小程序的爆火现状,对于其开发员来说究竟是好是坏?

截至 2018 年底,有超过 230 万个小程序上线。

据预测,2019 年小程序的数量会翻一番。

微信、支付宝、今日头条、百度、京东、美团,都在不断扩展版图,让应用下沉。而小程序成为超级用户们的一把利剑,刺破城市等级之间的边界,让服务触及更远方的人们。

小程序从一开始的无人看好,到后来的风生水起,再到急转直下,现在又要重回巅峰。小程序跌宕起伏的发展,让略显沉闷的互联网领域出现了久违的刺激。

今年春节期间,支付宝集五福活动让一款名为“答答星球”的小程序火了!

同时答答星球还直接拉动各类支付宝小程序流量大幅增长。据支付宝方面透露,春节期间,每天有几百万人使用肯德基支付宝小程序消费,通过支付宝小程序领取中国移动的流量权益。可口可乐在支付宝小程序用户比之前同期涨了 40 倍,票务平台大麦网的支付宝小程序也增长了超过 70 倍。

2019 年,将是小程序由火爆转为优质的重要一年,也是众多开发者回归理性、深耕功能和服务的关键一年。

从前,要想开发一款小程序,首先要考虑购买什么样的服务器,需要哪些资源,还要考虑初始化怎么做?服务端口怎么关联?一大堆工作梳理完毕,才仅仅是入门了而已。

小程序的爆火现状,对于其开发员来说究竟是好是坏?

 

我表示:还没开始正式开发,我已经累了。

小程序的爆火现状,对于其开发员来说究竟是好是坏?

 

但自从偶然间从大神处探听到支付宝小程序云之后,我觉得整个世界都变得善良了。

小程序的爆火现状,对于其开发员来说究竟是好是坏?

 

有了“小程序·云服务”以后,开发者不用考虑后端复杂的技术操作,并且开发过程非常简单,几分钟之内就能完成后端环境搭建,1~2 天内就能实现开发一个小程序。

好处这么多,是不是一个“陷阱”?

小程序的爆火现状,对于其开发员来说究竟是好是坏?

 

我需要确认几件事:

小程序·云服务能解决我在开发过程中的哪些问题?在实际应用中,有哪些简单好用的开发方案?那些做得很成功的支付宝小程序,有哪些经验可以分享?目前还有哪些功能不能实现?最重要的是,收费么?

这么多问题,谁来解答?

真大神现身!

2 月 26 日(周二)晚 20:30,蚂蚁金服资深技术专家玉攻,将做客极客 Live,与大家分享“疯狂的小程序云背后,是技术人的飞驰人生”。

他是谁?

玉攻,蚂蚁金服资深技术专家,蚂蚁金融科技产品研发团队主管,负责金融级云产品的架构和研发工作。2015 年加入蚂蚁金服,并作为金融科技核心创始团队成员,领导和创立了蚂蚁金服的第一代 PaaS 云平台产品——蚂蚁金融云,目前这个技术平台不仅帮助蚂蚁网商银行成为中国第一个建立在云上的互联网银行核心系统,还紧跟国家“一带一路”战略,输出到世界近 10 个国家和地区,帮助支付宝业务走出国门、服务全球移动支付客户。同时,蚂蚁的云平台也在国内积极地帮助金融行业机构向分布式互联网转型,帮助国家实现关键技术的自主可控。

在加入蚂蚁金服之前,玉攻在 IBM 中国软件开发中心(CDL)工作了 7 年,从一名普通的工程师成长为上海 WebSphere 核心研发团队的 Tech Lead,领导和参与了 IBM 新一代 WebSphere 应用服务器“Liberty Profile”和向云计算转型的重要的一环——PaaS 平台“Bluemix”的研发和架构工作。同时,他也是开源社区的热衷参与者,是 Apache 软件基金会多个项目的 PMC member 和 Committer。

这里还是要推荐下小编的web前端学习 群 : 569146385,不管你是小白还是大牛,小编我都欢迎,不定期分享干货,包括 小编自己整理的一份最新的web前端资料和0基础入门教程,欢迎初学和进 阶中的小伙伴。在不忙的时间我会给大家解惑。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、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挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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