人工智能

知乎热搜!如何看待年仅 28 岁的郭宇宣布从字节跳动退休?

余生长醉 提交于 2021-01-07 11:14:05
点击蓝色“ 程序员书单 ”关注我哟 加个“ 星标 ”, 每天带你 看好文,读好书! 新智元报道 来源:知乎 编辑:梦佳、永上 【新智元导读】 最近28岁程序员郭宇宣布退休上了知乎热搜。郭宇是谁?高考后自学编程,非计算机专业出身,曾入职支付宝,2014年加入字节跳动,28岁实现财富自由提前退休,旅居日本经营温泉酒店。彪悍的人生不需要解释。 你的28岁在干嘛?硕士毕业?苦苦等待一份大厂的offer? 而有的人,28岁,已经光荣退休了。 「如何看待年仅28岁的郭宇宣布从字节跳动退休?」又挂上了知乎热榜。 这位大神是谁,于是和每一个羡慕嫉妒恨的围观群众一样,小编查了他微博。 他在2月份的置顶微博里写道,「 我选择在 28 岁的末尾退休,拥抱山间清泉与峡谷的风,去感受春秋冬夏。有缘人自会再相逢,朋友,愿我们在更广阔的世界再会! 」 90后的他对日本有特殊的情结,据说退休前就去了100多次。字节跳动实行双周末制,他上班之余每个双周末会飞去日本,在那里旅游、投资房产、经营旅行社。 据传他现在在日本各地有多处房产,国内开保时捷718上下班,去日本后开的宾利欧陆。 然而,在「退休」后的微博里,他却鲜少炫富,分享的大多是东京美景和人生感悟。 他的微博简介里写着,株式会社山月夜 代表取缔役社长/住过150+个日本温泉乡/100万公里飞行进度86.5%/程序员/原字节跳动资深技术专家。 郭宇的代步工具

资深首席架构师预测:2021年云计算的8个首要趋势

夙愿已清 提交于 2021-01-07 10:54:46
本文转自 Ranche Labs 作者简介 Alistair,数字化技术解决方案提供商Kainos首席架构师。在IT服务、电信和金融科技领域有十多年的工作经验。在Kainos,Alistair带领团队完成了多个英国政府部门的知名云迁移和数字化转型项目。 由于媒体以及各类调查机构的数据宣传,我们很容易认为现在大部分企业都已经上云。但事实并非如此,正如AWS CEO Andy Jassy在re:Invent主题演讲中所说的,超过96%的计算仍然停留在传统数据中心。 众多企业采用云技术的障碍显然仍然存在——其中一些障碍可能是非常有形的,而另一些障碍则可能更加主观,例如: 对许多企业来说,企业内部缺乏相关技能是一个重大的挑战,而其他运行高度专业化的工作负载和复杂需求的企业可能还没有信心认为商品云能够满足他们的特定需求。 缺乏信任以及对安全、隐私和法规遵从性的担忧可能会降低对公有云的兴趣。 文化和政治障碍:比如对风险的保守态度,缺乏决策者的支持,甚至可能只是对变化和未知的恐惧,都可能提供足够的惯性,阻止企业投身其中。 COVID-19: 云计算应用的催化剂? 不管是好是坏,2020年都是动荡不安的一年,其影响很可能在未来几十年内都会感受到。那么,2020年是如何影响云在商业世界中的地位的呢? 随着远程办公的普及,全球的IT团队突然发现他们需要争先恐后地应对全新的、复杂的

BZOJ2143: 飞飞侠

元气小坏坏 提交于 2021-01-07 10:54:25
2143: 飞飞侠 题意: 给出两个 n ∗ m 的矩阵 A,B,以及 3 个人的坐标 在 (i, j) 支付 Ai,j 的费用可以弹射到曼哈顿距离不超过 Bi,j 的位置 问三个人汇合所需要的最小总费用 其中 0 < n,m < 150,0 < A < 1000,0 < B < 10^9。 分层图最短路也好,用dijkstra/spfa做dp也罢,反正就是辣么一回事! 把距离等效成油量之类的东西,单独拿出一维 $f_{i,j,k}$表示从起点到(i,j),剩下k个油的最小费用 枚举移动和换油(不是加油)来转移 因为不是dag所以用dijkstra来做 spfa应该也可以,不过这是个满足最短路性质的dp没必要用spfa #include <iostream> #include <cstdio> #include <cstring> #include <algorithm> #include <queue> using namespace std; typedef long long ll; #define pii pair<int, int> #define fir first #define sec second const int N = 152; int n, m, a[N][N], b[N][N]; struct meow { int x, y, c, d; bool

2020年这48个年度热搜词,你关注过哪几个?

与世无争的帅哥 提交于 2021-01-07 10:53:18
2020年的跨年夜,多地的倒计时活动被取消,但人潮仍然义无反顾地拥挤在广场上盯着手机倒数,喊得比往年还要用力。从前总是盼望着「××××,对我好一点」的人,今年唯一的愿望就是「2020,你快走吧」。 刚刚过去的2020年是魔幻的一年,出乎意料的事情时刻在发生。当你以为自己会在床上平躺一周后迎接新一年,结果一躺就是两个月;憋在家里的你一再怀疑自己的厨艺,却还是自信满满开始练习蒸凉皮;当你以为经历生死之后的打工人会更爱惜生命,却发现大家正习惯于为了高薪而996——尽管频繁发生的猝死案一次次地质问打工人「要命还是要钱」。 错愕,这大概就是过去一年的缩影。 所以在2021年初,我们想从最基础的个体情绪出发,看看过去的12个月里,普通人的生活除了丧还有哪些值得注意的、向上的、积极的变化。 新偶像 2019年,国际环境变得不稳定,中国卷入贸易摩擦,电视里不断传出对中国不利的新闻。于是,2020年早早到来的春节就像是一个火盆,不管是整体还是个人,都希望早早跨过去,给自己一个重新开始的契机。 但突如其来的疫情打乱了所有人的安排,尤其在生活和经济上。 整个一二月份,百度搜索上第一梯队的热点,便是「新型冠状病毒」「武汉封城」等疫情相关词。每个人都想知道这病毒是怎么来的,武汉为什么要封城、要封多久。 在未来,没有经历过这场疫情的年轻人也许无法共情,2020年初中国人急于搞清楚「医用外科口罩」和

特斯拉扔出了一片“二向箔”

懵懂的女人 提交于 2021-01-07 10:50:37
来源|字母榜 作者|李鹏飞 编辑 | 赵晋杰 补齐轿车与SUV这两个最主流车型后的特斯拉,开启了中国本土化的新篇章。 最高直降16.51万元的国产版Model Y, 使得特斯拉在包括燃油车在内的整个汽车市场竞争力大增 ,对比其他国产SUV新能源车,也是碾压级的存在;新品上市的同时,等于也顺手向中国汽车市场扔出了一片“二向箔”(“二向箔”是《三体》一书中描述的宇宙规律武器之一,专门用于清除那些隐藏在结构较复杂的恒星系统中的弱小文明)。 去年国产Model 3的正式交付,意味着特斯拉与国内新能源车企享受同样的补贴与购置税减免,也就是说,特斯拉和国内新能源汽车企业开始了真枪实弹的正面对决。 今年国产Model Y的上市,则意味着特斯拉补齐产品线,终于开始发力中国客户最在乎的SUV车型。 据CIC报告,从2016年到2019年,中国SUV销量以1.5%的复合年增长率增长,渗透率从38.9%增加到45.4%。从2020年到2024年,SUV的销量预计将继续以3.9%的复合年增长率增长,到2024年将达到49.2%的渗透率。 ▲Model Y 国产版Model Y的推出,补齐了特斯拉在中低端SUV市场的竞争力。特斯拉中国本土化策略由此迈入2.0时期,更紧张的贴身肉搏战揭开帷幕。 上次Model 3售价击穿25万元,对国产造车新势力来说无疑是当头一棒,这次Model Y降价上市

2021,逃离抖音

大兔子大兔子 提交于 2021-01-07 10:50:21
来源|亿欧网 作者|寒凉 编辑 | 城南 如果刷视频的时间用在其他地方,是否会让我们的生活和状态更好? 2020年,短视频行业集中爆发,形成“两极多元”的竞争格局。 公开资料显示,每6个移动互联网月活跃用户,就有5个在使用抖音或快手,二者垄断了国内短视频行业56.7%的市场份额。 争夺“短视频第一股”,或将成为抖音、快手与对方拉开差距或缩小差距的关键一步。 头部尚且如此,腰部和尾部的竞争更为激烈。 老玩家腾讯微视、微信视频号、新浪微博加速迭代,在功能和资源上不断倾斜;沉淀3年,知乎重装入局短视频;小红书从上线打卡功能“hey”,到启动视频号;百度整合“好看视频”和“全民小视频”,成立短视频事业部,并“联姻”YY,吹响“决胜关键局”的号角。 这是一场烧钱大战,更是一场抢占用户时间的比拼。 对行业来说,短视频领域最终会“烧出”一家独大如滴滴出行,还是会出现双寡头如美团外卖、饿了么,抑或是蔚来、小鹏、理想、威马等“诸侯林立”的格局,2021年将会更加清晰。 而对用户来说,短视频就像是一个黑洞,不断吸纳时间、透支多巴胺。当沉迷的用户开始觉醒,意识到时间的价值时,短视频行业将迎来奇点——用户逃离、行业重塑、玩家自救。 01 时间黑洞 Sensor Tower数据显示,截至2020年12月15日,抖音与TikTok全球下载量9.6亿次,预估收入超过Netflix。

资深首席架构师预测:2021年云计算的8个首要趋势

前提是你 提交于 2021-01-07 09:52:14
本文转自 Ranche Labs 作者简介 Alistair,数字化技术解决方案提供商Kainos首席架构师。在IT服务、电信和金融科技领域有十多年的工作经验。在Kainos,Alistair带领团队完成了多个英国政府部门的知名云迁移和数字化转型项目。 由于媒体以及各类调查机构的数据宣传,我们很容易认为现在大部分企业都已经上云。但事实并非如此,正如AWS CEO Andy Jassy在re:Invent主题演讲中所说的,超过96%的计算仍然停留在传统数据中心。 众多企业采用云技术的障碍显然仍然存在——其中一些障碍可能是非常有形的,而另一些障碍则可能更加主观,例如: 对许多企业来说,企业内部缺乏相关技能是一个重大的挑战,而其他运行高度专业化的工作负载和复杂需求的企业可能还没有信心认为商品云能够满足他们的特定需求。 缺乏信任以及对安全、隐私和法规遵从性的担忧可能会降低对公有云的兴趣。 文化和政治障碍:比如对风险的保守态度,缺乏决策者的支持,甚至可能只是对变化和未知的恐惧,都可能提供足够的惯性,阻止企业投身其中。 COVID-19: 云计算应用的催化剂? 不管是好是坏,2020年都是动荡不安的一年,其影响很可能在未来几十年内都会感受到。那么,2020年是如何影响云在商业世界中的地位的呢? 随着远程办公的普及,全球的IT团队突然发现他们需要争先恐后地应对全新的、复杂的

YOLOv5模型训练

試著忘記壹切 提交于 2021-01-07 09:37:02
软硬件环境 ubuntu 18.04 64bit anaconda with 3.7 nvidia gtx 1070Ti cuda 10.1 pytorch 1.5 YOLOv5 YOLOv5环境配置 请参考之前的文章,YOLOv5目标检测 使用COCO数据集 YOLOv5 的预训练模型是基于 COCO 数据集,如果自己想去复现下训练过程,可以依照下面的命令 $ python train.py --data coco.yaml --cfg yolov5s.yaml --weights '' --batch-size 64 yolov5m 48 yolov5l 32 yolov5x 16 COCO 的数据集可以通过 data 文件夹下 get_coco2017.sh 脚本进行下载,包含图片和 lable 文件。 COCO 的数据集实在是太大了,整个压缩包有18G,考虑到自己到的网速还有机器的算力,还是洗洗睡吧。。。 制作自己的数据集 如果没有对应目标的公开数据集,那就只有自己出手收集了,图片到手后,接下来就是艰辛的打标签工作了,这里使用工具 LabelImg ,下载地址是 https://github.com/tzutalin/labelImg/releases/tag/v1.8.1 LabelImg 使用 Qt 做了图形化的界面,操作还是很方便的,这也是选择它的理由,它提供了默认的

阿里云技术专家解读:2021 年六大容器技术发展趋势

时间秒杀一切 提交于 2021-01-07 09:33:48
作者 | 阿里云容器服务团队 来源| 阿里巴巴云原生公众号 2020 终于过去。在这一年,特殊的环境让企业的生存和发展充满着不确定性。在持续应对由变化带来的挑战过程中,数字化创新能力对于企业来说似乎比以往任何时候都更加重要。 疫情之下,越来越多的企业坚定了上云和实现数字化转型的信念和步伐,并且积极探索云原生架构转型落地。2020 年 双11,阿里巴巴实现了核心系统全面云原生化的重大技术突破。基于云原生架构,企业可以最大化使用云的能力,聚焦于自身业务发展,开发者也可以基于云原生的技术和产品,提升开发效率,将精力更多地聚焦于业务逻辑的实现。可以看出, 以容器为代表的云原生技术正在成为释放云价值的最短路径 。 作为云原生发展的基石,容器技术的新趋势和新挑战备受关注。 2021 年伊始,阿里云容器服务团队的技术专家们为大家带来了他们对新一年容器技术趋势的六个重要解读 。 趋势一:以 Kubernetes 为代表的容器技术,已成为云计算的新界面 汤志敏|阿里云容器服务资深技术专家 在最新发布的 “CNCF 2020 年中国云原生调查”中显示,有 72% 的中国受访者在生产中使用了 Kubernetes。过去一年,我们观察到的阿里云上云原生生态的蓬勃发展也印证着云原生技术正成为释放云价值的最短路径。从早期的无状态应用、到 AI 大数据和存储类应用都在拥抱容器技术。可以看见,以

如何在自定义的数据集上训练YOLOv5

 ̄綄美尐妖づ 提交于 2021-01-07 08:54:06
YOLO系列的目标检测模型随着YOLOv5的引入变得越来越强大了。在这篇文章中,我们将介绍如何训练YOLOv5为你识别自己定制的对象。 本文我们使用公共血细胞检测数据集,你可以自己导出,也可以在自己自定义数据上使用本教程。 公共血细胞检测数据集: https://public.roboflow.ai/object-detection/bccd 为了训练检测器,我们采取以下步骤: 安装YOLOv5依赖项 下载自定义YOLOv5对象检测数据 定义YOLOv5模型配置和架构 训练一个定制的YOLOv5检测器 评估YOLOv5性能 可视化YOLOv5训练数据 对测试图像使用YOLOv5进行推断 导出并保存YOLOv5权重以供将来使用 YOLOv5的新技术点 就在两个月前,我们对googlebrain引入EfficientDet感到非常兴奋,并写了一些关于EfficientDet的博客文章。我们认为这个模型可能会超越YOLO家族在实时目标探测领域的突出地位,但事实证明我们错了。 三周内,YOLOv4在Darknet框架下发布,我们还写了很多关于YOLOv4技术解析的文章。 在写这些文章的几个小时之前,YOLOv5发布了,我们发现它非常清晰明了。 YOLOv5是在Ultralytics-Pythorch框架中编写的,使用起来非常直观,推理速度非常快。事实上