做正确的事

序言

    本来准备写点技术的,转念一想,思维比技术更加重要,做正确的事,做重要的事儿。

    技术到哪里都能学,而思维理念就像认知,随着认知的提高,剩下的就是实践了。

风言风语

    1 如何定义正确的事

    一份故障报告,完整的记述了整个事故的处理流程,在其中有反思,在后来有改进,在其中有步骤,在后来有复盘,这就是正确的事。

    随着经历的越来越多,你会发现原来你认为正确的,到后面会觉得越来越不正确,或者换个说法,得到了越来越多的完善和改进。但是本质上就是,原来认为的都是错误的,现在的认为可能也是错误的,因为你只能看到这么多,你做的只是在当前的局限范围内做到的最佳水平。

    何为正确的事,正确的事不一定指结果是完美的,皆大欢喜的,正确的事是从中有所获,有所知,有所思

    正确的事,其实也不好衡量,只有不断的反思,不断的复盘,才能从中有所收获,才能慢慢的迭代改进,没有一个程序是完美的,没有bug的,除非都是理论上的东西,实践出真知。

    就像人一样,满身都是bug,你修或者不修,bug就在那里,总有一刻会触发。

    2 故障复盘实例

    最近看可扩展性,在其中根据服务划分有两种架构模式,一种是SOA的架构模式,一种是微服务架构模式,微服务接触的蛮多的,还算是稍微熟悉的,但是对于SOA的模式,确是一无所知的,所以找了一位大神去聊聊SOA的事儿。

    我关注的角度在于SOA如何去进行版本升级,如何确保应用优雅的启动,关闭,应用之间的依赖关系如何梳理。我需要进行对比微服务的优缺点,然而关键点在于SOA属于传统的企业架构,那么问题来了。。。

    传统,是否带有歧视的含义???

    传统意味着技术落后?并没有。。。传统以为着思维停职?不可能。。。用错了词,从而导致进入了一种防御模式。。。

    关注的角度不同,从而导致结果迥异。。。我吻人贼甜,但是聊天不行,人定胜天,毕竟。。。我能把天聊死。。。

    我聊天贼好,就是聊着聊着能把你气死的那种。。。

    那既然知道传统带有歧视的含义,为何我还会这么说呢?SOA架构模式的落地,只有传统企业落地,但是亚马逊落地了SOA,也恰恰促进了云计算的诞生,是好是坏?是对是错?

    其实不分对错,不同的架构模式是为了适应不同的场景,是为了解决截然不同的问题,就像SOA的架构模式是为了解决异构系统重复构建和建设的问题,而微服务则解决了快速迭代和突破了ESB性能瓶颈的问题。

    避免指责,提供建设性的意见。。。如果你都想到了,那么我的意见就毫无意义,我在浪费你的时间,如果你看了这篇文章,也是毫无所获,那么说明,我在浪费我自己的时间,也在浪费你的时间。

    就像我这种蠢货的存在,让你突破思维瓶颈,打掉传统就是落后的代名词一样的效果。

    3 指责还是指出对错

    指责?毫无意义,指责你,不会增加我的价值,攻击你,不会提高我的战斗力,而指出你的对错,对你的成长有益,你能听,那就或许有点价值,你要是不听,就当我是放屁,不但臭而且长。。。我不听我不听,和尚念经。。。

    在技术面前,对的就是对的,错的就是错的,bug就是bug,不会因为你的胡搅蛮缠,不会因为你的狡辩就变成了对的,变成了黑白不分,技术面前,黑白分明。

    什么是气质,就是你站在我身边,能让我身价翻倍的那种,倍儿有面子,虽然我的脸都肿了,哈哈哈

    你觉得我什么都能考虑到,那说明你们还不了解我,我这种蠢货。。。蠢到那种打破砂锅问到底的那种。

    都说学习是避免失败的最好方法,但是。。。好像我从来没成功过,莫非我的学习都假的。。。那又有什么关系呢,反正还有风。。。

    在一切面前,技术占比又不高,对错又如何?真真假假,是是非非。。。

640?wx_fmt=jpeg

    生活,就是有太多的不确定,才扑朔迷离,才有魅力。。。如梦如风。

    为什么?正确的问题能引发我们的思考,而我。。。没脑子,那怎么思考。。。正确的问题一般很尖锐,正确的问题一般很刁钻,正确的问题一般很难回答,正确的问题一般很少有人去思考。。。

    而回答为什么,则体现了你思考的深度,体现了你思考的深度。

    加快问题暴露的速度,才能更快的修复问题,否则。。。只能随着时间,然后你会感叹,啊。。。不但穷,还老了。。。人如果没有梦想,那么和我有什么区别?

    复盘不是例行公事,而是一个使得你变得不那么蠢的机会,让你变得更加可靠的机会。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值