论Messenger的倒掉

    听说,微软的Messenger倒掉了,听说而已,我没有亲见。但我却用过很长一段时间的Messenger,别别扭扭的映掩于ICQ/OICQ/QQ之间。那个时候,天仙妹妹还叫小芳,MSN还没改名Messenger,电脑必备十大软件之一。虽然天天在用,虽然不断升级,但是好软件我也用过,Messenger并不见佳,我以为。


    然而众多个人通讯软件之中,我接触最早的却是这Messenger。出身名门,比QQ有范儿,拿着高薪的外企白领都用他。老在QQ好友中厮混,给老板和同事的感觉很不好,因此每次打开电脑都会挂着Messenger,偶尔一条消息过来,表明自己和传说中的高端人群,有着那么一丝半缕的联系,那是非常开心有面的事情。然而我心里仍然不舒服,仍然希望Messenger倒掉。


    首先,Messenger有致命短板。一个通讯软件,却不让人搜索好友。必须准确无误地知道对方的账号,才能提交好友申请,然后在漫长的期待中,从希望走向失望,从失望走向无望。这是有事实可证的,试到北上广深的楼台馆所,探听民意去。凡有QQ、Messenger者,除了少数社交明星,有几人的Messenger朋友数量超过一打的。不要拿隐私当挡箭牌,试问当时之屌丝,谁在乎自己和别人的隐私呢。名门之后又能怎样,高高在上,不接地气,做出来的产品好不到哪去。


    其次,Messenger产品一般。服务于中国,却又不做本地优化。界面从英文直接翻译过来,功能上差QQ很多,布局凌乱松散,一副落魄凤凰样。这首先是一种傲慢,缺少对本地用户和文化的尊重。其次是一种懒惰,对产品品质无动于衷。有多少底蕴,经得起如此折腾呢。Messenger确实是Windows家族的富家女,虽然嫁妆丰厚,但是到婆家一味地好吃懒做,只出不进,衰败是必然的了。


    再者,Messenger服务品质欠佳。这么多年没用Messenger,仍然牢牢记得当初频繁跳出的提示:服务将于5分钟后停止。当QQ的产品和服务品质飞速发展的时候,Messenger依然裹足不前。


    终于,Messenger不受自家人待见了。“年少无知,大抵厌常而喜新”,有了新人Skype笑,必然Messanger旧人哭。一如她的两个姐姐:IE浏览器、媒体播放器。曾经花枝招展,如今人老珠黄。对于家大业大的微乳,旁支衰败何足挂齿,采买几名秀女、招赘几位佳婿,家族看上去仍然风光无限。


    听说,Messenger 停止服务之后,原有账号将自动转移到Skype中。微软许诺,一旦用户更新至Skype,就能获得种种优异特性,比如:更广泛的设备支持;即时通信、视频通话以及固网和移动通话合为一体;共享屏幕;手机视频通话;Facebook好友视频通话;群组视频通话等等。对比腾讯旗下的QQ和微信,国内用户实际能享受到的“优异特性”,基本上完全一致,甚至有些已经提前享用好几年了。高端、低端用户,都被QQ和微信征服,那么,国内用户有什么理由先回到Messenger、再转战Skype呢。大约是怀着梦想和嫉妒罢,— 那简直是一定的。


    当初,用户涎着脸祈盼Messenger的改进,Messenger无动于衷。现在斗转星移,跪下磕头用户也不愿回头了。莫非微软提供Messenger服务的时候,竟然已经想到服务是终究要倒的么?


    活该 ^_^


  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
基于YOLOv9实现工业布匹缺陷(破洞、污渍)检测系统python源码+详细运行教程+训练好的模型+评估 【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 【特别说明】 *项目内容完全原创,请勿对项目进行外传,或者进行违法等商业行为! 【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