Android平台发展史

Android平台发展史

2008年9月,谷歌正式发布了Android 1.0系统,全球第一台Android设备HTC(G1)

2009年4月,谷歌正式推出了Android 1.5

2009年9月,谷歌发布了Android 1.6的正式版

2010年12月,谷歌正式发布了Android 2.3

2011年2月,Android系统设备的用户总数达到了1.35亿,发布了Android 3.0

2011年8月,Android手机已占全球智能机市场48%的份额,跃居全球第一

2011年10月,正式发布Android 4.0

2012年6月28日在Google I/O大会上随搭载Android 4.1的Nexus 7平板电脑一起发布

2012年11月23日收款搭载Android 4.2的手机LG Nexus 4及平板电脑Nexus 10上市

2013年7月24日与Nexus 7平板二代同步发表

2013年9月3日发布Android 4.4

2014年6月25日Google I/O大会上发布Developer版(Android L)

2014年10月15日正式发布Android 5.0名称定为Lollipop“棒棒糖”


后续继续补充…


news1

甲骨文说 Android 抄了要给钱! Google 创始人表示: 程序员的事那怎么是抄

不,我们没有付钱给免费和开放的事物。

在今天早些时候,外媒 Ars Technica 带来了关于甲骨文和 Google 版权案的最新进展。Google 联合创始人之一拉里·佩奇(Larry Page)出席作证,在长达一个半小时的律师询问中,佩奇虽然声带不适,但还是断断续续的回答了来自双方律师的问题,并表示他认为 Java“是免费和开放的”。

在法庭上中甲骨文方律师一环接一环的提问,试图让佩奇承认 Google 并没有为 Android 系统获得过 Java 授权。

而面对甲骨文方律师的诘问,佩奇在法庭上做出了开篇的言论。

软件上的版权大战

Google 和甲骨文之间的版权案,远比苹果和三星的专利战要旷日持久。

如果追溯的话,时间要回到 2010 年,当时甲骨文以 Android 未经授权使用 Java API 起诉了 Google,但是在 2012 Google 成功的让法庭认可了 API 不在著作权保护范畴内的观点,使地方法院最终裁定为 Google 无须向甲骨文赔偿。

但是这个理由却在 2014 年失效了。当时联邦上诉法院三名法官意见一致的将案件判决驳回,并宣布 API 受著作权保护。

随后 Google 上诉到了联邦最高法院,并找来了 Yahoo、HP、Red Had 等开源公司支援,而甲骨文则找到了微软、EMC、NatApp 助威。

2015年联邦最高法院驳回上诉,将本案发回地方法院重审。

而本月其实已经是地方法院的二度开庭,计划要先用十周听证词。

一切争议的核心

这场软件界的版权大战,也要远比苹果和三星的设计专利战纠结。

若是说这场版权战的关键点,爱范儿(公众号:ifanr)觉得只有一个:代码。

虽然甲骨文宣称 Google 使用了他们的 37 个 API,但是目前审理法官 William Alsup 似乎觉得在 6000 多行 API 代码中,问题的核心只有九行代码。

private static void rangeCheck(int arrayLen, int fromIndex, int toIndex) {

if (fromIndex > toIndex)

throw new IllegalArgumentException(“fromIndex(” + fromIndex +

“) > toIndex(” + toIndex+”)”);

if (fromIndex < 0)

throw new ArrayIndexOutOfBoundsException(fromIndex);

if (toIndex > arrayLen)

throw new ArrayIndexOutOfBoundsException(toIndex);

}

这九行代码最初出现在 OpenJDK 中,而 Google 可以说连符号都没变的用了。

而这重要的九行的作者也同样重要,他就是 Java 经典书籍《Effective Java》的作者——Joshua Bloch。

Joshua Bloch 在 Sun 工作期间,领导开发了 Java 集合框架、java.math 套件与 assert 机制等功能,Java API 也是出自他的指尖。

但是他在 2004 年加入了 Google,并成为了 Google 的首席 Java 设计师,到了 2008 年他加入了 Android 项目,而在此期间他还在给 Sun 的开源项目 OpenJDK 贡献代码。

2009 年,甲骨文收购 Sun。

从这个时间线上,爱范儿觉得这九行代码可能就是同一个人写的……

在苹果和三星的设计专利战上,一方先看了另一方图标等设计而做出了相似的设计,爱范儿还能武断的指责谁是抄袭者。

但同一个作者写的相同代码应该怎么算?

当然,按照规矩来说 Google 没有遵守 GPL 规范获得授权确实不对,但是这事爱范儿想想还是觉得纠结。

开发的未来

软件上的事,不是一两家公司的。

前文说过 Google 和甲骨文为了这场官司分别叫来了声援团,而实际上关注这场官司的公司、团队,甚至个人要更多,因为很多开发者都有可能在日后被影响。

这次审判的最终结果很有可能将作为日后相似案件的审理参考,如果 Google 输掉官司,软件界可能会掀起一阵“腥风血雨”。

来自:http://m.uczzd.cn/webapp/webview/article/news.html?aid=4549695454512997487&cid=1525483516&rd_type=relate&readId=&refrd_id=193acf9934f362047a20a427c00bd5df&zzd_from=uc-iflow&innerType=relate&app=uc-iflow&uc_param_str=dnnivebichfrmintcpgieiwidsud&sn=partner-146445374644826798429433

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