞胸肉、牛肉最方便做,因為提前醃製後,配點黑胡椒粉烤烤就很好吃。魚肉什麼的太腥了,做起來不方便,而且不容易保鮮。以及豬肉要吃只能吃裡脊肉。

成果展示:

歡迎指點,一起瘦。

相關推薦

補發Meal Prep+模組飲食減肥

自從上次讀到仰望尾跡雲 老師的模組化飲食的帖子,再瞭解了一些Meal Prep的內容,結合著做Meal Prep健康餐至今已經快一個半月了。整體感覺還可以,所以在這裡講一下自己的心得體會。 分為三個部分: 1、原理及參考資料 2、無腦化實踐 3、成果展示及話嘮 1、原理及參考資料 首先列出模組化飲

C程式設計|函式實現模組程式設計詳解(一)

目錄 一、為什麼要用函式 使用函式可使程式清晰、精煉、簡單、靈活。 函式就是功能。每一個函式用來實現一個特定的功能。函式名應反映其代表的功能。 在設計

從壹開始前後端分離 [ Vue2.0+.NET Core2.1] 十六 ║Vue基礎ES6初體驗 & 模組程式設計

緣起 昨天說到了《從壹開始前後端分離 [ Vue2.0+.NET Core2.1] 十五 ║ Vue前篇:JS物件&字面量&this》,通過總體來看,好像大家對這一塊不是很感興趣,嗯~~這一塊確實挺枯燥的,不能直接拿來程式碼跑一下那種,不過還是得說下去,繼續加油吧!如果大家對昨天的小demo

Fragment建立模組元件

Fragment類似於Activity,有自己的layout佈局,也有一系列相關的生命週期方法。在Activity執行(resumed)期間,它的生命週期可以獨立地控制,但當Activity停止或銷燬時,尚未銷燬的它將一起被停止或銷燬。它是View的子類View

Flask Blueprint實現模組的應用

在一個大型專案中,肯定會有很多模組組成,比如一個網路管理系統可能有流量運營模組,實時分析模組,故障預警模組等。我們可以利用Flask Blueprint 實現每個模組的功能進行獨立的開發與管理,後

何愷明、吳育昕最新成果組歸一替代批歸一

編譯 | 阿司匹林AI科技大本營按:近日,FAIR 團隊的吳育昕和何愷明提出了組歸一化(Grou

nginx教程第六篇HTTP核心模組配置一個靜態Web伺服器(二)

網路連線的設定 下面介紹網路連線的設定配置項: 1. 讀取HTTP頭部的超時時間 語法: client_header_timeout time( 預設單位: 秒) ; 預設: client_header_timeout 60; 配置塊: http、 serve

4、pytest 中文文件--pytest-fixtures明確的、模組的和可擴充套件的

目錄 1. fixture:作為形參使用 2. fixture:一個典型的依賴注入的實踐 3. conftest.py:共享fixture例項 4. 共享測試資料 5. 作用域:在跨類的、模組

tensorflow 1.0 學習別人訓練好的模型進行圖像分類

ima ppi gin 什麽 dir targe spl flow blog 谷歌在大型圖像數據庫ImageNet上訓練好了一個Inception-v3模型,這個模型我們可以直接用來進來圖像分類。 下載地址:https://storage.googleapis.com/d

tensorflow 1.0 學習Google訓練好的模型進行影象分類

谷歌在大型影象資料庫ImageNet上訓練好了一個Inception-v3模型,這個模型我們可以直接用來進來影象分類。下載地址:github:https://github.com/taey16/tf/tree/master/imagenet下載完解壓後,得到幾個檔案:其中的c

tensorflow 1.0 學習別人訓練好的模型進行影象分類

谷歌在大型影象資料庫ImageNet上訓練好了一個Inception-v3模型,這個模型我們可以直接用來進來影象分類。 下載完解壓後,得到幾個檔案: 其中的classify_image_graph_def.pb 檔案就是訓練好的Inception-v3模型。 imagenet_synset_to_h

CSS float的初步理解兩種不同的方式實現一個三列布局,其中左側和右側的部分寬度固定,中間部分寬度隨瀏覽器寬度的變化而自適應變化

最近在學習web前端的知識,今天看IFE平臺上的開源題目的時候,遇到了一個問題(小白就是小白)TAT,問題實現很簡單,但由於自己基礎還沒打牢,半天解決不了,問題如標題所述,實現效果如圖:要求:用兩種不同的方式來實現一個三列布局,其中左側和右側的部分寬度固定,中間部分寬度隨瀏覽

tensorflow學習筆記十一別人訓練好的模型進行影象分類

谷歌在大型影象資料庫ImageNet上訓練好了一個Inception-v3模型,這個模型我們可以直接用來進來影象分類。下載完解壓後,得到幾個檔案:其中的classify_image_graph_def.pb 檔案就是訓練好的Inception-v3模型。imagenet_sy

MOOC清華《面向對象程序設計》第8章代理模式實現延遲初始

blank ngx cin www. oci 初始化 lanp margin 程序 Z9閃5PFVL衣坑9http://shequ.docin.com/zdfi78227 哦3O8b4z宦塹7http://huiyi.docin.com/dvok6368 W34搜6csiy

MasterDAX創始人李成雲服務模式解決中心交易所的集權問題

放心 pan 完全 範圍 管理者 ali 機會 這才 差異   7月28日,由火星財經(微信:hxcj24h)、光谷創業咖啡、 Consensus Lab共識實驗室共同主辦的線下交流活動“火星財經中國行·成都站”在成都電子科技大學舉行。MasterDAX創始人李成發表了主

Caffe視覺(二)權重及輸出視覺Deep Visualization Toolbox實現)

Caffe視覺化(二):權重及輸出視覺化(用Deep Visualization Toolbox實現) 本文記錄了博主在研究Caffe權重及輸出視覺化過程中發現的工具包,包括工具包的安裝、使用和調整(以適應自定義網路)的相關內容。更新於2018.10.26。 文章目錄

【Android開發—智慧家居系列】(二)手機對WIFI模組進行配置

【Android開發—智慧家居系列】(二):用手機對WIFI模組進行配置   版權宣告:本文為博主原創文章,未經博主允許不得轉載。 https://blog.csdn.net/u010924834/article/details/49496729   在實際開發中,我開

初識模組開發工具

初識模組化開發工具:git 是分散式程式碼管理工具,管理程式碼的npm 是包管理工具,管理外掛、工具啊,是個轉換器,他是哪來的了,他是伴隨node下載下來的,版本也是伴隨node變化;node 是個後臺的環境;首先安裝node,然後用命令安裝browserify:npm install -g browseri

TensorFlow神經網路模組的神經網路八股

1、前向傳播: 搭建從輸入到輸出的網路結構 forward.py: # 定義前向傳播過程 def forward(x, regularizer): w = b = y = return y # 給w賦初值,並把w的正則化損失加到總損失中 def g

Android關於專案元件/模組的設計

隨著技術越來越成熟,這兩年,元件化開發與外掛化開發的熱度一度高漲。對於元件化,有的人也喜歡稱之為模組化開發,我也比較喜歡稱之為模組化開發。使用模組化開發也已經有一段時間了,特此總結一下模組化開發的心得,防止以後忘記。 什麼是模組化開發 對於模組化開發的概念,有的人可