谷歌响应框架fluent beta 3发布

作为一名移动APP开发者,如果想要开发面向全平台(包括iOS和Android等等)的APP,以往的操作往往比较繁琐。为此去年Google推出了响应式框架Flutter,今天第三个Beta版本正式上线,为移动平台开发APP提供了更充足的准备。

Flutter首次亮相多少有点意外。该框架乍看下是跨平台SDK。不过和同类产品不同的是,Flutter似乎能够使用单个代码库来达到原生性能。在Beta 3版本中,Google自家的Material Design团队和工具合作提供商承诺这并不是一个异想天开的临时项目。

Flutter 的目标是解决移动中的两个重要问题:其一是实现原生应用的性能和与平台的集成,其二是提供一个多平台,可移植的 UI 工具包来支持高效的应用开发。

Flutter 同时为新手以及有经验的移动开发者所设计,它可以帮助你在更快地开发出精美且成功的应用。同时 Flutter 还兼具以下优点:

利用保持状态的热重载(Hot Reload)、全新的响应式框架、丰富的控件以及集成的开发工具这些特点进行快速开发

通过可组合的控件集合、丰富的动画库以及分层可扩展的架构来实现富有感染力的灵活界面设计

借助可移植的 GPU 加速的渲染引擎以及高性能本地 ARM 代码运行时以达到跨设备跨平台的高质量用户体验

谷歌空间编辑推荐:充满创意和幻想的5款“艺术迷”手机游戏

Play市场里面,时不时会出现一些特立独行的精品游戏。不论是叙事、音乐,或者美术、机关,开发者利用各种技巧,创造着特殊的氛围与体验。接下来,就让我为大家介绍一下5款不拘一格的“艺术范”游戏吧。

1、打破叙事结构的《致命框架》(Framed)

游戏类型:解谜

包括作品:《Framed》、《Framed 2》

上架平台:Google Play、Apple Store、Steam

如同标题,这款解谜游戏充分地活用了“漫画分格”这一概念。玩家扮演故事外的上帝,通过拖拽、旋转,排列漫画分格、改变故事流向,帮助主角脱离险境。

剪影风格的画面,不仅足够时髦、也很有表现力。虽然没有台词,但环境设置、肢体动作等细节,依然足够让玩家弄清楚发生了什么。恰如其分的爵士乐,也让这场冒险变得更为惊险动人。

这款独立游戏不但很受玩家欢迎、在游戏业内也是口碑上佳。几年来获得20多个游戏奖项,拿奖拿到手软。2017年续作《致命框架2》,在补完前作剧情、增加玩法的同时,还设置了额外的收集要素,是不可多得的小品游戏。

2、硬派Meta游戏《漫画地带》(Comix Zone)

类型:街机、动作

包括作品:《Comix Zone》(1995)、《Comix Zone Classic》(2017)

平台:GooglePlay、Steam,AppleStore

漫画风的《致命框架》,让不少玩家耳目一新。但它并不是第一个把漫画分格完美融汇到游戏里面的作品。1995年,游戏老厂世嘉(SEGA)也做一款“故事里面讲故事”的“Meta游戏”—— 《Comix Zone》。这款游戏2017年上架移动平台,重新来到玩家身边。

故事主角、漫画家Sketch Yurner在家里画漫画。突然、一道闪电击中稿纸,漫画世界突然动了起来。反派Mortus趁机跑到现实世界,并把主角丢到漫画里。

接下来,BOSS用画笔制造出各种恶棍、试图杀死漫画家。漫画家凭借自己身手与智慧,在漫画中与BOSS对抗。

与《致命框架》类似,《Comix Zone》每个场景都是一个漫画分格、不能像很多游戏那样重复使用美术资源。之后的必然结果,就是游戏流程变短。为了耐玩,这款游戏的难度不低。

然而游戏设计者并没有只是加大难度、还添加了许多帮助通关的隐藏要素。玩家熟悉关卡、破解机关后,通关难度会降低不少,值得认真研究。

3、简约不简单的《地狱边境》(Limbo)

游戏类型:解谜、恐怖

包括作品:Limbo

上架平台:GooglePlay、Steam、AppleStore

《地狱边境》是一款动作解密游戏,玩家操控的小人,从头到尾只是一个黑影。他在类似地狱的阴冷世界里穿行。游戏角色善恶难分,一些谜题,也能让人体会到主角的残酷。

游戏本篇操作精度要求不高、同时存档点也不少。不擅长动作游戏的人,多试几次也能轻松通关。不过,收集隐藏要素才能开启的附加关卡,玩起来就没那么容易了。对身手有自信的硬核玩家,可以拿来检验自己的操作水平。

游戏基本只有黑白画面,虽然表现手法简约,讲的东西却不简单。散落在各个地方的隐藏设定,可以做多方面解读。设计巧妙的物理机关,也会让人有恍然大悟的解谜快感。除此之外,统一开发商另一部作品《Inside》,也值得关注一下喔。

4、如同绘本的古树旋律(Deemo)

游戏类型:音乐游戏

包括作品:Deemo

上架平台:GooglePlay、Steam、AppleStore

作为一款音乐游戏,《Deemo》操作非常简洁。基本只要跟着音乐、点击与滑动,就可以弹奏钢琴、通过关卡。同时每个曲子有Easy、Normal、Hard三个难度,不管是初学者还是音游高手,都能找到适合自己的玩法。

弹奏完歌曲,显示得分后,故事世界里的一棵“树”会随之成长。每首曲子,都有与之匹配的插画。这些插画、既能乖巧可爱,也能帅气时髦。随着游戏进程、逐渐推进的剧情,引起玩家无限的遐想。

对音乐游戏来讲,最为重要的就是音乐了吧。《Deemo》曲子不但整体质量高,同时类型也很丰富,不光有慷慨激昂的战斗曲,也有诙谐幽默的轻快音乐。各大游戏音乐评比里面,《Deemo》经常榜上有名。不管是音乐、插画、剧情,都与飘着淡淡忧郁的世界观相辅相成。

另外,游戏曲目需要付费解锁,这也是最适合本游戏的收费方式了吧。估计大多数玩家、也不想在一款抒情音乐游戏里看到“刷刷刷”内容。

5、注重打击感的动作手游《暗影格斗》

游戏类型:动作、街机

上架平台:GooglePlay、Steam、AppleStore

包括作品:《暗影格斗》(FaceBook)、《暗影格斗2》、《暗影格斗3》

这是著名游戏厂商 Nekki,专为触摸屏设计的免费游戏。第一代《暗影格斗》,在Facebook有4000万用户、玩家众多。从第二代开始,《暗影格斗》正式登陆安卓。游戏角色动作流畅、打击感十足,相当考验反应与技术。随着口耳相传,《暗影格斗》在国内也发展了不少粉丝。

从第3代开始,《暗影格斗》不再是剪影风格,变成了3D格斗形式。但高质量动作与美术依然保留了下来。除此之外、日、中、欧三大阵营装备风格齐全。多种武器、,也是相生相克。

游戏采用游玩免费、道具收费的模式,后期BOSS的攻略难度很大。不付费的用户、想打倒全部敌人,就需要相当的身手了。尤其是第三代,可能需要拼运气练级开箱。 不过玩游戏本来就是消磨时间,闲着没事打一盘,也没什么不好。

本次游戏介绍就到此为止。如果大家有什么感想、或其他好玩游戏想推荐,也欢迎留言讨论喔。

以999美元的价格,谷歌推出了新一代企业级谷歌眼镜

近日,谷歌正式推出新一代企业版谷歌眼镜—Glass Enterprise Edition 2,作为谷歌眼镜的第三代产品,新推出的谷歌眼镜将以商业应用为主。

外观方面,Enterprise Edition 2拥有两种款式,一种是谷歌原版的全包边镜片样式,另一种是与Smith Optics合作定制的样式,采用金属丝边框架,相比原版重量会轻。不过在显示效果方面,还是拥有遮光罩的原版要好一些。

两种款式都采用了一块640×380像素的显示屏幕,配有800万像素摄像头。搭载高通专为头戴设备所打造的骁龙XR1处理器,除了拥有比过去更强的性能,AI方面也采用了最新一代的高通人工智能引擎和学习单元,同时还增加了智能省电功能。

系统方面,Enterprise Edition 2将运行Android平台,相对于一代更加适用企业级用户。值得一提的是,这一代的谷歌眼镜还内置了USB-C接口,方便用户充电以及对眼镜操作系统进行升级。

谷歌眼镜售价为999美元,约合人民币6895元。但实际价格可能要视不同公司的需求而定。作为企业版,该款眼镜将不会面向消费级用户销售。

谷歌眼镜EE2可能是你现在能买到的最好的ar眼镜

今年科技企业将 AR 发展重心从移动设备转移到了可穿戴设备上,将现实增强技术直接呈现在我们眼前,而不仅是通过手机、平板这些传统电子介质来展现 AR 的奥妙。

去年 5 月,Google 发布了面向企业的第二代智能眼镜产品 Glass Enterprise Edition 2(EE2),而在大半年后的今天,Google 宣布开放 EE2 的购买渠道,即使是个人,也能以 999 美元起(约合人民币 6994 元)的价格买到这副智能眼镜。

相比于 2014 年推出的初始版,Google Glass EE2 在性能、功能和成本三方面做了改进。同时,眼镜的设计也因更专业和耐用的使用需求有一些变化,比如镜框部分可采用史密斯光学(Smith Optics)提供的全包框架,这样能避免眼镜在不慎摔落时对镜片造成损害。

▲ 图片来自:Google

具体到配置上,Google Glass EE2 搭载的是高通在 2018 年发布的 XR1 处理器,这是一枚专门为移动设备 AR 和 VR 设计的芯片,采用四核芯设计,最高主频 1.7GHz,最高支持 3GB 运存。

另外,XR1 处理器也大幅减少了运行时所需消耗,让 EE2 能比 EE 有更长的单次续航时间,这对于一个要远离电源的设备来说尤为重要。

我可不想在外面将眼镜摘下来接充电宝充电。

在这套配置基础上,EE2 能借助助处理器的 AI 引擎进行识物学习、判断和动作预测,这是初代 Google Glass 并不具备的智慧功能。比如在运行 AR 应用时,AI 大脑和系统能通过摄像头对当前环境进行测绘,继而实现更精准的现实增强画面显示。

当然,这次 Google Glass EE2 的画面仍然需要一块 640×360 分辨率的晶体来显示,它依然被设计在眼镜的右侧。同时,800 万像素的广角镜头、电池、手势触控模块、USB-C 接口等零件都集中在眼镜右侧,所以我们也能看到,眼镜的右脚要比左脚大和粗不少。

▲ 钛架镜框的 Google Glass EE2 图片来自:Google

不过尽管这次 Google 开放了 EE2 的购买限制(此前仅通过「解决方案提供商」向合作企业销售),但这款产品仍然还是一款面向企业和开发者设计的产品,比如建筑、医疗辅助用途,并不适合普通用户日常使用。

▲ 图片来自:X.Company

在过去数年的应用和沉淀中,不少企业已经借助 Google Glass 提升工作效率,比如 DHL 快递的员工会通过 Google Glass 头显提升拣货速度;农机制造商 AGCO、机械制造商 GE 通用电气通过头显操作指南提高装配效率。

此外,我国部分航空公司也已经通过 AR 眼镜进行旅客识别、机场导航和行李跟踪,以此提升服务质量。

▲ 东航地勤人员在大兴机场使用 AR 眼镜识别旅客信息(非 Google Glass EE2)图片来源:《人民日报》

值得一提的是,本次 Google Glass EE2 是基于 Android 操作系统定制,并非是之前所搭载的 Glass OS 操作系统。因此无论是企业还是开发者,他们都能更轻松地为眼镜进行服务和 API 接口定制,无需再为 Glass OS 另开一套独立应用。

Google Glass 项目负责人 Jay Kothari 在 Googleblog 的公告中介绍,Google 为其共享了新的开源代码示例,其中包括眼镜的界面布局和 UI 组件等等。

据悉,目前 Google Glass EE2 已经在 CDW,Mobile Advance 和 SHI 三个地方公开销售,售价 999 美元,包含钛架镜框和 Glass Pod 的开发者套装(Developer Kit)则是 1299 美元,乍一看这价格好像也不算特别便宜,但相比于过去第一代 1500 美元的起步价,EE2 的定价其实已经低了不少了。

谷歌眼镜、定制手势控制和覆盆子派的DIY差版本又被开发出来了

兴坤 发自 凹非寺

量子位 报道 | 公众号 QbitAI

通过帅气的手势,操控投影在眼前的电子成像,这不就是科幻片里的基础配置嘛。

现在,有人把它从科幻电影中带入了现实。动动手指,实现对眼前世界的掌控。

热衷于制作智能小物件的油管博主Teemu Laurila,利用树莓派DIY了一副可识别自定义手势的AR眼镜。

将自己想设置的手势录入装置,即可实现炫酷操作。

我有了一个大胆的想法!

自制AR眼镜中的世界

先开始表演吧!

捏住手指上下拉,就可以完成调整亮度指令。(这是你的第一人称视角)

对手势识别,叠加显示在镜头成像中。

再来一个更直观点的视角,通过眼镜看看效果。

DIY过程

AR眼镜本身就充满了科技感,让现实世界充满赛博朋克的味道。

那不如更炫酷一点。打个响指,就能运行命令,这不必博人传燃?

说干就干,首先需要设计出,装置会包含有哪些部分。

除了本体眼镜框架,硬件部分还包括了透镜组,0.6 mm PETG投影镜片,配件部分由聚乳酸材料3D打印制成。

毕竟它是智能装置的DIY,怎么可以不请万能迷你电脑树莓派出场。

而软件部分,手势识别程序依赖于python开源项目MediaPipe

除此之外,Teemu Laurila还写了两个程序脚本。

一个是通过捏手指控制亮度的应用示例,另一个是捕获实时视频中的手势传送到电脑进行处理,并通过智能眼镜叠加显示。

条件都齐了,那么动手组装起来试试。

经历多次调整,各部分零件最终组合成如下装置。

想让程序在装置上可用,首先,需要一个树莓派作为程序支持。

随后设置好内存、驱动、运行环境、多媒体接口、网络等条件,让整个装置超频运行。

硬件软件环境都准备好以后,调试应用程序。

应用程序功能的核心——手势识别模型由3个框架组成,包括手掌识别模型BlazePalm(用于识别手的整体框架和方向)、Landmark模型(识别立体手部节点)、手势识别模型(将识别到的节点分类成一系列手势)。

识别算法的训练过程中,BlazePalm模型识别手掌初始位置,对移动端的实时识别进行优化。

在BlazePalm识别到的手掌范围内,Landmark模型识别其中21个立体节点坐标。

手势识别模型则在此基础上,根据关节角度识别每根手指状态,将状态映射到预定义的手势上,预测基础静态手势。

通过树莓派Zero W,对手势信息捕获。图像信息传输到电脑中,由手势识别AI进行处理。之后再传达给装置,发出对应的手势命令,并同步在投影图像中。

它的前世今生

等一下,有摄像头,有微型投影仪,还有电脑处理器,并且还是一侧投影显示。这样的AR眼镜好像在哪里见过。

没错,就连用到的手势识别代码也都是谷歌开源的。

虽然没有谷歌智能眼镜类似智能手机的功能,但是相比其语音控制和触控功能,Teemu Laurila的智能眼镜选择了使用自定义手势触发命令,更多一分黑科技的味道。

另外,谷歌眼镜摄像头只用来拍照录像,Teemu Laurila的摄像头还承担了接受手势指令、传达指令功能。同时,投影也选择了更大尺寸的方形镜片,方便视野观察。

这款装置已经是Teemu Laurila完成的第二版智能眼镜,在外观和性能上均有优化。

材料的选择上,采用了0.6mm厚度投影镜片替代1mm厚度;以聚乳酸材料代替丙烯酸;增加了螺栓固定支架,弃用胶水。

最重要的优化是,照相机使用方形透镜让画面更清晰。

Teemu Laurila将自己补充的两段代码,分享在了GitHub平台,供感兴趣的观众自己复刻。

参考链接:https://www.tomshardware.com/news/raspberry-pi-smart-glasses-recognize-hand-gestureshttps://www.youtube.com/watch?v=60Os5Iqdbswhttps://www.youtube.com/watch?v=Gu4oOYo38rQ

GitHub链接:https://github.com/Teneppa/CameraStreamhttps://github.com/Teneppa/HandTrackingBrightnessControl

— 完 —

量子位 QbitAI · 头条号签约

关注我们,第一时间获知前沿科技动态

美国股市全线收高,道琼斯指数上涨500多点。在线教育类股调整,白石集团涨幅超过13%

金融界网9月24日消息,投资者权衡美联储货币政策决议影响,同时国会驴象两党与白宫就开支立法草案资金来源达成共识,进一步推动美股乐观气氛升温,美股大幅收涨,道指涨逾500点;固态电池、抗疫概念及银行股普遍走高,在线教育股回调,QuantumScapeCorp大涨14.36%,黑莓涨近11%,百世涨13%,51Talk跌逾10%。

截止收盘,道琼斯指数上涨507.68点,涨幅1.48%报34766.00点;标普500指数上涨52.48点,涨幅1.19%报4448.12点;纳斯达克综合指数上涨155.4点,涨幅1.04%报15052.2点。

热门中概股周四收盘涨跌不一,四季教育飙升逾43%,此前该公司宣布至多1500万美元股票回购计划。团车涨超18%,百世集团涨超13%,知乎、达达集团涨超7%,开心汽车涨超6%,途牛涨超5%,优信涨近3%,满帮涨超2%,人人公司、中网载线、房天下、携程、第九城市涨超1%,斗鱼、哔哩哔哩、腾讯ADR涨近1%。

新能源汽车股中,蔚来汽车涨近1%,小鹏汽车跌近0.4%,理想汽车跌0.1%。51Talk跌超10%,晶科能源、中国铝业跌近6%,唯品会、优克联跌超5%,中环球船务、微美全息跌超4%,一起教育跌近4%,新东方、世纪互联、迅雷、小牛电动、贝壳跌超1%,网易有道、乐居跌近1%。

纽约商品交易所12月交割的黄金期货价格下跌29美元,跌幅1.6%,收于每盎司1749.80美元,录得9月16日以来的最大单日百分比跌幅、以及最大下跌美元数,并创8月10日以来的最低收盘价。12月交割的白银期货价格下跌23美分,跌幅1%,收于每盎司22.68美元。纽约商品交易所11月交割的美国基准西德克萨斯中质油上涨1.07美元,至每桶73.30美元涨幅1.5%。洲际交易所欧洲期货交易所11月全球基准布伦特原油上涨1.06美元,至每桶77.25美元涨幅1.4%。这两个基准股指都连续第三个交易日上涨。WTI原油期货结算价创下7月30日以来最高,布伦特原油结算价创下2018年10月29日以来最高。

美国共和党拒与民主党合作 佩洛西承诺将避免政府停摆

鉴于共和党反对将债务上限与权宜支出法案挂钩,美国众议院议长南希·佩洛西暗示,民主党将在不提高债务上限的情况下通过权宜支出法案避免政府关停。佩洛西在周四的记者会上称,无论结果如何,9月30日前我们将在两院通过“持续决议法案”(CR),为联邦政府在10月31日开始的新财年提供资金支持。

众议院本周通过了一项权宜支出措施,将保证联邦政府的运作维持到12月3日,暂停债务上限直至2022年12月16日。不过,预计参议院会阻止该法案通过。

在财政部长耶伦、参议院多数党领袖舒默列席的会议上,佩洛西表示,有关债务上限的讨论将继续。舒默单独宣布,民主党与白宫已经就一个框架达成共识, 将为拜登的经济计划提供资金,但他和佩洛西都没有透露任何详情。目前尚不清楚美国财政部何时可能处于违约边缘,这使得国会行动的速度存在更多不确定性。 耶伦此前表示,政府可能在10月用尽防止突破债务上限的临时性措施。

美国首次申请失业救济人数意外连续第二周上升

美国上周首次申请失业救济人数意外增加,其中加州申请人数大增,显示这个周度数据起伏不定的迹象,而劳动力市场则继续全面复苏。劳工部周四公布的数据显示,在截至9月18日的一周,首次申请失业救济人数升至35.1万人,经济学家预估中值为减少至32万。截至9月11日当周,持续申领失业救济人数增加至280万。

申请失业救济人数上升反映了这个周度数据的波动性。在经济复苏期间,该数据大体是下降的。展望未来,在刺激支出回落的情况下,预计第三季度经济增长将放缓。各行业的雇主透露,联邦补充失业金的结束尚未导致求职申请的增加。 加州的首次申领失业救济人数增加了24221人,弗吉尼亚州增加了12879人。

美国9月服务业和制造业活动增速跌至一年最低水平

受供应链、劳动力市场以及德尔塔毒株的影响,美国9月服务业和制造业活动指标创下一年来最低水平。IHS Markit表示,综合采购经理人指数从一个月前的55.4下降到54.5。读数高于50表明经济增长,该指标自5月份触及纪录高位68.7以来便逐月下降。

IHS Markit首席商业经济学家Chris Williamson在一份声明中说:“放缓是由服务业需求降温导致的,部分与德尔塔毒株扩散有关。虽然制造商看到需求颇具韧性,但工厂在供应链和人手方面面临越来越多问题。”

IHS Markit的美国服务业活动指标降至去年7月以来最低水平,在持续的招聘困难和需求有限的情况下,该行业的就业人数自去年6月以来首次减少。制造业PMI跌至五个月低点。虽然仍处于60.5这个较高水平,但产出指标降至去年10月以来最低,且订单增长放缓。

白宫报告:美国最富400个家庭所得税率低于普通民众

白宫周四公布的一项分析显示,2010年至2018年,美国最富有的400个家庭缴纳的联邦个人所得税平均税率为8.2%。最富有的400个家庭代表了所有纳税人的前0.0002%。

根据这份由经济顾问委员会和管理与预算办公室经济学家撰写的报告,这些最富家庭在上述九年期间为1.8万亿美元收入支付的估计税率与其他纳税人相比要“低”。相比之下,据税收基金会的分析,美国普通民众在2018年为其收入缴纳的平均税率为13.3%(该数字包括所有纳税人,包括最富有的人)。

上述报告发布之际,民主党提议对富人和企业增税,以为拜登3.5万亿美元支出法案提供资金。但该税收方案遭到共和党人的反对。该报告的调查结果与新闻网站ProPublica近期的调查结果相似。后者调查发现,杰夫-贝佐斯、沃伦-巴菲特、埃隆-马斯克等一些世界上最富有的人缴纳的税收仅占其财富的一小部分。

美联储逆回购使用量本周连日创新高 流动性过剩局面料短期无解

在美联储提高交易对手交易额上限并暗示即将收缩资产购买规模后,投资者对美联储逆回购工具的使用量继续创纪录新高。美联储周四进行的隔夜逆回购操作有77家交易对手参与,总计存入美联储1.352万亿美元现金。纽约联储数据显示,这刷新了周三1.28万亿美元的前纪录高位。

本周,美联储将每家交易对手利用该工具向美联储存放现金的上限从800亿美元提高至1600亿美元,之后市场对逆回购的需求进一步上升。因美联储购买资产和财政部消耗现金余额,美元资金市场继续流动性泛滥,导致本周以来美联储逆回购的整体交易量始终在上升。

即便美联储开始缩减资产购买规模,但提高交易额上限的举措将继续支持资金市场,因为短期证券供需失衡的状况可能会持续下去。

推动员工重回办公室 华尔街面临艰难转型

华尔街的重返办公正在带来困惑、焦虑甚至是小狗。银行业的老板们正在经历着一次复杂的转型,很多疲惫不堪的员工已经有18个月没回过办公室了。对进取的金融行业来说,在新冠疫情仍在肆虐的时候,这是一种权衡,在重塑常态的同时慢慢恢复企业生活。

花旗集团伦敦的员工本月回到办公室时收获了治疗犬的欢迎。摩根大通为困境中挣扎的员工提供虚拟团体治疗,包括为父母举行特别会议。不过还是有会引发困惑的时候,瑞穗金融集团的美国部门刚把员工叫回办公室,第二天就又发了一份备忘录,澄清其可以灵活选择。

谷歌和Facebook等科技巨头要遭殃 美国和欧盟拟联手打击

一份备忘录草案显示,美国和欧盟计划采取更统一的方式,限制谷歌和Facebook等大型科技公司日益增长的市场力量。9月29日,美欧贸易科技理事会(U.S.-EU Trade &Technology Council)会议将在匹兹堡举行。届时,大会将宣布有关科技、气候、贸易和供应链方面的声明,而联合打击大型科技公司预计将是其中的一项内容。

当前,美国和欧洲均试图遏制谷歌、Facebook、苹果和亚马逊等美国大型科技公司日益增长的市场力量。因此,双方的这种合作,对大西洋两岸的监管机构来说变得至关重要;而对于这些科技巨头而言,这将使他们更难对抗新法规。

一起教育Q2净收入6.71亿元,一起作业MAU保持高位

财报显示,2021年二季度,一起教育科技净收入6.71亿元人民币;上半年度净收入则为11.45亿元人民币。第二季度经调整后亏损(非美国通用会计准则)为2.18亿元人民币,上半年度则为8.07亿元人民币。

此外,上半年一起教育科技旗下产品一起作业的MAU(月活跃用户数)保持高位,在第二季度及上半年分别达到了1650万和1770万。

消息称百世集团考虑出售快递子公司

消息称百世集团考虑出售快递子公司,估值或至多达10亿美元。公司表示对于市场传言不予置评。此外,《快递观察家》报道称百世快递的确在洽谈并购事宜,相关部门在进行优化整合,而收购百世快递的可能是极兔速递或者抖音。

李泽楷旗下富卫集团据称接近正式启动美国IPO

知情人士透露,亿万富翁李泽楷旗下的保险公司富卫集团接近正式启动其美国首次公开募股(IPO)。因消息未公开而要求匿名的知情人士称,该公司计划最早于本周向美国证券交易委员会(SEC)披露其首份公开文件。知情者说,这家保险公司致力于在第四季度发行股票。

优克联在马来西亚建立新合作,携手提升数据连接服务

近日优克联与马来西亚的一家电信租赁企业达成合作,为用户提供更好的网络连接服务满足用户需求。根据合作协议,双方将把优克联的移动宽带产品与相关服务带给马来西亚用户,为用户提供来自不同运营商,更好的和更可靠的网络连接服务。

四季教育宣布至多1500万美元股票回购计划

四季教育于今日宣布,其董事会已批准一项股票回购计划,根据该计划,公司可在2021年9月23日起的未来12个月内回购至多1500万美元的ADS。

本文源自金融界网

谷歌母公司Alpha的市值超过万亿美元

微软投资10亿建立“气候创新基金”;富士康将与菲亚特克莱斯勒成立合资公司,共同开发电动汽车。

1、谷歌母公司Alphabet市值过万亿美元

1月17日凌晨消息,在美国周四收盘时,谷歌母公司Alphabet股价上涨了0.87%,为1451.7美元,创历史新高,其市值也首次超过1万亿美元,成为继苹果、亚马逊、微软之后第四家市值破万亿美元的公司。

如今Alphabet的股价与6月份低点相比,涨幅达到了40%,其中的主要原因是外界对其2020年前景的乐观情绪推动。

2、FBI用第三方工具解锁了iPhone

今日消息,据外媒报道美国联邦调查局(FBI)最近用第三方工具破解了苹果新出的iPhone 11 Pro Max手机。

此前因一起恐怖袭击枪击案,FBI曾向苹果施压,要求苹果协助该机构打开恐怖袭击事件中枪手使用的两款iPhone。苹果表示拒绝解锁,并因此遭到了特朗普的指责。不过如今FBI已经解锁了iPhone,为何还要求苹果协助解锁iPhone,这让人们很疑惑。

3、微软投资10亿建立“气候创新基金”

微软在日前表示,该公司的目标是到2030年使其从大气中消除的碳超过该公司排放的碳,并希望到2050年能够从大气中消除足够多的碳,足以与该公司有史以来所有的碳排放相当。

微软计划成立一个“气候创新基金”,且将在未来4年内投资10亿美元以加速除碳技术的发展。微软总裁布拉德·史密斯表示,微软还将扩大向旗下各个业务集团收取的一项内部费用以控制碳排放。

4、富士康将与菲亚特克莱斯勒成立合资公司,共同开发电动汽车

日前据外媒报道,富士康将与菲亚特克莱斯勒成立合资公司,共同开发电动汽车。而除了开发电动汽车之外,该合资公司还将专注于“车联网”。菲亚特克莱斯勒将持有合资公司50%的股份,而且富士康的持股比例不会超过40%。

5、欧盟委员会计划在5年内禁止公共场所使用人脸识别技术

今日消息,据悉欧盟委员会正在草拟一项计划,即3到5年内禁止在公共场所使用人脸识别技术,以便有时间研究如何防止这项技术被滥用。

欧盟委员会表示,可能必须出台新的严格规则,以加强保护隐私和数据权利的现有法规。在现有规定的基础上,今后的监管框架可以更进一步,包括有时间限制地禁止在公共场所使用人脸识别技术。

更多优质内容,请持续关注镁客网~

Android通用流行框架

Android通用流行框架大全

1. 缓存

名称 描述
DiskLruCache java实现基于LRU的磁盘缓存

2.图片加载

名称 描述
Android Universal Image Loader 一个强大的加载,缓存,展示图片的库
Picasso 一个强大的图片下载与缓存的库
Fresco 一个用于管理图像和他们使用的内存的库
Glide 一个图片加载和缓存的库

3. 图片处理

名称 描述
Picasso-transfORMations 一个为Picasso提供多种图片变换的库
Glide-transformations 一个为Glide提供多种图片变换的库
Android-gpuimage 基于OpenGL的Android过滤器

4. 网络请求

名称 描述
Android Async HTTP Android异步HTTP库
AndroidAsync 异步socket,HTTP(客户端+服务器),WebSocket,和socket.io库。基于NIO而不是线程。
OkHttp 一个Http与Http/2的客户端
Retrofit 类型安全的Http客户端
Volley Google推出的Android异步网络请求框架和图片加载框架

5. 网络解析

名称 描述
Gson 一个Java序列化/反序列化库,可以将json和java对象互相转换
Jackson Jackson可以轻松地将Java对象转换成json对象和xml文档,同样也可以将json、xml转换成Java对象
Fastjson Java上一个快速的JSON解析器/生成器
HtmlPaser 一种用来解析单个独立html或嵌套html的方式
Jsoup 一个以最好的DOM,CSS和jQuery解析html的库

6. 数据库

名称 描述
OrmLite JDBC和Android的轻量级ORM java包
Sugar 用超级简单的方法处理Android数据库
GreenDAO 一种轻快地将对象映射到SQLite数据库的ORM解决方案
ActiveAndroid 以活动记录方式为Android SQLite提供持久化
SQLBrite SQLiteOpenHelper 和ContentResolver的轻量级包装
Realm 移动数据库:一个SQLite和ORM的替换品

7. 依赖注入

名称 描述
ButterKnife 将Android视图和回调方法绑定到字段和方法上
Dagger2 一个Android和java快速依赖注射器。
AndroidAnotations 快速安卓开发。易于维护
RoboGuice Android平台的Google Guice

8. 图表

名称 描述
WilliamChart 创建图表的Android库
HelloCharts 兼容到API8的Android图表库
MPAndroidChart 一个强大的Android图表视图/图形库

9. 后台处理

名称 描述
Tape 一个轻快的,事务性的,基于文件的FIFO的库
Android Priority Job Queue 一个专门为Android轻松调度任务的工作队列

10. 事件总线

名称 描述
EventBus 安卓优化的事件总线,简化了活动、片段、线程、服务等的通信
Otto 一个基于Guava的增强的事件总线

10. 响应式编程

名称 描述
RxJava JVM上的响应式扩展
RxJavaJoins 为RxJava提供Joins操作
RxAndroid Android上的响应式扩展,在RxJava基础上添加了Android线程调度
RxBinding 提供用RxJava绑定Android UI的API
Agera Android上的响应式编程

11. Log框架

名称 描述
Logger 简单,漂亮,强大的Android日志工具
Hugo 在调试版本上注解的触发方法进行日志记录
Timber 一个小的,可扩展的日志工具

12. 测试框架

名称 描述
Mockito Java编写的Mocking单元测试框架
Robotium Android UI 测试
Robolectric Android单元测试框架

Android自带很多测试工具:JUnit,Monkeyrunner,UiAutomator,Espresso等

13. 调试框架

名称 描述
Stetho 调试Android应用的桥梁,使得可以利用Chrome开发者工具进行调试

14. 性能优化

名称 描述
LeakCanary 内存泄漏检测工具
ACRA Android应用程序崩溃报告

文章链接:https://segmentfault.com/a/1190000005073746

资源多级堆栈不是问题!Google开源新中间代码和编译器框架MLIR

AI 科技评论按:为了更好解决 TensorFlow 用户在使用不同种类的硬件(GPU、TPU、移动设备)时,由于多级别堆栈而导致的编译器与运行时错误,谷歌近日开源了一个全新的中介码与编译器框架 MLIR。

在过去,若想解决多级别堆栈问题,则需要我们构建新的软硬件堆栈生成器,这也意味着必须为每个新路径重新构建优化与转换传递。

TensorFlow 能够以多种不同的方式运行,如:

  • 将其发送至调用手写运算内核的 TensorFlow 执行器

  • 将图转化为 XLA 高级优化器 (XLA HLO) 表示,反之,这种表示亦可调用适合 CPU 或 GPU 的 LLVM 编辑器,或者继续使用适合 TPU 的 XLA。(或者将二者结合!)

  • 将图转化为 TensorRT、nGraph 或另一种适合特定硬件指令集的编译器格式

  • 将图转化为 TensorFlow Lite 格式,然后在 TensorFlow Lite 运行时内部执行此图,或者通过 Android 神经网络 API (NNAPI) 或相关技术将其进一步转化,以在 GPU 或 DSP 上运行

谷歌的 MLIR(或称为多级别中介码)是一种表示格式和编译器实用工具库,介于模型表示和低级编译器/执行器(二者皆可生成硬件特定代码)之间,在生产质量组件的支持下,能够对优化编译器设计与实现进行全新探索。据了解,MLIR 深受 LLVM 的影响,并不折不扣地重用其许多优秀理念,比如拥有灵活的类型系统,可在同一编译单元中表示、分析和转换结合多层抽象的图等——这些抽象包括 TensorFlow 运算、嵌套的多面循环区域乃至 LLVM 指令和固定的硬件操作及类型。

MLIR 没有众所周知的固定或内置的操作列表(无 “内联函数”)。方言可完全定义自定义类型,即 MLIR 如何对 LLVM IR 类型系统(拥有一流汇总)、域抽象(对量化类型等经机器学习 (ML) 优化的加速器有着重要意义),乃至未来的 Swift 或 Clang 类型系统(围绕 Swift 或 Clang 声明节点而构建)进行建模。

另外值得一提的是,虽然 MLIR 充当 ML 的编译器,但它同样支持在编译器内部使用机器学习技术。MLIR 的扩展性有助于探索代码降阶策略,并在抽象之间执行逐步降阶。

具体开源链接:

GitHub 代码库

https://github.com/tensorflow/mlir

教程

https://github.com/tensorflow/mlir/blob/master/g3doc/Tutorials/Toy/Ch-1.md

演讲稿

https://drive.google.com/file/d/1hUeAJXcAXwz82RXA5VtO5ZoH8cVQhrOK/view

via https://medium.com/tensorflow/mlir-a-new-intermediate-representation-and-compiler-framework-beba999ed18d

点击阅读原文,查看 TensorFlow 技术交流小组,了解更多使用技巧

在一个步骤中,从TF到TF-Lite,Google提出了一个定制的设备模型框架

近日,谷歌在 Google I/O 发布了 ML Kit,其核心功能之一是「Learn2Compress」技术支持的自动模型压缩服务。Learn2Compress 可直接将 TensorFlow 模型压缩为 TensorFlow Lite 中的设备内置(on-device)模型,可在移动设备上高效运行,而无需担心内存优化和速度问题。

成功的深度学习模型的训练和运行通常需要大量的计算资源、内存和计算能力,这成为其在移动设备和物联网设备上表现良好的障碍。设备内置的机器学习技术使得在移动设备上运行推断成为可能,具有保护数据隐私和随处访问的优势,而无需考虑连接性。设备内置的机器学习系统(如 MobileNet 和 ProjectionNet)通过优化模型效率来解决移动设备上的资源瓶颈。但是,如果希望为自己的个人移动应用程序训练定制的设备内置模型,该怎么办呢?

近日,谷歌在 Google I/O 发布了 ML Kit,使所有移动开发人员都可以利用机器学习。即将推出的 ML Kit 核心功能之一是由我们的研究团队开发的「Learn2Compress」技术支持的自动模型压缩服务。Learn2Compress 支持 TensorFlow Lite 中的自定义设备内置深度学习模型,可在移动设备上高效运行,而无需担心内存优化和速度问题。用于图像分类的 Learn2Compress 将很快可用,研究者可以通过 ML Kit 获取。Learn2Compress 最初将提供给少数开发人员,并在未来几个月里扩大范围。如果希望使用此功能构建自己的模型,可以点击该链接进行注册:https://docs.google.com/forms/d/e/1FAIpQLSd7Uzx6eepXeF5osByifFsBT_L3BJOymIEjG9uz1wa51Fl9dA/viewform。

运行原理

Learn2Compress 是对 ProjectionNet 等之前论文中介绍的学习框架的概括,结合了几种最先进的压缩神经网络模型的技术。它将用户提供的大型预训练 TensorFlow 模型作为输入,执行训练和优化,然后自动生成规模较小、内存效率更高、功耗更低、推断速度更快且准确率损失最小的即用设备内置模型。

Learn2Compress 用于自动生成设备内置机器学习模型。

为此,Learn2Compress 使用了多种神经网络优化和压缩技术,包括:

  • 修剪(pruning):通过删除对于预测结果影响最小的权重或运算(如得分低的权重)来缩小模型。该方法可以达到很好的效果,特别是对于涉及稀疏输入或输出的设备内置模型,这些模型可以被压缩到一半的大小,同时保留 97% 的原始预测质量。

  • 离散化(quantization):该技术在训练过程中特别有用,可以通过减少模型权重和激活值占用的位数提高推断速度。例如,使用 8 位定点表示法替代浮点数可以加速模型推断、减少能耗,并进一步将模型大小压缩到原来的 1/4。

  • 联合训练(joint training)和精炼(distillation):该方法使用老师-学生的学习策略,即使用较大的老师网络(该案例中是用户提供的 TensorFlow 模型)来训练一个紧凑的学生网络(设备内置模型),确保最小的准确率损失。

使用联合训练和精炼方法学习紧凑的学生网络。

老师网络可以被固定(正如在精炼过程中)或联合优化,甚至同时训练多个不同大小的学生网络。因此,Learn2Compress 可以单次生成多个设备内置模型而不是一个,这些模型的大小和推断速度互不相同,开发者可以在其中选取最适合应用需求的模型。这些方法以及迁移学习等技术让压缩过程更加高效,并可更好地扩展到大规模数据集上。

性能如何?

为了展示 Learn2Compress 的有效性,谷歌研究者使用它构建多个图像和自然语言任务中当前最先进深度神经网络(如 MobileNet、NASNet、Inception、ProjectionNet)的紧凑设备内置模型。对于给定任务和数据集,谷歌生成多个不同推断速度和模型大小的设备内置模型。

不同大小的 Learn2Compress 模型和全尺寸基线网络在 CIFAR-10(左)和 ImageNet(右)图像分类任务上的准确率。用于生成 CIFAR-10 和 ImageNet 压缩变量的学生网络分别使用 NASNet 和 MobileNet 的变体架构进行建模。

对于图像分类,Learn2Compress 可以生成适用于移动端应用、具备较好预测准确率的小型快速模型。例如,在 ImageNet 任务上,Learn2Compress 模型的大小是 Inception v3 基线模型的 1/22、MobileNet v1 基线模型的 1/4,而准确率仅下降了 4.6-7%。在 CIFAR-10 上,使用共享参数联合训练多个 Learn2Compress 模型花费的时间仅比训练单个较大 Learn2Compress 模型多 10%,而获得的 3 个压缩模型大小是后者的 1/94,速度是后者的 27 倍,开销是后者的 1/36,且预测质量较好(90-95% 的 top-1 准确率)。

基线模型和 Learn2Compress 模型在 CIFAR-10 图像分类任务上的计算成本和平均预测延迟(Pixel phone)。Learn2Compress 优化的模型使用类似 NASNet 的网络架构。

谷歌很兴奋地看到该模型在开发者用例上的优秀性能。例如,Fishbrain(钓鱼爱好者社交平台)使用 Learn2Compress 将现有图像分类云模型(大小 80MB+,top-3 准确率 91.8%)压缩成规模较小的移动端模型,大小仅有 5MB,而准确率与之前类似。在很多使用案例中,压缩模型的准确率甚至稍微优于原来的较大模型,原因在于前者更好的正则化效应(regularization effect)。

谷歌将继续改进 Learn2Compress,并扩展至图像分类以外的其他任务。谷歌很期待通过云端的 ML Kit 压缩服务实现这一目标。谷歌希望 Learn2Compress 能够帮助开发者更简单地自动构建和优化设备端 ML 模型,以便他们可以集中精力构建强大的 app,创造更酷的用户体验,包括计算机视觉、自然语言处理和其他机器学习应用。