AI生成新春祝福海报,AIGC从“炫技”走向日常

在ChatGPT的带动下,AIGC可以说是过去一年里最火的概念。

就在临近春节的日子里,一款名为“写作蛙”的微信小程序正在悄然流行。简单输入几句祝福语,就能自动生成图文并茂的祝福海报,包括一段应景的祝福语和一张节日氛围满满的照片,让AIGC和普通网民来了场近距离的邂逅。

深入了解后发现,“祝福海报”的服务提供商是智谱AI,一家起源于清华大学计算机系知识工程实验室的创业团队,一直定位于做中国最好的大模型,主导研发了多语言千亿级超大规模预训练模型,构建了高精度通用知识图谱,并将两者有机融合打造了数据与知识双轮驱动的认知引擎。

此外, “祝福海报”功能基于昇腾AI,满足了实时的新春祝福生成需求,由西安未来人工智能计算中心提供充裕AI算力,北京昇腾人工智能生态创新中心提供技术支持和服务。

理清了这样的背景,“祝福海报”的走红似乎并不让人意外,就像每年春节期间上演的“技术暗战”,2023年的兔年春节注定是人工智能的舞台。

来自大模型的“祝福”

每一次“新玩法”的出现,都离不开背后的技术创新。

看似简单的“祝福海报”,离不开两个大模型的驱动,一个是千亿参数的GLM-130B,另一个是文图大模型CogView2.5。在“写作蛙”小程序上生成的每一张祝福海报,本质上都是来自大模型的“祝福”。

其中GLM-130B是智谱AI与清华大学KEG实验室共同发布的中英双语模型,拥有1300亿参数的开源开放中英双语双向稠密模型,可用于问答、对话、写作、填空、写摘要、取标题等应用。

为了让千亿级参数的大模型用起来,智谱AI对GLM-130B进行了125TB中英文文本数据的训练,比其他大模型高出了一个数量级;并在保留中间计算结果为FP16的情况下,将GLM-130B 的权重进行量化,在INT8精度的算力下几乎不损失结果,在INT4下也只有极小的损失;再加上零/少样本学习、人类反馈、P-tuning等策略,实现了快速推理、可复现性高、跨平台训练与推理等优势。

按照公开榜单的对比数据,GLM-130B 与 GPT-3 基座模型的水平基本持平。目前已经有中国科协、北京市科委、 华为等数百家机构和个人申请下载了GLM-130B模型,在开源社区GitHub上获得了1600多个星标,千亿参数级高精度的大模型正在被更多人使用。

文图大模型CogView,同样是智谱AI与清华大学联合开发的。

CogView1.0是与OpenAI的DALL-E几乎同期的工作,首次实现了中文到图像的生成;基于CogView2.0开发的CogVideo,是当时最大的预训练文本到视频生成模型,并在CogView2的基础上构建了迭代版本CogView2.5;目前智谱AI正在与清华大学合作研发CogView3,据悉效果将会有一个更新的提升。

当然,想要让大模型落地应用,转变为“祝福海报”这样的全民应用,算力可以说是不可或缺的一环。

过去短短几年时间里,AI模型对算力的需求翻了大约100万倍,平均每年十几倍,增速甚至超过了对算法精度的需求,以至于传出了AIGC“日烧百万”的说法,症结恰恰在于算力。在算力即生产力的铁律下,能否满足大模型训练和推理的算力需求,无疑是AIGC能否落地的关键所在。

为“祝福海报”担纲算力供给角色的,正是基于昇腾AI建设的人工智能计算中心,为大模型的实时推理提供了充沛算力,即使是在春节期间用户量激增的局面下,也足以应对产生的算力挑战。

一场在兔年春节期间燃起的AIGC全民热,折射出的是大模型和大算力通力配合的结果。

AIGC正在走向日常

“祝福海报”的流行,或许是AIGC走进日常生活的序幕。

对AIGC的演变趋势做个简单的复盘:2022年8月,免费开源的Stable Diffusion爆火,AIGC的话题被密集讨论;而后科技场所们接连推出了AIGC产品,资本市场跟风进入;而后一些商业化的产品出现……然而StockAI在内的绘画产品,四个月的时间就因用户付费无法覆盖成本,遗憾宣布关闭平台、退款。

过山车式的起伏,或许有偶然的因素存在,个别的案例无法代表整个行业的兴衰,却也印证了一个屡试不爽的规律:如果一项新技术在C端缺少根基和土壤,就想着在市场上攻城略地,结果多半会不尽如人意。

沿循这样的逻辑,“祝福海报”代表的全民应用,某种程度上为AIGC的大众化应用释放了一些积极的信号。

比如智谱AI的认知大模型平台(BigModel.ai)上,已经给出了比较丰富的AIGC产品矩阵,并提供智能API服务。不只是“祝福海报”的新玩法,CogView满足了输入文本生图的需求、“悟能作诗”可以模仿古代诗人的风格生成诗词、“小呆对话”能够和AI自由对话、CodeGeeX每天为中国程序员生成超过100万行代码,以及数字人、自动生成视频等热门应用。

有了“祝福海报”给出的范式,不排除越来越多的AIGC能力以小程序、独立应用、插件、API服务等方式走进大众生活,潜移默化的培养AIGC内容的消费习惯,进而不断夯实潜在的商业化土壤。

几乎在“祝福海报”流行的同一时间,微软CEO纳德拉在《华尔街日报》小组会议上公开表态:“微软将迅速采取行动,将来自 OpenAI 的工具商业化,微软的每一个产品都将拥有一些相同的人工智能能力,能够让该产品彻底改头换面。”

不管是智谱AI团队面向大众市场的“祝福海报”服务,还是云服务商微软积极拥抱AIGC的行为,都意味着在一段时间的摸索、试错、磨合后,AIGC正在以不同的方式加速落地。2022年还属于小部分人“炫技”的黑科技,有望在2023年扩散至寻常百姓家,让AIGC的价值被越来越人感知到。

写在最后

刘慈欣在科幻小说《朝闻道》中这样描述技术发展的真理:“人类获得宇宙终极奥秘的起点,始于第一只猿猴对星空的仰望。”

也许用这样的笔触描述AIGC有些过于宏大,却不应忽略一个基本事实:一项新技术能够带来多大的改变,根源在于普罗大众的接受与认可,继而不断进阶为不可替代的生产力工具。AIGC的规模化爆发,可能就始于一张祝福海报。

本文转载于网络 如有侵权请联系删除

相关文章

  • Java的八种基本数据类型

    大家好,又见面了,我是你们的朋友全栈君。1.byte:字节1.内存中占8位、1字节。 2.范围:负2的7次方~2的7次方减1。 3.计算机中,数据传输大多是以“位”(bit,比特)为单位。 4.一位就代表一个0或1(二进制),每8个位(bit)组成一个字节(byte)。所以,1个字节=8位0101代码。2.short1.内存中占16位、2字节. 2.范围:负2的15次方~2的15次方减1。3.int1.内存中占32位、4字节。 2.范围:负2的31次方~2的31次方减1。4.long1.内存中占64位、8字节。 2.范围:负2的63次方~2的63次方减1。 2.使用long类型数据的时候,后面要加大写L或者小写l,建议加上大写的L,因为小写的l和数字1很像似。1.byte,short,int和long都是整数类型,并且都是有符号整数(正负)。 2.有符号整数把二进制数的首位作为符号数,当首位是0时,对应十进制的正整数,当首位是1时,对应十进制的负整数。Java中,正数取反再加1,就是对应的负数;负数取反再加1,就是对应的正数。 3.在Java语言中,为了区分不同进制的数据,八进制数以0

  • 微信公众号开发基本流程

    大家好,又见面了,我是你们的朋友全栈君。背景: 过年前后做了个微信公众号项目,已经过去一段时间了,抽空回忆总结下基本流程吧,不然很快估计自己就忘了。。微信公众平台官网:https://mp.weixin.qq.com文章目录一、注册公众号二、了解公众号管理页面三、必备开发者工具的使用1.开发者文档2.在线接口调试工具3.web开发者工具4.公众平台测试账号四、细读开发者文档五、开发流程重点解析1.开发环境准备2.服务器基本配置3.存取access_token参数4.公众号消息管理5.获取openid以及网页授权(重难点)(1)先明确为什么需要网页授权?我们的目的是什么?(2)既然目的是获取用户基本信息,微信不是提供了专门的接口吗?非要网页授权?微信平台提供了两种方式获取用户的openid(3)网页授权有哪几种机制?分别是怎样实现?应用于什么场景?(4)想要进行网页授权,我们需要在公众平台配置什么吗?一、注册公众号 首先注册时可以看到公众号有三种类型,个人用户大多数选择订阅号,而企业用户一般选择服务号和企业号。我们平常大多数关注的都是订阅号,他们统一都放置在微信应用的订阅号消息列表中,没

  • 一种基于Qt的可伸缩的全异步C/S架构server实现(一) 综述

    大家好,又见面了,我是全栈君。本文向大家介绍一种基于Qt的伸缩TCP服务实现。该实现针对C/Sclient-服务集群应用需求而搭建。连接监听、传输数据、数据处理均在独立的线程池中进行,依据特定任务不同,可安排负责监听、传输、处理的线程数目,从而在高传输负荷、高计算符合上达成取舍。数据处理採用流水线结构。以避免少量客户的密集计算请求影响其它client的处理。本文相应的代码符合LGPL协议,可直接从https://github.com/goldenhawking/zpserver下载.也可从http://download.csdn.net/detail/goldenhawking/7461157下载一、综述在很多行业应用中。client-服务架构不可替代。在client-服务架构下,服务扮演着重要的角色。本文旨在介绍一种较为通用的服务实现形式。这个形式能够依据详细应用需求灵活配置。从而降低反复开发的时间。该服务实现至少支持下列两种需求。第一类是转发型服务,主要负责沟通两个client之间的通信,本身不做复杂的处理。这样的服务一般要承受密集的连接,在某些应用中。还要承受沉重的传输负荷。典型

  • 没有最好,只有A/B测试!

    作者:阿泽,复旦大学,Datawhale成员“A/B测试不一定是最好的评估方法。它不是万能的,但不会A/B测试肯定是不行的。”——字节跳动副总裁杨震原这边文章是按照对A/B测试的思考过程来写的,不难,希望能帮助大家理解什么是A/B测试。1.A/BTest 假设我们做了一个A/B实验,然后我们会想知道自己的实验是否能得到显著的效果。你可以通过经验判断,但更严谨的方法是通过统计学公式计算p值是否小于设定的显著性水平\alpha,从而判断实验结果是否显著。举个?,我们有以下四格表:对照组实验组合计转换15823不转换354277合计5050100通过以上统计结果我们来尝试计算一下p值。喂!评估组的同学,p值怎么计算啊?照着我的这个公示敲!于是我得到了z值的计算公式:z=\frac{\left(\frac{x_{1}}{n_{1}}-\frac{x_{2}}{n_{2}}\right)}{\sqrt{\frac{x_{1}+x_{2}}{n_{1}+n_{2}}\cdot\left(1-\frac{x_{1}+x_{2}}{n_{1}+n_{2}}\right)\cdot\left(\frac

  • 30分钟学玩转RabbitMQ

    转载自 http://www.cnblogs.com/learnhow/p/8362289.html最近在学习RabbitMQ,在网上找了不少资料发现都特高端。动辄集群部署,分布式架构什么的,对于一个初学者实在不够友好。心想求人不如求自己,为什么不自己整理一套资料呢?于是《30分钟学玩转RabbitMQ》诞生。一、准备工作据说RabbitMQ是可以部署到Windows环境的,不过作为一个专业级的开发人员怎么能够让这样的事情发生呢?自然我们的准备工作从Linux开始。首先在虚拟机中安装CentOS7,选择英文,最小安装,默认开启网络以及创建一个root用户:完成以后进入系统,由于最小安装有一些基本的命令无法使用,因此在进入一下步之前先将ifconfig、vim以及基本的编译环境准备好:yuminstallnet-tools yuminstallyum yuminstallgccglibc-develmakencurses-developenssl-develxmlto复制接下来我们从官网下载安装包rabbitmq-server-3.7.2-1.el7.noarch.rpm和otp_s

  • python调用bat脚本并向bat脚本传递list变量

    我用的是subprocess.call的方法,但是无法传递变量,求大神指点,希望可以实现python调用bat脚本并向bat脚本传递list变量源代码:运行结果:修改cmdline为str类型后可以正常运行,但是无法识别bat脚本已解决,修改成如下代码即可运行bat文件并传递变量

  • java进阶|LinkedBlockingDeque源码分析

    这是关于java集合类源码分析文章的最后一篇,后面或许会随着自己的一些理解,自己还是会再来写一两篇集合源码分析的文章,因为目前自己的理解,有些集合的源码自己确实理解不了,所以我就不继续分析其它集合源码了,这是源码分析的第14篇,java中常用的集合基本上分析完了,除了HashMap之类的没有分析,都分析完了。 关于HashMap的源码分析,自己在之前的文章中说过自己不会去分析它,因为我觉得你理解了散列函数就差不多了。好了,其他闲话自己这里就不单独说了,接下来就看下LinkedBlockingDeque的源码分析吧,由于这是最后一篇,打算将大部分的方法都分析一下。一,LinkedBlockingDeque的类结构,理解这个结构才能"登高望远"这个图可以看出来java作为一门高级语言的"单继承","多实现"的特点,理解这点就可以了。关于这点自己也是在看不同代码时有点思考出来的,自己没有去读一门很经典的书籍,因为我觉得自己还是需要在前面做一个广度和稍微深入的知识理解,后面自己有时间再去看书来重新对这部分做一次理解吧。二,阅读源码就是

  • 企业网络中的安全设计

    网络安全,永远聊不完的话题有人的地方就有江湖,有江湖的地方就有纷争,网络的江湖水更深。作为保护网络秩序的重要一环,网络安全从来都是网络管理人员日常工作中的一大重任。不出问题则以,出问题都是大问题。介于此,即便网络技术日新月异,分分合合,合合分分。大部分企业网络安全仍然以防火墙为主,辅以各个层级的安全措施来为网络保驾护航。今天我们就从企业网的角度来看,如何设计-一个安全的网络。从大框架到小细节现如今大部分企业网,仍然是主流的层次化的网络设计。常见的层次化划分如下:终端:用户主机,工作站,服务终端等设备。 接入层:直面终端,企业网的底层边界,负责把终端连接入网络,绝大部分接入层交换机均工作在数据链路层,并有根据业务配置各种各样的VLAN。汇聚层:大量的接入层交换机通过上联高带宽接口汇聚到汇聚层。例如楼层接入交换机到每栋楼的汇聚交换机,汇聚交换机为各种终端的IP网关。核心层:多个汇聚交换机最终上联到核心交换机,核心交换机根据规模和园区数量,数量可能从2台到多台不等。汇聚和核心可能运行路由协议,核心和核心直接也是用路由协议互联。服务器集群:企业网可能存在很多虚拟化的服务器用于服务内部业务或者开

  • APP的秘密——为何使用某些APP会让人上瘾

    本文基于影响人类行为及用户心理的相关科学理论而撰写。Facebook为何能脱颖而出,而其它一些APP却做不到?YouTube为何能吸引如此多的用户?其秉持的“黄金法则”又是什么?广大用户又在APP上寄予了何种期待?行为发生的条件斯坦福大学的福格(B.J.Fogg)教授认为,要使某一行为得以发生,有三大要素必不可少,即充分的动机(Motivation)、完成该行为的能力(Ability),以及促使人们付诸行动的触发(Trigger)。如果用户有能力使用某一APP,但动机不足(例如Facebook);或者使用的动机足够强,但能力有限(例如Warcraft)。那么在这两种情况下,均能触发该行为。只有当能力与动机皆不足时(例如C++编程),该触发才会失败。福格行为模型(援引自维基百科)某一行为能否发生,主要取决于充足的动机、能力与触发是否同时满足。期待的过程更令人兴奋作为一种社会性动物,我们人类需要与他人建立社会联系,并以此获得归属感。因此,当我们无法从现实生活中获取精神上的支持时,便在虚拟的社交网络上寻求慰藉。在社交媒体平台上放浪形骸时,我们体内的催产素、血清素以及多巴胺水平激增,使我们感到

  • Python3刷题系列(六)

    目录:一、递归:1,leetcode-702,leetcode-173,leetcode-46二、动态规划:1,leetcode-1312,leetcode-1323,leetcode-198一、递归:1,leetcode-70.ClimbingStairs:https://leetcode.com/problems/climbing-stairs/#leetcode-70: '''斐波那契数列问题:一共n阶台阶,倒数第一步时,无视前面怎么走,有两种走法: 1.走一步 2.走两步 两种走法的走法种数相加就是n阶台阶的情况下的所有种数,即:f(n)=f(n-1)+f(n-2)''' classSolution:#战胜78.16% defclimbStairs(self,n:int)->int: count=[1,2] foriinrange(2,n): count.append(count[i-1]+count[i-2]) returncount[n-1] classSolution:#战胜78.16% defclimb

  • Unity-摄像机

    图片.pngPropertiesClearFlag:每个摄像机将存储存储颜色和深度信息,相机中的空白的的部分将不会被渲染,默认情况下将显示天空盒。当场景中存在多个摄像机的时候,可以通过ClearFlags清除buffer中的一些信息。下面是ClearFlag的四个选项: 1.Skybox:天空盒是默认选项,场景中的空白部分将显示当前摄像机的天空盒,默认的天空盒在LightWindow中,通过回调函数将值赋给BackgroundColor。 2.Solidcolor:任何摄像机的空白部分将显示当前(currentCamera)的背景颜色 3.Depthonly:如果想让玩家的枪不会被场景中的环境覆盖掉,可以使用一个相机专门渲染环境将深度设置为n,一个相机渲染玩家的枪,将深度设置为n+1,这样不论枪与场景中的物品距离有多近,都不会出现环境中的物品覆盖枪的情况。从原理上来说,这个选项相当于让相机完全根据深度进行渲染 4.Don'tclear:这个选项表示将不会修改任何颜色和深度缓存中的信息,每一帧的渲染数据覆盖上一帧的。Background:屏幕在全部元素渲染完后剩余的部分颜色Cu

  • 用nodejs搭建代理服务器

    前端开发者在工作中常常遇到跨域的问题,一般我们遇到跨域问题主要使用以下办法来解决: 1、jsonp2、cors3、配置代理服务器。jsonp不是很灵活,只能发送get请求,不能发送psot请求,而cors虽然可以支持多种请求格式,但是如果请求携带cookie的话,还需要服务端和客户端分别配置一下,个人感觉也很麻烦。相对于前两种,使用代理服务器解决跨域问题就简单了好多。浏览器由于同源策略的原因,不同域名之间发送ajax请求,响应的数据不会被浏览器加载。而服务器向服务器发送请求则没有同源策略的限制。下图便是代理服务器的原理了:代理服务器只是起一个中转作用,配置代理服务器的方法有很多种,比如利用apache、nginx、tomcat等等,今天给大家介绍的是用nodejs配置代理服务器,用nodejs配置代理服务器,我们需要借助两个npm包,一个是web开发框架express,一个是express中间件http-proxy-middleware。首先第一步我们先用express搭建两个服务器,一个静态资源服务器端口号为3000,一个接口服务器端口号为5000,静态资源服务器代码如下:varex

  • 支付宝如何优化移动端深度学习引擎?

    1.背景由于移动端资源的限制,大部分深度学习引擎都部署在云端,移动设备获取到输入数据,经过简单的加工,发送给云端,云端服务器经过深度神经网络推断运算,得到结果并反馈给移动端,完成整个过程。2.运行速度大部分移动端处理器都是基于ARM架构,移动端完成深度神经网络推断的任务,基于CPU的方案是最基础的,也是最可靠的;基于GPU的方案存在兼容性/数据同步/overhead过高/接口不满足等问题;DSP的方案也会存在兼容性的问题;最近,很多手机芯片厂商开始构建AI协处理器(各种TPU/APU/NPU),但离应用还需要一定的时间。下面我们重点介绍一下在ARM平台的优化技术。做优化有三部曲,如下:第一部:充分评估的优化目标。如果算法原型太复杂了,花再多精力优化也是徒劳。针对DL业务,务必让模型充分精简,直到你觉得差不多了才开始下手,不然的话,嘿嘿。第二部:确认运算热点。这离不开一些timingprofile工具,如XCODEinstrument,GPROF,ATRACE,DS-5等,熟练地运用工具,可以事半功倍。第三部:贴身肉搏。下面有利器若干。2.1.基于C/C++的基本优化编译器很牛逼,GCC

  • 使用RPA绘制素描图

    1.概要在这篇文章中,将介绍使用RPA实施工具UiPath通过MicrosoftPaint来画出一张图的素描版图片。这个功能在实施项目的时候,可能会显得鸡肋,但是这不影响我们学习一些新技术,也可以通过这个案例,了解工具强大之处,以便日后慢慢探索更多有趣好玩的功能。2.基本知识点在开始做这个Demo之前,我们需要了解电脑是如何保存图片的。在普通的未压缩位图中,图像存储为一系列的点,也称为像素。每个像素都是一个很小的点或正方形,每个像素都有颜色。然后将像素排列成一个图案,形成一个图像。所以可以通过在PS或者电脑自带的画图工具中打开一幅图片并放大,就可以很容易地看到像素。 每个像素都有一些属性,比如它在图像上的坐标位置,并且每个像素都有它的颜色,也就是从0到255的数值。3.思路分析在这个Demo中,我们是想将一张颜色丰富的图片转换为只有黑白两种颜色的素描图,所以我们获取到特定颜色的像素的位置坐标即可。我们将这些坐标点存储在DataTable(可以理解为二维数组)中,然后通过循环遍历出这个数组中的每个像素点坐标,并通过Click控件在MicrosoftPaint画板上画出想要的图片。4.代码

  • Spark这是要一统江湖的节奏

    Spark创始人Matei最近在sparksubmmit上做了一次演讲,看了内容会发现spark这是要一统江湖的架势,一起来看看都介绍了什么内容。Spark一直以来想做的一个事情就是统一整个大数据分析引擎,高层易用的API是核心竞争力。随着2.2版本出来,看起来又更进了一步。2.2版本重点搞了下面三件事:1)CBO:争抢数据仓库市场,解决性能问题。2)流引擎:支持毫秒级流处理,解决了原来只能通过minibatch方式支持流,直接PKflink。3)支持pythonapi:python易上手的特点,在很多领域一直有应用,最新的机器学习领域用的最多的也是这个。在spark的规划中,Spark未来会在两个地方发力:深度学习和流处理。深度学习还处在很初级的阶段,主要是想在tensorflow、keras、bigdl等机器学习引擎的基础上提供更易用和高层的API。为了可以处理深度学习,提供了一个深度学习库。https://github.com/databricks/spark-deep-learning流处理相对成熟,已经具备生成环境的能力,在2.2会正式商用。Event-timeprocess

  • 都说搭博客简单,鬼知道后端程序员要经历什么!

    作者:小傅哥 博客:https://bugstack.cn 沉淀、分享、成长,让自己和他人都能有所收获!? 一、我,多能折腾! ?我跟你说,折腾蓄蓝,还能赚钱! 2013年,毕业以学Java的身份进入传统企业写C#和PLC,每天5:30下班,总有伙伴找到我帮忙做个网站。PS:要用PHP写,省服务器费用! 2014年,租住门脸,下班回来顺便,卖电话、内存卡、充电线、手机壳、充话费 2015年,搭建itstack.org域名博客,编写Netty5.0案例,后因org域名不能备案,博客也挂了 2016年,从传统行业进入互联网已经半年,开始疯狂折腾Java以前不熟悉的技术 2017年,好奇所接触的一切新鲜框架技术,羡慕技术大佬的能力,书童一样学习高并发场景实现,这么大的调用体量怎么没有挂 2018年,不只是看了,开始对源码动手,把RPC实现了一遍,做了一套监控系统,写了一堆的中间件,申请了好几个专利,差点被淘宝中间件团队挖去。 2019年,从《用Java实现一个JVM》开始,捡回我的热情,申请并备案域名、搭建jekyll博客、开通公众号,年底成为CSDN博客专家并已积累公众号粉丝1k

  • Python 资源

     python非官方windows拓展包集合  Unofficial WindowsBinariesforPythonExtensionPackages http://chenpeng.info/html/152

  • 何夕:泛零售企业如何构建核心数智化能力 | 数智泛零售01课回顾

    大数据零售(BDDR)的核心是建立清晰有效的数据战略。 ——奇点云副总裁何夕   8月26日,「数智·泛零售」01课,奇点云副总裁何夕带来线上直播分享《泛零售企业如何构建核心数智化能力》。 何夕,奇点云副总裁,数字化转型战略咨询专家,浙江大学社会硕士生导师,原天下网商主编,原阿里妈妈大数据中心产品专家,原阿里巴巴集团市场部市场专家。发布新作《大数据零售白皮书》。 大数据零售的时代背景 大数据驱动的零售,简称大数据零售。 大数据零售是泛零售行业所面临问题的理论基础,泛零售行业的数字化转型背后有很多信息技术和驱动力。社会化网络(SNS)、电子商务(Ecommerce)、移动化(Mobile)、推荐引擎(RecommendationEngine)所有的技术都在做一件事情,就是把所有跟消费以外的跟人相关的因素,通过数据和算法的方式还原到「人」,让「人」成为衡量一切交易的尺度。 当我们讲到「人货场」时,其实我们讲得更多的是「货」和「场」,「以客户为中心」,此处的「客户」更多是种理念,而不是真正能被识别的个体。 如何在合适的时间、合适的地点向合适的人推荐合适的产品?这是所有泛零售企业

  • luoguP4005 小 Y 和地铁

    luoguP4005小Y和地铁 题目描述 链接 Solution #include<bits/stdc++.h> usingnamespacestd; inlineintread() { intf=1,x=0; charch; do { ch=getchar(); if(ch=='-')f=-1; }while(ch<'0'||ch>'9'); do { x=(x<<3)+(x<<1)+ch-'0'; ch=getchar(); }while(ch>='0'&&ch<='9'); returnf*x; } constintMAXN=44+10; intT; intn; inta[MAXN]; intl[MAXN],r[MAXN],num; intans; intc_up[MAXN],c_down[MAXN]; inlineintlowbit(intx) { returnx&(-x); } inlinevoidadd1(intx,intt) { while(x<=n) { c_up[

  • Dynamic programming

    动态编程,基本思想史,将大问题拆分成子问题,并缓存子问题的结果。 相信世界是平的 谨记四个字“修身养性” 大江东去浪淘尽英雄,再牛B的人物最后也是一掊土 向善不是目的,而是抚慰心灵,更多的感受幸福,感谢别人给你行善的机会 相信老子的话:万物生于有,有生于无,一切的道理都源于一个无法证明的假设 我是好是坏就自然而然的摆在那里,并不会因为别人的评价而改变什么,我也不需要别人用一张纸来说明我什么,世间最难得的是自由 支持大额赞助:

  • 伪元素选择器

    <!DOCTYPEhtml> <html> <head> <metacharset="utf-8"> <title>伪元素选择器</title> <!--通过CSS伪元素选择器将特殊的效果添加到某些选择器。 例如:超链接不同状态都可以指定不同的效果 样式: link:未点击状态 visited:点击过的状态 hover:鼠标悬浮状态 active:激活状态(鼠标点击和释放中间的状态) --> <styletype="text/css"> /*点击之前*/ a:link{ color:chocolate; /*关闭下划线样式*/ text-decoration:none; } /*点击之后*/ a:visited{ color:blue; /*关闭下划线样式*/ text-decoration:none; } /*鼠标悬浮*/ a:hover{ color:yellowgreen; text-decoration:none; } /*超链接激活样式*/ a:active{ color:cri

相关推荐

推荐阅读