angular、react和Vue三种前端框架之间的竞争

​Angular, react, Vue三大前端框架大比拼。

前面有一期,我讲了Angular和react的区别,说Angular更有前途一些,结果有很多程序员发表了很多不同的声音,当然也有很多赞同的。其中有一些读者特别希望我也讲一下Vue,这一期,我就来谈一下这三个前端框架。

说实在的,因为前端开发框架变化比较快,所以你在选择前端开发框架的时候会有很多困难,这对每个人都是一样的。

我们目前比较流行的三大前端框架,一个是Angular来自Google,一个是React来自Facebook,另外一个是Vue,虽然没有大公司支持,但是也比较流行。

对于这三大框架来说,你不太可能一上来就把三个都学了,你要选择其中一个来做。一旦你掌握了一种框架,要想学另外一种框架的话,就会变得更容易。因为这些框架的一些技术细节虽然不同,但是框架的共同点非常多,尤其是在关键的部分都是相通的。

简单地说,他们共同的一些理念就是:

单页应用程序理念,

组件管理,

数据是怎么流动的?

数据的状态是怎么处理的?

数据是怎么绑定的?

跟后端API是如何交互的?

如何做路径处理?

编程语言(html,CSS,Javascript, Typescript)。

测试工具,单元测试,集成测试。

前端编译工具。

下面说一下这三个框架的不同点。

React是面向网页显示开发的。

React相对比较小。作为程序员来说入手比较快,因为把组件中所有的东西都作为一个文件来处理,对程序员来说更容易入手。

React起步比较早。比AngularJS要好用一些(说这个话, AngularJS的粉丝也会有意见的,哈哈)。所以取得了先发优势。赢得了大批社区的支持,所以你现在看到的很多统计数据,都是从那个时候开始得出的。

React经历了不同的版本变化,但是整体的设计变化并不大,所以它的技术架构是一脉相承的,原先的粉丝, 目前可继续成为粉丝。

因为React入手对技术的要求不是很高,所以初创公司首选React,这样培训程序员比较容,易找程序员的成本比较低。

React的核心是一个文件jsx。这个文件融合了html, css和JavaScript。这个对于传统的网页开发程序员来说,有一个学习调整的过程。

React的核心任务就是做前端的展示,所以很容易嵌入到已经存在的网页程序里面去。这个可以通过第三方插件来实现,有很多插件来做这部分部分工作。因为选择比较多,有时候眼花缭乱的,做出正确的选择比较艰难。

下面来说一下Angular。

Angular包含的东西要比react和Vue都要多, 因为它的设计不是单纯解决界面的显示问题,它是面向整体应用开发的解决方案。

因为它的靠山是Google, 所以有很好的技术支持,文档和开发团队。

值得一提的是Angular,曾经做过比较大的改动。

之前的Angular称之为Angular js。两者区别很大。Angular js的入手相对比较难,对程序员的要求也比较高,项目的维护成本相对来说也高。

Angular 2之后的版本,就要容易很多了。原因之一是精简了架构设计, 使得开发工作流程更简单直接,提供了typescript语言的支持。

之前的Angular js的粉丝不一定喜欢Angular 2之后的版本,所以他们一直还在用Angular js。

Angular 2的粉丝,估计也不会喜欢Angular JS。

总的来说Angular是面向整体应用开发的,所以它的工具比较全,装了一个Angular以后几乎可以涵盖所有你需要的东西了。

它的主要编程语言是Typescript,所以如果你特别讨厌JavaScript的话,Angular是目前最好的选择。

Angular最大的一个优势就是把html, css, typescript分开。

关于学习的难度,也许我对Angular已经很熟了,之前我没有感觉到学习Angular有什么大的障碍。

下面来说一下Vue。

在Vue出来之前,React算是比较容易学的,等Vue出来之后,Vue变成了最容易学的。

Vue提供的东西比React本身还要多, 所以安装了Vue的架构以后,你不需要像React那样找第三方的插件。Vue本身的组件,基本上能满足你日常的开发需求了。

初学者,学习Vue是一个不错的选择。

Vue另外一个很大的优势就是它的文档写得很清楚。

Vue里面,你可以把HTML,CSS,Javascript代码分开, 据说新的Vue会支持Typescript, 这一点就具有了Angular的部分优势。

相比React和Angular, Vue的一个劣势就是相对来说比较新,并且它没有大公司的支持。

具体来说你要选哪一个,要根据你当地工作环境来决定,尤其是工作的需求量来决定。这个可以跟当地的猎头聊一聊这三大框架在本地的工作市场中哪一个最受欢迎。了解了这些信息,那你就可以花大力气去学那一个框架。

还有,多去参加一些开发者的论坛,多听一听其他程序员的声音,有的程序员可能都没用过,,他会选择说一些道听途说的观点, 有一些程序员,用过其中之一,他会跟你说一些不一样的东西,有的程序员三个都用过,他又会给你说一些不同东西,多听一听,然后你就可以大体做出你自己的判断了。

还有一个选择的参考就是你的团队的程序员具备什么样的能力。

都是初学者的话,你可能是一种选择,都是老程序员的话或是另外一种选择;

你的公司是初创公司的话是一种选择,如果你的公司是中大型公司,那就是另外一种选择。

总的来说React和Vue, 它们的工作重点在界面设计显示这一部分。

Angular的工作重点在整个应用设计开发这一部分。

因为这个特点,Angular更大更全,感觉上更复杂一些,学起来好像更难一些。

然而对于React和Vue来说, 随着工作量的增加,不断的添加组件,尤其是第三方插件,你的应用也会变得越来越复杂,如果没有很好的控制的话,很容易失控。

三大框架的编程工具可以共用,这是个好消息,比如说你可以选择Visual Studio Code,Atom等等, 然后在这些代码编辑器里面, 你要装上一些好用插件帮助你优化代码,提高编程效率等等。

性能方面,这三个的区别并不大。

最后到底选哪一个?

我相信你读了上面这些内容以后,你会意识到,最后做出选择的话,肯定会有一部分主观的因素。

还有,你今年可能选了这个框架,到明年你可能会改变你的主意的, 想试试另外的框架。

我个人从最开始用reactjs,到后来用angular js,再到后来的用Angular,到目前我一直用Angular。

如果你觉得实在难选择的话,不要在这上面花太多时间,你就任选一种,比如抓阄,选任何一种都可以成功的。

相比选择哪种框架,学习哪种框架,更重要的是前端开发下面的这些共用的概念:

单页应用

组件

数据流

状态管理

模板化

数据绑定

后端API调用

路径处理

测试

编译等等。

好了,这期就先说这些,这里是丁哥开讲,欢迎关注防止失联。

Google开发了一个手识别系统,该系统适用于跨平台框架mediapipe,并且手机可用

大数据文摘出品

来源:谷歌AI

编译:赵伟、李雷、钱天培

近日,谷歌发布了一个高性能的实时手部追踪系统。不需要高性能的GPU、TPU,在手机上就能用!

什么是手部追踪呢?来看一下下面这张动图就知道了。

通过MediaPipe在手机上实现实时3D手部捕捉

只要把你的手往镜头前一伸,该系统就可以通过使用机器学习(ML)从单个视频帧推断出手部的21个骨骼关键点(每根手指4个,手掌1个)的位置,从而得到高保真的手掌和手指运动追踪。

在此基础上,这一系统还可以推断出手势的含义。

虽然手部追踪这种能力是人类天生的,但是对计算机来说,能稳定地实时感知手部状态是一项极具挑战性的视觉任务。

难度来自多个方面。比如,双手的运动经常会导致某一部分被遮盖(例如合掌和握手),而手的颜色也没有很强的对比度。

同时,手部追踪也是各技术领域和应用平台上改善用户体验的关键技术之一。

比如说,手部形状识别是手语理解和手势控制的基础。它还可以在增强现实(AR)中将虚拟的数字内容叠加到真实的物理世界之上。

因此,谷歌这次的实时手部追踪意义重大。

事实上,谷歌已经在今年6月份的CVPR 2019会议上演示过该模型。而这一次,谷歌选择在MediaPipe这一个开源跨平台框架正式发布这一系统。

该系统背后的原理是什么呢?我们一起来看。

用于手部跟踪和手势识别的机器学习

谷歌的手部追踪方案使用了一个由多个模型协同工作组成的机器学习管道:

一个手掌探测器模型(BlazePalm),作用于整个图像并返回定向的手部边界框。

一个手部标志模型,作用于手掌探测器返回的裁剪图像区域,并返回高保真的3D手部关键点。

一个手势识别器,将先前得到的关键点排列分类为不同的手势。

这种架构类似于我们最近发布的面部网格ML管道以及其它用于姿势估计的架构。提供给手部标志模型的手掌剪裁图像大大降低了对额外数据(如旋转、平移和缩放)的要求,从而允许其将大部分能力用于针对坐标预测精度的处理。

frame:帧;palm detector:手掌探测器;hand landmarks:手部标志模型;

BlazePalm:实时手部/手掌探测

为了检测初始手部位置,我们采用名为BlazePalm的单发探测器模型,它参考了MediaPipe中的BlazeFace,并进行了优化以针对实时移动应用。

检测人手是一项非常复杂的任务:我们的模型必须适用于各种尺寸的手掌,还要能够检测各种遮挡和合掌的情况。

面部具有眼睛和嘴巴这样的高对比度特征,手部却没有。因此,机器学习模型通常很难仅靠视觉特征来进行准确检测。但如能提供额外的环境信息,如手臂、身体或人物等特征等,则有助于手部的精确定位。

在我们的方法中使用了不同的策略来解决上述挑战。首先,我们训练的是手掌探测器而非手部探测器,因为检测像手掌和拳头这样的刚性物体的边界比检测整个手部要简单得多。此外,由于手掌的面积较小,这使得非极大值抑制算法在双手遮挡情况(如握手)下也能得到良好结果;手掌可以使用方形边界框(也就是ML术语中的anchors)来描述,忽略其长宽比,从而可将anchors的数量减少3-5倍。其次,编码-解码特征提取器可用于在更大范围的环境中感知很小的物体(类似于RetinaNet方法)。最后,我们将训练期间的焦点损失(focal loss)降至最低,用以支持由于高尺度方差而产生的大量anchors。

利用上述技术,我们在手掌检测中得到了95.7%的平均精度。而使用固定的交叉熵损失且没有解码器的情况下精度基准仅为86.22%。

手部标志模型

在对整个图像进行手掌检测之后,手部标志模型通过回归(即直接坐标预测)在之前检测到的手部区域内精确定位了21个3D手部骨骼关键点坐标。这个模型学习了连续的手势图案,并且对于被遮挡只有部分可见的手部也能识别。

为了获得可靠数据,我们手动标注了大约30000幅具有手部骨骼关键点坐标的真实图像,如下所示(我们从图像深度图中获取Z值,如果它相应的坐标存在)。为了更好地覆盖可能的手部姿势并对手部几何形状的性质提供额外的比照,我们还在各种背景下渲染高质量的合成手部模型,并将其映射到相应的3D坐标。

上图:传给跟踪网络的带标注的校准手势图;下图:带标注的渲染合成手部图像

然而,纯粹的合成数据很难泛化应用到新的数据集上。为了解决这个问题,我们使用混合训练模式。下图显示了大概的模型训练流程。

Rendered synth:渲染合成图片;real-world photos:真实图像;hand presence:手部图片;separable convolutional festure extractor:可分离卷积特征提取;21 3Dkeypoints regression:21个3D关键点回归;hand presence classification:手部分类

手部跟踪网络的混合训练模式,裁剪的真实图像和渲染的合成图像用作预测21个3D关键点的输入数据

下表总结了基于训练数据性质的回归准确率。综合使用合成数据和真实数据可显著提升性能。

手势识别

基于预测出来的手部骨骼,我们用一个简单的算法来推导手势含义。首先,每个手指的状态(如弯曲或笔直等)由多个关节的累积弯曲角度决定。然后我们将手指状态集映射到一组预定义的手势集合上。这种简单却有效的技术使我们能够精确地估计基本的静态手势。现有的机器学习管道支持识别不同国家的姿势(如美国、欧洲和中国),还支持各种手势含义,包括“拇指向上”、“握拳”、“OK”、“摇滚”和“蜘蛛侠”等。

MediaPipe实现

谷歌的手部跟踪MediaPipe模型图如下所示。该图由两个子图组成,一个用于手部检测,一个用于手部骨骼关键点(标志点)计算。

MediaPipe的一个关键优化是手掌探测器仅在必要时(很少)运行,从而节省了大量的计算时间。

MediaPipe地址:https://mediapipe.dev

GitHub地址:https://github.com/google/mediapipe

MediaPipe是用于构建应用ML pipeline(例如,视频,音频,任何时间序列数据)框架。利用MediaPipe,可以将感知管道构建为模块化组件的图形,包括例如推理模型(例如,TensorFlow,TFLite)和媒体处理功能。

谷歌在上周也将这一平台进行了开源,适配多种视觉检测任务。目前在GitHub上星标已经达到了2k+。

通过从当前帧中计算手部关键点推断后续视频帧中的手部位置来实现这一点,从而不必在每个帧上都运行手掌检测器。为了得到稳定结果,手部探测器模型会输出一个额外的标量,用于表示手是否存在于输入图像中并姿态合理的置信度。只有当置信度低于某个阈值时,手部探测器模型才会重新检测整个帧。

Realtimeflowlimiter:实时限流器;handdetection:手部探测;detectiontorectangle:检测到矩形;

image cropping:图像裁剪;handlandmark:手部标志;landmarktorectangle:标志成矩形;annotationrender:注释渲染

手部标志模型的输出(REJECT_HAND_FLAG)控制何时触发手部检测模型。这种行为是通过MediaPipe强大的同步构建块实现的,从而实现ML管道的高性能和最佳吞吐量。

高效的ML解决方案可以实时并在各种不同的平台和外形上运行,但与上述简化描述相比,其具有更高的复杂性。最后,谷歌在MediaPipe框架中将上述手部跟踪和手势识别管道开源,并附带相关的端到端使用场景和源代码。

链接如下:

https://github.com/google/mediapipe/blob/master/mediapipe/docs/hand_tracking_mobile_gpu.md

这为研究和开发人员提供了完整的可用于实验的程序栈,可以基于谷歌的模型来对新想法进行原型设计。

未来方向

谷歌称,未来计划通过更强大和稳定的跟踪锁定方法扩展此技术,来扩大能可靠检测的手势数量,并支持实时变化的动态手势检测。

相信这项技术的开源也可以促使研究和开发者社区产生大量的创意和应用!

相关报道:

https://ai.googleblog.com/2019/08/on-device-real-time-hand-tracking-with.html

推荐几种有用的react UI框架

1 . Ant-design

推荐指数:star:60.2k 官网:https://ant.design/docs/react/introduce-cnGithub: https://github.com/ant-design/ant-design/

Ant Design一套企业级 UI 设计语言和 React 组件库,基于Ant Design 设计体系的 React UI 组件库,用于研发企业级中后台产品,风格素雅简洁;Ant Design是第一个由国内团队开发的面向世界的集视觉规范、交互模式、前端组件于一体的Web设计语言,或者可以称为Web设计规范

2 . Semantic UI

推荐指数:star:48k

中文文档:https://semantic-ui.com/introduction/getting-started.html

Github: https://github.com/semantic-org/semantic-ui/

Semantic UI 是一款非常优秀的前端开发框架。Semantic 自带简约的可继承系统,以及高级主题变量,使您可以自由地完成各式各样的设计,只需开发一次UI,您就可以在各处部署相同的代码。

3 . Material-UI

推荐指数:star:57.9k

英文文档:https://material-ui.com

Github: https://github.com/mui-org/material-ui

Material-UI是一款React组件库来实现Google的Material Design风格UI界面框架。也是首个React的UI工具集之一。使用它可以快速搭建出赏心悦目的应用界面。

4 . React-Bootstrap

推荐指数:star:17.7k

官网:https://react-bootstrap.github.io

中文文档: https://react.tgwoo.com

Github: https://github.com/react-bootstrap/react-bootstrap/

最流行的前端架构, 为 React 而重构。一款基于ReactJS对Bootstrap进行封装前端组件库,React-Bootstrap是可重用的前端组件库。样式组件依赖于bootstrap。与 Twitter Bootstrap 一致外观与感受,但通过 Facebook 的 React.js 框架获得更清爽的代码。

5 . React Desktop

官网:https://reactdesktop.js.org/docs/

Github: https://github.com/gabrielbull/react-desktop

一款面向MacOS Sierra和Windows10桌面风格的ReactUI组件库。React-Desktop是跨平台桌面应用程序的 UI 组件,可以在上面找到 Mac OS 和 Windows 10 的均可用 UI 组件。

6 . Blueprint

推荐指数:star:16.2k

官网:https://apiblueprint.org

Github: https://github.com/gabrielbull/react-desktop

Blueprint提供了一系列ReactUI组件,这些组件包含常用的元素、模式和Web交互。它适用于为桌面应用构建复杂且数据密集型的Web界面。它的组件使用TypeScript编写,并以Sass编写样式风格,以实现快速且灵活的开发流程。

谷歌发布开源强化学习框架

PingWest品玩8月28日讯,据VentureBeat报道,强化学习是一种人工智能(AI)技术,它利用奖赏(或惩罚)来驱动代理朝着特定的目标前进。DeepMind就是利用这种学习方式AlphaGo。但是强化学习框架存在一些问题,比如需要花很多时间来掌握一个目标,而且总是不灵活,也不稳定。

针对真个问题,Google提出一个替代方案:基于其机器学习库TensorFlow的开源强化学习框架。该强化学习框架基于灵活性、稳定性和重现性三个基本原则开发,目前已发布在GitHub上。

除了该开源框架外,Google还推出了一个网站,允许开发人员能快速将针对多个代理的培训运行进行可视化。它还提供经过训练的模型、原始统计日志和TensorFlow事件文件,用于与TensorBoard一起绘图,TensorBoard是Google开发的用于TensorFlow程序的可视化工具套件。

华为HMS core 5.0框架正式发布!华为、谷歌和苹果之间的三方对抗到底有多远?

全球所有安卓手机都能装谷歌GMS服务,除了华为。没有谷歌GMS服务就意味着没有海外市场,遭受美国重压的华为只能“自立山头”——HUAWEI Mobile Services(华为HMS移动服务)。

昨日(22日),华为手机上的HMS Core 5.0框架迎来更新,新增六大服务能力,同时强化了定位服务、推送服务等。

详细更新内容:

新增音频、视频、图像、图形引擎、计算机图形、增强现实引擎等服务能力;

定位服务:支持网络定位众包及围栏管理能力;

推送服务:支持LBS、情景化推送;

优化部分服务体验;

华为HMS Core是华为终端云服务、移动服务开放能力的合集,是为应用开发提供基础服务的平台,可以帮助开发者快速开发、快速增长、灵活变现,实现一点接入、全球全场景全终端的智慧分发。

它汇聚了华为终端芯-端-云能力,包含一整套开放的HMS Apps、HMS Core、HMS Capabilities、HMS Connect,以及相应的开发、测试的IDE工具。

华为HMS Core的亮点有五个方面:

全球分发,170+国家/地区,覆盖6亿用户,全球8大DigiXLab,DTSE团队提供全球技术支持;

节省成本,免费开始、易于上手,灵活、丰富的开放能力,从开发至上架,一站式服务体验,最多3人天即可完成单个kit服务的集成对接;

安全可信,遵循GAPP、GDPR及当地法规3个区域、15个数据中心、20+合规性认证;

精准触达,应用市场月活4亿用户,超过6种数据分析模型,助力构建精准的用户画像,多种基于用户行为的推送方式,助力精准营销;

开发者生态,10亿美金耀星计划,激励开发者超过5.5万个App已经使用了HMS Core服务。

华为消费者业务CEO余承东曾经表示,华为HMS生态目前已经仅次于安卓和iOS,是全球第三大移动服务生态。随着接下里的持续发展,未来华为HMS有望成为全球市场上用户最受欢迎的生态系统。

不过华为HMS服务起步较晚,相对于安卓和iOS的生态体系,华为HMS服务太过稚嫩。如果将安卓、iOS比作是参天大树,那么华为HMS就只是一颗小树苗。

但是凭借华为持续不断的发力,未来还是有可能将其打造成强大的软件应用生态体系。余承东在今年初时多次强调,2020年华为将全力打造HMS生态,并形成“自研芯片+鸿蒙OS”的新体系。软件生态已经成为华为终端的头等推进目标。

笔者相信,华为公司的坚定不移的精神和强大的执行力,华为的HMS生态终将成功,就如华为海思麒麟芯片一样。

Kali Linux添加中文输入法

kali添加中文输入法

安装输入法框架

kali@kali:~$ sudo apt-get install fcitx

安装谷歌拼音输入法

kali@kali:~$ sudo apt-get install fcitx-googlepinyin

重启系统

kali@kali:~$ sudo reboot

fcitx添加中文输入法

程序里选择Fcitx Configuration

google pinyin输入法安装完以后,好像就自带在这里 了

程序里选择fcitx

右上角显示fcitx的图标

添加了输入法之后,如果没有显示的话,可以Restart一下fcitx

输入效果如下:

亚马逊、微软和谷歌等巨头以280亿美元的估值竞相投资。这家大数据公司的起源是什么?

由微软大力支持的“大数据独角兽”Databricks正在飞速发展,在完成2月1日最新的一轮10亿美元的融资后,其估值飙升至280亿美元。

与2019年10月份完成F轮融资时的估值 62 亿美元相比,现在是当时的五倍。

根据一份声明,此次G 轮融资由富兰克林·邓普顿领投,亚马逊网络服务(Amazon Web Services)、谷歌母公司Alphabet旗下的capital Ventures和Salesforce Ventures也进行了参投,此前投资于Databricks的微软继续跟投。

这笔资金将用于加速 Databricks 的创新,并帮助公司继续扩大规模和支持 Lakehouse 的快速应用。

目前Databricks提供四种产品:Spark、 Delta Lake、MLflow和Koalas。

去年10月,彭博社援引知情人士透露,Databricks Inc.的业务与数据和分析软件制造商Snowflake Inc.完成业务整合后正在准备首次公开募股,这一切可能在2021年上半年到来。

与Snowflake业务有重合的Databricks能否上演Snowflake上市后的辉煌表现,也为投资人留下悬念。

Databricks 凭什么

由Apache Spark 初始成员创立的大数据初创公司 Databricks成立于2013年,据其官网介绍,该公司拥有5000多家客户,包括Royal Dutch Shell Plc、Conde Nast International Inc和Regeneron制药公司。

作为投资者的微软也是Databricks的合作伙伴,已将这家初创公司的软件版本整合到其云产品 Azure中。

“ Databricks将数据工程,科学和分析功能整合到一个开放的统一平台上,以便数据团队可以更快地进行协作和创新。”

目前Databricks提供四种产品:Spark、 Delta Lake、MLflow和Koalas。

据Databricks 首席执行官Ghodsi透露,Spark 之于 Databricks,就像 Hadoop 之于 Cloudera,或者NoSQL 数据库之于 MongoDB。Spark 确实是 Databricks 公司规划的关键部分,但也只是他们多元化 SaaS 产品的一个组成元素。

在Ghodsi看来,Delta Lake是迄今为止他们所做的最大的创新。目前,有超过 80%的用户在使用它。尽管该产品并没有Spark那么有名,但它是 Databricks 最有价值的项目。

而MLflow为数据科学家构建、测试和部署机器学习模型这个复杂的过程提供了标准化。

Koalas则为Spark和Pandos创建单一的机器框架,将这两种工具的使用简化。Ghodsi 表示,Koalas 可以让数据科学家在笔记本电脑上使用 Pandas 编程,然后调用几个 API 就可以将工作负载部署到大型的分布式 Spark 集群上。

另外,对于SaaS服务,Ghodsi 表示:“我们的业务模式跟其他的不一样,我们是云端托管的 SaaS 服务。在云端托管开源项目并把它们租给用户,这是一种更好的业务模式。这种模式的客户流失率更低,客户会更开心,利润增长更快”。

能否重演辉煌

去年10月,彭博社曾报道,Databricks 还处于 IPO 规划的早期阶段,公司正在与投资机构沟通,但尚未选定任何一家股票承销商。

与此同时,知情人士透露,Databricks Inc.的业务与数据和分析软件制造商Snowflake Inc.完成业务整合后正在准备首次公开募股,这一切可能在2021年上半年到来。

Databricks新一轮的融资使其估值达到280亿美元,也表明美国三大云服务提供商认识到,Databricks或可以重演Snowflake的辉煌。

同样,Snowflake的云软件可以帮助企业管理数据,Snowflake和Databricks之间存在业务重叠。

Ghodsi在2019年接受采访时表示:“我们是100%基于云计算的,这同样适用于Snowflake。”

Snowflake是2020年最大的IPO,也是有史以来最大的软件IPO。通常不参与IPO和科技公司的伯克希尔·哈撒韦公司也与Salesforce一起对Snowflake的IPO进行了投资。

SnowFlake 在 2020 年 9 月正式 IPO 时筹资 33.6 亿美元、市值达到 330 亿美元,此后市值更一度攀升至一千亿美元,远远高于其 IPO 前进行最后一轮融资时124亿美元的估值。

普齐路指数创历史新高!特斯拉的市值超过万亿美元,已成为美国股市第五大公司

周一美国股市全线上涨, 投资者关注明星科技股业绩,拜登政府的经济议程有望获得突破的消息提振市场情绪,特斯拉市值突破万亿美元。

截至收盘,道指涨64.13点,涨幅0.18%,报35741.15点,纳指涨0.90%,报15226.71点,标普500指数涨0.47%,报4566.48点。

本月美股迎来强劲反弹,道指和标准普尔500指数均上涨超过5%。与经济密切相关的周期板块表现抢眼,能源ETF上涨11%,工业、房地产、材料和金融类板块涨幅超过7%。Ally Invest首席投资策略师贝尔(Lindsey Bell)表示,企业良好的业绩令外界对供应链约束的担忧有所消退。

财报季本周进入密集发布期,根据Refinitiv的数据,目前84%的标普500指数公司盈利超出了预期,接下来一周内包括脸谱网(Facebook)、Alphabet、微软、亚马逊和苹果等明星科技股将披露业绩。与此同时,道指中三分之一的公司也将发布财报,包括卡特彼勒、可口可乐、波音和麦当劳。

Bernstein Private Wealth Management投资策略联席主管查洛夫(Alex Chaloff)认为,本周将是财报季最关键一周,整体预期依然积极。他预计,科技股在近几个月“喘息”后获得业绩提振重新起步。

特斯拉市值超万亿美元

美国财政部长耶伦近日表示,美国没有失去对通胀的控制,她预计物价将在明年下半年恢复正常。随着经济重新开放刺激需求激增,供应链障碍困扰着美国和其他国家。“随着我们在疫情问题上取得进一步进展,我预计这些瓶颈会消退。未来美国人将重返劳动力市场。” 她说。

上周美国总统拜登和民主党参议员曼钦、美国参议院多数党领袖舒默就经济议程进行了对话。周一拜登前往新泽西州为基建计划争取民众支持,舒默表示,拜登的经济议程还有3~4个问题需要解决,稍早前曼钦在刺激法案上的立场有所松动,表示希望本周将达成经济议程框架协议。

周一,特斯拉涨12.7%,报1024.86美元,总市值达1.01万亿美元创新高,超越Facebook成为美股市值第五大公司。消息面上,该公司从赫兹租车获得10万辆汽车订单,价值42亿美元。知情人士表示,这些汽车将在未来14个月交付完毕。从11月初开始,赫兹在美国和欧洲部分地区的门店将提供特斯拉的Model 3的租赁服务。此外,盘前摩根士丹利将其股价目标从900美元上调至1200美元。

Moderna涨7.0%,第二阶段临床研究的数据显示,该公司新冠疫苗对低龄儿童有良好效果。美国国家过敏和传染病研究所所长福奇博士说,他预计6至11岁的儿童将在11月初至中旬具备接种疫苗的资格。当天欧盟专家组也建议民众接种莫德纳新冠疫苗加强针。

Paypal上涨2.7%,公司否认以450亿美元收购Pinterest 的报道,受此影响Pinterest股价收盘下跌12.7%。

大型科技股涨跌互现,亚马逊跌0.5%,微软跌0.3%,苹果微跌0.03%,谷歌涨0.1%,公司周二盘后将公布最新财报,华尔街预计其当季收入有望增长近40%。

中概股方面,拼多多涨1.6%,京东涨1.4%,网易涨0.2%,阿里巴巴跌0.9%,百度跌1.2%,造车新势力表现不俗,蔚来汽车涨6.2%,小鹏汽车涨11.5%,理想汽车涨6.1%。

国际油价冲高回落

国际油价冲高回落,投资者关注能源供应趋紧持续,而沙特上周暗示不愿进一步放松石油供应。WTI原油近月合约收于每桶83.76美元,与上一交易日持平,盘中一度突破85美元创下2014年10月以来新高, 布伦特原油近月合约收于每桶85.99美元,上涨0.5%。

国际金价收复1800美元关口,纽约商品交易所12月交割的COMEX黄金期货上涨0.6%,收于每盎司1806美元。“美元已经从10月初创下的年度高点回落,因为市场正在适应全球范围内通胀相关担忧的蔓延,这意味着今年早些时候支撑美元的力量现在正在推动其他货币上涨,这一动态支持了黄金。”ActivTrades高级分析师伊万格丽斯塔(Ricardo Evangelista)在报告中写道。

Facebook预计苹果隐私政策或带来不利影响

Facebook盘后公布财报,该公司三季度营收290.1亿美元,同比增长35%,预期295.7亿美元,净利润92亿美元,同比增长17%,每股盈利EPS 3.22美元,预期3.19美元。Facebook表示,三季度回购了143.7亿美元的股票,并宣布再回购500亿美元的股票。公司股价盘后上涨逾2%。

在关键用户指标上,Facebook三季度日活用户为19.3亿,同比增6%,符合预期,月活用户为29.1亿,逊于分析师预期的29.3亿,去年同期近27亿。每用户平均收入(ARPU)为10美元,市场预期10.15美元。

该公司宣布,从四季度开始将其Facebook Reality实验室从企业报表中单独列出。该部门专注于硬件、增强现实和虚拟现实产品,Facebook预计这将使公司2021年的整体运营利润减少约100亿美元。

Facebook预计,第四季度营收为315亿至340亿美元,市场预期为348亿美元。公司称最新预测基于本季度面临的重大不确定性,包括苹果的iOS 14隐私新政变化、宏观经济和新冠病毒相关因素持续带来不利影响。与此同时,这家全球最大的社交媒体网络正受到全球立法者和监管机构的审查。美国联邦贸易委员会(Federal Trade Commission)已提起反垄断诉讼,指控其存在反竞争行为,Facebook的股价今年迄今已上涨了约20%。

隔夜,美国股市、标准普尔指数达到新高,科技股普遍上涨

智通财经APP获悉,研究显示奥密克戎变种病毒感染者的住院风险低于其他病毒株,提振了对全球经济前景的信心,加上美国11月耐用品订单表现胜预期,带动市场气氛好转,美股向好,道指一度升超过200点。

截至收盘,道指涨196.67点,涨幅0.55%,报35950.56点;纳指涨131.48点,涨幅0.85%,报15653.37点;标普500指数涨29.23点,涨幅0.62%,报4725.79点,创收盘纪录高位。

美国市场周五因圣诞节假期休市。圣诞节假期前美股交易相对清淡。

数据及消息面上,美国劳工部周四公布的数据显示,美国截至12月18日当周初请失业金人数为20.5万人,前值为20.6万人,与预期值一致。美国截至12月18日当周初请失业金人数四周均值为20.63万人,前值为20.38万人。美国截至12月11日当周续请失业金人数为185.9万人,前值为184.5万人,预期183.5万人。

美国11月耐用品订单初值环比增长超过预期,表明消费者支出强劲,有助于推动经济。所有耐用品(即至少可以使用三年的物品)订单初值较上月增长2.5%。美国11月扣除飞机非国防耐用品订单初值环比下降0.1%。此前经济学家预计,美国11月扣除飞机非国防耐用品订单初值将环比增长0.7%,耐用品订单初值将环比增长1.8%。

英国卫生安全局(HSA)表示,奥密克戎的感染者住院的可能性比德尔塔感染者低50-70%,急诊可能性也低31-45%。然而,HSA的数据显示,加强针虽然能够增强保护,但对奥密克戎保护力消退的速度比对德尔塔更快,第三剂接种的10周后降低了15-25%。该机构还警告说,由于奥密克戎变异株传染性高,仍然有可能出现大量重症患者,从而令医疗体系不堪重负。

美国前财政部长萨默斯警告称,未来几年美国经济将进入一个考验期,衰退后可能陷入长期停滞。萨默斯表示,美联储迟迟未发现通胀风险,在应对通胀问题上反应过慢可能导致经济大幅滑坡。“如果我们可以在过热的情况下可持续地管理经济,那的确棒极了,但1970年代我们得到了教训,即经济过热不仅带来高通胀,而且通胀还会不断上升,这就是为什么我担心我们已经到了在不触发衰退情况下难以降低通胀的地步。”

盘面上,新能源车股、大型科技股、芯片股表现强势,热门中概股多数下跌。Nikola(NKLA.US)涨超17%,特斯拉(TSLA.US)涨超5%,蔚来(NIO.US)涨超2%,图森未来(TSP.US)涨近2%,Meta Platforms(FB.US)涨超1.4%,微软(MSFT.US)涨0.45%,苹果(AAPL.US)涨0.36%,谷歌(GOOG.US)涨0.13%,美光科技(MU.US)涨超4%,英特尔(INTC.US)涨0.67%,英伟达(NVDA.US)涨0.82%。

个股方面

Luminar(LAZR.US)收涨4.43%,此前宣布将股票回购计划提高到3亿美元以上;

腾讯ADR(TCEHY.US)收涨5.79%,京东(JD.US)收跌6.92%,腾讯今早宣布以中期派息方式,将所持有约4.6亿股京东股权发放给股东,持股比例将由17%降至2.3%;

开心汽车(KXIN.US)收跌1.42%,与申城生物科技签订1万辆定制电动卡车框架协议,总值约为2.5亿美元;

汇丰控股(HSBC.US)收涨0.91%,将以4.25亿美元全面收购L&T资产管理公司;

InnovAge Holding(INNV.US)收跌35.64%,此前该公司的科罗拉多中心遭医疗保险和医疗补助服务中心处罚。

GitHub深度学习框架列表:pytorch快速增长

云召 发自 凹非寺

量子位 报道 | 公众号 QbitAI

Keras作者、Google深度学习研究院François Chollet,今日照例再次发布了GitHub上各种深度学习框架的排名情况。

榜单显示,2月11日-4月12日期间,TensorFlow仍然保持无可争议的霸主地位,但新发布的PyTorch框架实现了快速增长。

今年1月19日,PyTorch正式发布。

以下是这次发布的最新榜单:

深度学习框架GitHub综合指数

深度学习框架过去三个月增长情况

新增人气排行

量子位招聘

我们正在招募编译、编辑、记者、市场、运营等多个岗位,工作地点在北京中关村,期待你的到来,一起体验人工智能的风起云涌。

相关细节,请在公众号对话界面,回复:“招聘”两个字。

今天AI界还有哪些事值得关注

在量子位(QbitAI)公众号会话界面回复“今天”,看我们全网搜罗的AI行业和研究动态。笔芯❤~

另外,欢迎加量子位小助手的微信:qbitbot,如果你研究或者从事AI领域,小助手会把你带入量子位的交流群里。