创业初期准备

文章来自36氪


1.不要过早地放弃正式工作

所有的联合创始人将一边工作一边兼职创业的生活方式保持了整整一年。通过这种方式,我们在相当长的一段时间内维持着很低的开销,有效地节约了资金。

2.开展黑客马拉松活动(Hackathons)

节约开支仅仅是创业的一方面,更重要的一面是尽快开发出你的产品。我们发现,产品开发最有效的方式是举办黑客马拉松活动。在七个月内,我们共开展了5次高强度的周末黑客马拉松活动。这期间,我们编写了大量的代码并拟定了全新的营销方案。

3.尽可能地节约

节约,尽可能地节约。这并不是开玩笑,在外界条件不具备时,必须做出一些牺牲。我们团队在旧金山停留的数月期间,甚至找不到足够单人床数量的公寓。当然,我们也没有足够的资金去租住更大的公寓。不得已,团队成员只能共用一张床就寝。

4.推出产品,获得盈利

尽管产品缺少一些重要功能并且存在少量Bug,我们还是很早就对产品进行收费了。这种做法看起来略显仓猝,但不失为一条值得参考的建议。如果去年夏天创业仍然处于产品开发阶段,拿不出具有说服力的产品,我们当时想要融资就会变得很困难。事后证明,这个做法帮助我们获得了一轮融资,也是Pipedrive到现在唯一的一次融资。

5.运用现成的工具

如无必要,尽量不要租用或购买收费的服务和设备,充分利用现成的工具完成工作。我们团队度过了超过一年的没有咖啡提供,办公场所四处变换的日子。创业前期,我们没有购买任何硬件,全部依靠团队成员的个人电脑和白天正式工作时使用的办公电脑。使用必要的服务时,毫无疑问选择那些允许免费使用的Skype和Google Docs等。

6.申请好的创业孵化器

其实,借助创业孵化器的外力帮助与加强创业者的自我修炼并不矛盾。通过创业孵化器,团队可以很容易获得外界对产品的反馈信息,扩展人际关系,也能一定程度上解决资金问题。以Pipedrive为例,我们先后申请了欧洲的Seedcamp和美国本土的Y Combinator、TechStars、500 Startups、AngelPad等。最后, 我们和AngelPad建立了合作关系。在AngelPad的帮助下,资金变得充裕,团队得以全面转向全职工作。

结语

每个创业公司的发展轨迹当然是不同的,但从加强自我修炼的过程中获得的收益大多是一致的。自我修炼的关键就是,充分利用自我具备的内在资源并最大化外界带来的帮助。这个过程如同维基百科对“Bootstrapping”的定义——一个不需要外界帮助的自持续过程。

【使用教程】 一、环境配置 1、建议下载anaconda和pycharm 在anaconda中配置好环境,然后直接导入到pycharm中,在pycharm中运行项目 anaconda和pycharm安装及环境配置参考网上博客,有很多博主介绍 2、在anacodna中安装requirements.txt中的软件包 命令为:pip install -r requirements.txt 或者改成清华源后再执行以上命令,这样安装要快一些 软件包都安装成功后才算成功 3、安装好软件包后,把anaconda中对应的python导入到pycharm中即可(不难,参考网上博客) 二、环境配置好后,开始训练(也可以训练自己数据集) 1、数据集准备 需要准备yolo格式的目标检测数据集,如果不清楚yolo数据集格式,或者有其他数据训练需求,请看博主yolo格式各种数据集集合链接:https://blog.csdn.net/DeepLearning_/article/details/127276492 里面涵盖了上百种yolo数据集,且在不断更新,基本都是实际项目使用。来自于网上收集、实际场景采集制作等,自己使用labelimg标注工具标注的。数据集质量绝对有保证! 本项目所使用的数据集,见csdn该资源下载页面中的介绍栏,里面有对应的下载链接,下载后可直接使用。 2、数据准备好,开始修改配置文件 参考代码中data文件夹下的banana_ripe.yaml,可以自己新建一个不同名称的yaml文件 train:训练集的图片路径 val:验证集的图片路径 names: 0: very-ripe 类别1 1: immature 类别2 2: mid-ripe 类别3 格式按照banana_ripe.yaml照葫芦画瓢就行,不需要过多参考网上的 3、修改train_dual.py中的配置参数,开始训练模型 方式一: 修改点: a.--weights参数,填入'yolov9-s.pt',博主训练的是yolov9-s,根据自己需求可自定义 b.--cfg参数,填入 models/detect/yolov9-c.yaml c.--data参数,填入data/banana_ripe.yaml,可自定义自己的yaml路径 d.--hyp参数,填入hyp.scratch-high.yaml e.--epochs参数,填入100或者200都行,根据自己的数据集可改 f.--batch-size参数,根据自己的电脑性能(显存大小)自定义修改 g.--device参数,一张显卡的话,就填0。没显卡,使用cpu训练,就填cpu h.--close-mosaic参数,填入15 以上修改好,直接pycharm中运行train_dual.py开始训练 方式二: 命令行方式,在pycharm中的终端窗口输入如下命令,可根据自己情况修改参数 官方示例:python train_dual.py --workers 8 --device 0 --batch 16 --data data/coco.yaml --img 640 --cfg models/detect/yolov9-c.yaml --weights '' --name yolov9-c --hyp hyp.scratch-high.yaml --min-items 0 --epochs 500 --close-mosaic 15 训练完会在runs/train文件下生成对应的训练文件及模型,后续测试可以拿来用。 三、测试 1、训练完,测试 修改detect_dual.py中的参数 --weights,改成上面训练得到的best.pt对应的路径 --source,需要测试的数据图片存放的位置,代码中的test_imgs --conf-thres,置信度阈值,自定义修改 --iou-thres,iou阈值,自定义修改 其他默认即可 pycharm中运行detect_dual.py 在runs/detect文件夹下存放检测结果图片或者视频 【备注】 1、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用!有问题请及时沟通交流。 2、适用人群:计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。
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