发布软件之前,怎样告诉用户怎么用

这几年,大大小小的做过十来个项目,软件做好了,怎样告诉别人你的工作成果呢?

我的经验适合于公司内部项目,不适合向外发布的面对像上帝一样的客户的项目。
有几个项目是公司内部项目,虽然大家平时沟通的邮件都是英语来,英语去的,但是一专业起来,用英语写出新版本发布说明,人家还真不愿意看,一方面自己英语不好,不能做到通俗易懂,另一方面大家做事都讲究效率,通常只有boss的邮件,大家才会被迫用金山词霸一个个仔细看,对于title太小的(比如我们程序员)职员,通常是直接打电话过来,问题解决了吗,或直接问你怎么弄。英语的release note 形同虚设,没多大用。
为了适应他们,我就用很通俗的中文写给他们,每次新版本发布,都用邮件发给相关的责任人。
后来问题又来了,你写出的东东,如果有流程式的操作,他看不懂,或是思维不连贯,他不想看,还是电话来电话去的,开发部里有电话响,一般会打扰开发员的思路,但是电话又不能取消,就那么几个人,开发,培训,接受反馈,不找我们找谁呢?
为了表达怎样操作的流程,特地用截图软件,把关键的菜单,按钮都截下来,然后列个1234,写到note中去,这样他就知道怎么做了。
但是还是有员工不愿意看或说看不懂(大公司做事都讲究效率),每次遇到问题,还是打电话过来。为此,我们不得不特地举办定期的培训,培训之后她还有不懂,单独去他的办公室,慢慢的告诉他,一步步怎么操作。效果还不错,回到自己的坐位上,真舒服,电话也少了,终于可以安心的去天涯论坛灌水了。

接触过几个项目,客户分布在全国各地,于是新版本的发布,要写标准的release note. 写上版本号,主要解决的问题(issue)。可惜电脑换过几次,找不回原来的邮件,不能分享给大家。
我去国外的软件下载点,特地下载了几个软件,什么都不看,只看它的readme.txt,研究了一下,它们主要的内容如下:
1   What's New
这个部分是主要的,几乎每个软件都有,告诉别人你的软件有什么新的功能或特性。这部分内容既要考虑到软件的现有用户,因为他们知道你这个软件是干什么用的,还要能吸引新用户,让人家眼前一亮,马上想试用一下你的软件。
2   Known Issues
已知的问题。这部分内容是面向老用户的。也许以前的版本中有重大的问题(不符合用户操作习惯,Bug,缺少基本的功能),所以这部分能相当的吸引老用户。比如Word 2003及以前的版本不能另存为PDF格式,还要自己独立安装虚拟打印机,现在Word 2007终于内置了PDF文档导出功能(需要装MS的一个插件包),就这个功能,对老用户要相当的吸引力,立刻会让很多老用户放弃其它的DOC-->PDF转换工具,直接用这个版本的Word。
3   Contact Us
这部分内容一般都会有,当有新版本要发布时,需要告诉用户在哪里去找,出了问题要给谁发邮件。
通常有的会很客气的写上
If you have any questions using xxx, please feel free to contact us:
Sales and Information  Technical Support  Website Questions
有新用户不会用这个软件,但是又很想用,这部分内容还会放上网站的地址,引导用户去找帮忙文档。
有的网站为了吸引用户,会直接放上视频操作例子(又是提高办事效率),真是贴心周到的服务。
这样的软件,想卖不出去都难。呵呵
说点题外话
有时候老外的软件下载包里面还有一个License.txt,有时候是rtf格式,对于国内而言,这个文件被读到的可能性很小。有时候找国内的破解的软件下载包,里面居然也保留有这个文件。我看到有许多破解包里,会单独放一个破解说明文件,而不是直接改老外的realease note.看来,都是做技术的,还是很尊重同行的。把人家的软件给破了,还是不忘给人家做宣传,留着老外的note.  Good job.

一点经验之谈,欢迎拍砖头。

转载于:https://www.cnblogs.com/JamesLi2015/archive/2010/02/01/1660723.html

  • 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) 目标检测模型一般会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,也会衡量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