INFOQ的ARCHSUMMIT大会对我的采访


偷个懒,做个更新,今天下午InfoQ的ArchSummit对我的一些采访。我整理了一下,算做是我个人写酷壳的一些想法和总结。不过问我的这些问题并不尖锐,呵呵,不像@图灵谢工 问我的问题:“你的价值观太过理想,根本不现实,你站在道德的高点拷问社会,是不是想炒作自己?”。

1) 作为酷壳的博主,请您大概介绍下酷壳是什么时候开始的,初衷是什么 ?

我写blog是从2002年开始(那时还没有blog这个词),当时对我来说,没有自己的电脑,上网很不方便,而我有写学习笔记的习惯,读书和工作中学到的一些东西需要保存在某个地方,我希望这个地方可以让我在任何地方都可以调出来看看(因为我当时的工作出差太多),正好当时的CSDN有个“专家专栏”的功能,也就是后来出现的blog。

后来Blog出现后,CSDN把自己的“专家专栏”全部迁移到了blog.csdn.net上,07-08年这段时间,CSDN的blog基本上是不能使用,性能差得不能再差,每天宕机,上传图片,贴代码,都非常不好用。也许,这就是使用.NET/Windows平台的问题(开个玩笑)。

我是从2009年3月开始创建酷壳的,创建的初衷如下:

  • 我需要一个更稳定,更方便的地方,我的博客的风格不会被大众的风格所掩盖的地方。
  • 我的从事新闻的老婆很不待见我在CSDN的博客,她觉得太技术,书呆子。
  • 我正好看到了煎蛋这个国外娱乐新闻文摘的blog,而我正好每天会有2个小时阅读国外社区的东西。

基于上述三个原因,我自己花了4500元/年租了个主机,建了酷壳。所以,这也是你一开始看到酷壳基本上是娱乐性比较强的博客,我收集一些比较有意思的程序员中发生的事情,也收集一各式各样的程序员圈子里的各处观点。

我当时的想法是,一些特别技术的东西,我会和CSDN同步,而一些轻松的话题,我会放在酷壳。我当时的初衷就是想说明程序员并不是一个木纳、书呆子、不食人间烟火、巨无趣的一个群体,程序员圈子里同样也有很多有趣的东西。所以,你可以看到11年初以前的东西我有很多网络恶搞式乱调侃的语言。

但到了2011年初让我开始让我有些转变,主要是读者越来越多,而且,有一些人已经把酷壳当成了一个提升自己能力和、开阔眼界、甚至需要指导的地方,我的压力就这样来了,这种压力让我开始不能太娱乐,因为有一些人是很认真地在看酷壳的文章,在期待能从酷壳获得有价值的东西……

2)技术人员的个人博客不胜其数,但真正可以吸引人眼球的并不多,能谈谈成功运营一个个人博客的精髓是什么?

哪有什么运营,完全是顺其自然,误打误撞。

是的,技术人员的博客太多了,酷壳并不是技术最好的,也不是资讯最好的。淘宝的很多技术团队的博客都很不错,还有阮一峰的博客,还有各种各样的如CSDN,博客园,51CTO,ZDNET这样的社区。所以,我需要做点不一样的,而且我觉得还有一些这些社区和博客都还没有涉及的地方。

对于社区最大的问题就是,他们就像我们学校里的学生一样,喜欢大量地收获聚集文章和知识,填鸭式的网站,网站的编辑不懂技术。对于一些技术博客的问题并不是他们不懂技术,而是太过技术,只有技术,少了一些程序员的文化,观点和视野。

程序员是一个圈子,一个小社会,这个圈子里并不只有技术和知识,还有很多很多的东西,例如:程序员们都说自己比较辛苦,都说自己没有得到足够的尊重,还有一些如敏捷,流程,产品等地方程序员的观点没有得到表达,还有一些程序员这个社区内比较特有的东西,比如:编程语言之争,这本是一个很好的话题,是程序员圈子里的文化,但是每次讨论都是骂来骂去的,需要有人去引导程序员,带领他们用正确的价值观去看待和思考这些东西。

这就是酷壳和其它博客和社区不一样的地方,我关注的并不只有技术,还有程序员的文化和想法,并且输出一些或偏执或鲜明或个人或激进的价值观,无论怎么样,你认同也好,不认同也可以,你可以看到酷壳和我还有酷壳里的讨论都是真实的。

3)根据你博客的自我介绍,想从纯底层技术方向转型为业务技术方向,让你产生这种想法的最大原因是什么?

纯底层做得太多了,有些书呆子了,与人打交道有问题了,而且觉得地底有点不识人间烟火了,我想知道用户是怎么用我们的产品的,我想知道用户是怎么想的,整天在那调网络性能,调系统性能,搞多线程,搞内存漏洞,整天在矿道里打洞, 想出来见见天日。呵呵。

但这并不代码我觉得业务和用户要比技术有用得多,也并不是说技术无用论。

我觉得这就好像一颗大树,这些底层的技术,可以让你站得非常非常稳,可以让你抵御洪灾和暴风,但是如果你想伸长得更高更广,你还是需要地面上的枝叶。我觉得我的底层知识够深入了,我需要了解业务知识和用户,因为我不但想站得稳,扎得深,我也想伸得高。

4)酷壳产出文章是怎么样的频率?每篇博文 ,你大概需要多少时间?

我每天都有阅读的习惯,尤其是阅读网文,每天两个小时,而且我是一个爱思考的人,思考的对不对不一定,但是我很喜欢去思考。现在又上了微博和一些朋友互动,也会引发我的一些思考,所以,文章就是在阅读、交流和思考中产生的。

2011年初以前,平均每周3篇,有时候一周有10篇,现在基本上每周一篇。以前的文章花不了太多时间 ,因为比较娱乐,现在的文章很花时间,比如《程序员练级攻略》花了我四周的时间 ,《性能调优攻略》花了我三周多的时间,基本上来说,现在的文章至少也要花我1-2天的时间。我想把文章的数量降下来,这样,我可以思考得更好更透彻一些,这样文章里的营养更多一些。

5)是不是可以给年轻的朋友,或是风刚从事软件开发工作的朋友,一些职业发展的建议?

主要是下面几点:

  • 不要追新技术,应该多看看那些经历了很长时间的常青的技术。
  • 多研究一下历史,和技术的演进,这样你才能知道技术的未来。今天的很多东西都在过去有身影,如:今天的移动端和云端架构和以前的Unix和终端的关系,还有管道,和Unix设计的哲学也在今天Service Interface式的设计中有得到传承,等等。
  • 我可以急功近利以解决问题和追赶技术潮流,但是,如果你需要成为一个领域的专家,你需要非常非常注重基础。速成编程的方式只能让你成为劳动力,而不能成为工匠或技术和知识的驾驭者。
  • 不要被产商的文化所主导了,多看看社区的文化,尤其是Unix/C的文化,这是计算机文化的根(参看我写过的《Unix传奇》)
  • 注重基础,广度是深度是副产品。

6)以你过往的经历,你是如何看待“架构师”这个角色的?他的义务是如何分配的?

架构就是Design一个部分,就是软件设计的一块,软件设计最重要的有两点:

  • 业务功能性需求分析和非功能性需求分析,
  • 技术基础的深刻认识,需要有非常丰富的经验。

试问一下,程序员做软件不需要设计吗?做设计不需要设计架构吗?很自然的,今天的工程师,程序员已经在做架构设计上的事了。所以,我觉得架构设计这个工作本就是程序员(或者说是高级程序员)工作的一部分。

但是,我个人认为架构师在某些情况下也还是需要的,但其应该是对业务和技术都很熟悉的人,并且偏技术,也要写代码的人。在一些公司,上下一盘棋,的确需要对总体架构设计,并保证这个框架能够被各个工程团队贯彻实现的那么一个团队,但他们应该更多地深入到一线工程团队的。

所以,我觉得架构师就是一个高级程序员,而不是一个拍脑袋,关说不练的人。

这点,看看Linux的架构师团队就知道了,一样的需要写代码,fix-bug,一样地需要了解各个公司对linux提出的各种各样的需求。

7)现阶段酷壳的文章,都是你一个人写的吗?是否有其他同仁加入写作?

并不都是我一个人写的,我希望酷壳是大家一起来写的,事实上也有一些人写,只是不多。只是我个人的色彩过重了一些,我的个性压制了众性。

(不过,我真的无法自证都是我写的,我有没有团队,呵呵,管它有没有团队,是不是人代写,重要的是那些文章的内容是否对大家有帮助,或是对社区有贡献。;))

8)你对酷壳未来的构想是什么?还是一个技术交流的平台吗?

对于酷壳来说,其文化和价值观比较重一些,短期内,还是以我个人色彩为主一些,虽然我希望这是一个大家都能来分享的地方。前段时间我有个想法想做一个“程序员疫苗站”,就像我们一出生时接种的各种疫苗可以让我们抵抗各种病毒一样,这个网站可以让程序员接种一些犯低级错误的疫苗,从而对这些低级错误有抵抗。我还没有想得特别清楚,不过方向基本上是这个方面的。

(全文完)

  • 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
图像识别技术在病虫害检测中的应用是一个快速发展的领域,它结合了计算机视觉和机器学习算法来自动识别和分类植物上的病虫害。以下是这一技术的一些关键步骤和组成部分: 1. **数据收集**:首先需要收集大量的植物图像数据,这些数据包括健康植物的图像以及受不同病虫害影响的植物图像。 2. **图像预处理**:对收集到的图像进行处理,以提高后续分析的准确性。这可能包括调整亮度、对比度、去噪、裁剪、缩放等。 3. **特征提取**:从图像中提取有助于识别病虫害的特征。这些特征可能包括颜色、纹理、形状、边缘等。 4. **模型训练**:使用机器学习算法(如支持向量机、随机森林、卷积神经网络等)来训练模型。训练过程中,算法会学习如何根据提取的特征来识别不同的病虫害。 5. **模型验证和测试**:在独立的测试集上验证模型的性能,以确保其准确性和泛化能力。 6. **部署和应用**:将训练好的模型部署到实际的病虫害检测系统中,可以是移动应用、网页服务或集成到智能农业设备中。 7. **实时监测**:在实际应用中,系统可以实时接收植物图像,并快速给出病虫害的检测结果。 8. **持续学习**:随着时间的推移,系统可以不断学习新的病虫害样本,以提高其识别能力。 9. **用户界面**:为了方便用户使用,通常会有一个用户友好的界面,显示检测结果,并提供进一步的指导或建议。 这项技术的优势在于它可以快速、准确地识别出病虫害,甚至在早期阶段就能发现问题,从而及时采取措施。此外,它还可以减少对化学农药的依赖,支持可持续农业发展。随着技术的不断进步,图像识别在病虫害检测中的应用将越来越广泛。
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