魅族黄章深夜发文:雷军做小米不是因为我“不舍股份”

7月31日凌晨,魅族董事长兼CEO黄章在魅族社区发文,一举对流传多年的“黄章创业时不舍股份”、“与雷军恩怨”、“魅族是家族企业”等事件及观点做出回应。

魅族黄章深夜发文:雷军做小米不是因为我“不舍股份”

近日,前魅族科技高级副总裁李楠宣布离职一事,将淡出公众视线已久的魅族再次拉回。

尤其是在李楠离职消息传出当日,黄章在魅族社区称,“对公司来说能挣钱的就是人才,亏钱的就是废材”一话,更是引起轩然大波,使黄章与李楠等“魅族三剑客”、与小米创始人雷军过往恩怨等话题,又一次被议论纷纷。

最近一两年中,多篇媒体报道显示,2010年前后,雷军曾希望投资魅族、担任魅族董事长,并劝说黄章以5%的股份吸引当时的谷歌中国研究院副院长林斌加盟。然而,由于黄章“不舍得拿出股票”,雷军只得另起炉灶创立小米,林斌也由此成为小米的联合创始人及总裁。

此次发文,黄章首次对这一往事做出解释:“有自媒体说我不舍股份,实际上雷军当初希望魅族作价10亿,他投30%我并没有完全拒绝,”只是我正式答应他的时候他说他已经决定自己做一个软件公司,期间他安排林斌和黎万强分别拜访我了解做手机情况和思路,我一直都没有发觉他原来要做手机。”

在股票方面,他强调说,“我个人分两次拿出过约20亿股给员工作为股票激励,后续公司也会通过增分等形式继续实施股权激励”,只是由于政策限制,员工持股多以有限公司持股方式呈现,无法在工商登记中查看。

同时,黄章也在此次发文中对流传已久的“家族企业”一事做出回应。

在过去数年,伴随着魅族出货量快速下滑,屡屡传出对魅族“家族企业文化”的诟病,多方消息透露,魅族的供应链、财务、销售乃至后勤,均由黄章堂弟、姐姐等亲戚掌管。根据天眼查显示,在魅族的主要成员中,弟弟黄质潘、姐姐黄小琴分别担任公司董事、监事。

7月27日,李楠接受采访时,对此解释称,家族人员在魅族工作的现象,并非黄章故意安插,“只不过是有些人想在魅族工作,跟这个能力匹配,就放在那里。”

黄章在7月31日的发文中,直接表示“说魅族家族企业的是低级黑”,他解释说,在魅族高层中,只有一个跟随魅族创业多年的弟弟在海外市场部任职,而魅族的组织架构都是公开可查的,“不要装作不见就造谣”。

不过,截至7月31日早,该发言已经被删除,目前魅族和小米尚未对此做出回应。

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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