“降频门”终结篇 你真的会因为续航给手机降频吗?

苹果“降频门”事件已经发酵近两个月的时间,也终于在近日得到了终结,上海市消保委向苹果中国公司和苹果全球总部分别发出查询函,要求苹果公司就一些问题19日前给出答复。

很快,苹果公司在本月18日给了具体答复,具体如下:

一是对iOS 10.2.1和iOS11.2等软件更新可能造成的手机运行速度变慢的原因和现象作了较为详细的说明;

二是在之前承诺的降低更换电池费用之外,将通过新的软件更新保障消费者在电池状况与手机性能调整方面的知情与自主选择;

三是检视和改进在告知用户信息方面的相关做法,包括强化在用户购买产品之前和软件更新之前的信息告知。

事情的起因

2017年12月初,一位iPhone 6s更新至最新版本iOS 11之后运行非常缓慢,尤其和他兄弟的iPhone 6 Plus相比,于是他们用跑分软件和电池续航应用做了一些测试。


通过测试发现当电池老化程度在20%左右时,iPhone跑分为单核1466,多核2512;随后,他为iPhone换了一个新的电池,结果跑分变成了单核2526,多核4456。他们强调在测试过程中无论是否打开低电量模式,结果都是一样的。

这让他认为自己手中的iPhone 6s变慢的原因是因为苹果用降频方式防止了iPhone 6s自动关机,但相应手机也变慢了。

者可以说是一石激起千层浪啊,诸多测试机构针对苹果手机进行了测试,媒体也争相进行报道。


事发后,苹果反面也站出来承认这个事实,并非常理直气壮的说明,降频是为了用户可以拥有更长的待机时间。回复原文如下:

“为了保证用户的最佳体验,去年对iPhone 6、iPhone 6s、和iPhone SE发布了一个新特性,那就是平滑过渡iPhone的即时极高性能需求,以避免由此产生的意外关机现象。现在,这个特性也被引入到了安装有iOS 11.2的iPhone 7上,未来还会支持其他款手机产品。”

这一点耳朵君曾经报道过,这一点理由并不能让人轻易地接受,手机待机时间是一点一点短下来的,时间短我们可以通过多种方式来解决, 勤充电,出门带移动电源,打开省电模式等等吧,但这样都不影响我们的使用体验,最多就是没电的时候烦一下。但是手机降频之后,使用的时候就是一直属于低配状态,让人情何以堪?

依然还记得很互联网行业从业者与耳朵君谈起为何会选iPhone,就是因为不卡,一个微信带卡一部新的安卓手机这是一个非常常见的事情,但是降频门的事件一发生,基本上就是断绝了很多人使用iPhone不卡的传言。

高额的诉讼赔偿,电池价格降低

因苹果为iPhone降频事件,美国各联邦法院受理八起来自用户的集体诉讼。据外媒Softpedia预测,这几起诉讼金额可能会达到9990亿美元。若按目前苹果公司市值9000亿美元估算,9990亿美元甚至已经超过苹果市值。


经过一个月盘旋,北京时间12月29日凌晨,苹果正式对“降频门”事件作出结果,苹果将对保修期外iPhone 6以后机型电池更换价格从从608元降至218元,持续时间为1月下旬到2018年12月。

在这次的声明中,苹果首先对使消费者感到不满这件事进行道歉,并称消费者对于此前的限制手机性能事件存在诸多误解。表示从来没有故意缩短苹果产品的使用寿命或者降低产品的使用体验。

总结

iPhone变慢的问题其实并不是一个突发性事件,每一年苹果在推出新手机之后都会针对新手机的芯片、硬件进行系统的升级,系统会在高配置的硬件环境下完美运行, 而之前几代机型就会出现不同程度的卡顿情况。

这样的问题可以说是安卓、iOS手机都会出现的问题,这也是催促用户对手机进行更新换代的体型。但是直接后台降频的手法显然不能让人接受。然而降频的程度会交给用户来选择,你会选择降频吗?


  • 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