我不服!

本文针对Android推送到底哪家强的讨论进行回应,强调选择推送服务的考量因素,并解释为何推荐优先选择小米推送。同时,文章还探讨了友盟数据的可靠性、不同厂商市场份额的影响、自建推送服务的利弊及第三方推送服务的优势。

阅读本文大概需要 3 分钟。            


昨天的文章「Android 推送到底哪家强」不少人的留言有不同的声音,这里补充一下,顺便表示下我的不服!    

1. 收了小米多少钱?    

很多人留言表示这软广不错,收了小米多少钱?不管你们是开玩笑还是认真的,我只想告诉你们,这篇文章是我自己的实践加上业内同行的交流总结出来的,没有任何人给我钱,而且我自己不是米粉,本身是不愿意推荐任何产品的,我完全是抱着能帮你们解决问题的角度出发的,等你们实际中遇到这个问题你们就会明白我文章中的观点了。    

认为我是软广的我表示不服,我之前确实发过一些广告,而且我甚至希望多些广告商找我,毕竟没人愿意跟钱过不去,但是我都是堂堂正正的发,光明正大的告诉你们,是广告的从不藏着掖着!另外,小米,你丫的欠我一条广告费!    

我很欣赏一些质疑文中观点,然后给我留言有理有据摆事实讲道理的行为,我的观点不一定正确,毕竟一家之言,但是能一起探讨我是完全乐意的,比如有人给我提了以下几个观点,我觉得很有意义,这里补充下:    

2. 友盟的数据可靠么?    

讲真,没有任何数据来源是绝对可靠的,目前国内大多数 app 的数据统计基本都是用的友盟,也就意味着友盟的数据不是绝对正确的,但是起码数据来源参考作用非常大,如果你能给我提供一个更靠谱的数据来源,那不妨可以结合下,否则,我宁愿相信友盟的数据。    

3. 根据市场份额来选择推送?    

友盟的那份数据小米市场份额第一,但是紧跟其后的三星、华为等市场份额加起来比小米要多,如果以市场份额来选择推送为什么只认准小米呢?    

关于这点我文中说的很清楚,小米推送的优势是在 MIUI 系统不会被杀死,这个绝对的优势加上他的市场份额,才会推荐优先选择小米。三星市场份额也很大,但是你没有这个优势,对于三星手机,选择小米推送还是信鸽推送没绝对性的区别。    

所以我文中的结论是:如果你只能选择一种推送的话,那么建议优先选择小米。如果你想更优化的话完全可以根据不同渠道选择不同的提送方案。    

4. 自己写推送可以么?    

当然可以,但是不建议这么做,一是浪费资源,二是即使你有资源有能力去自己实现,但是你被杀死之后你很难启动。而使用第三方服务之后,有互相唤醒机制,只要有一个集成了该推送的 app 被用户打开,那么你家的 app 就会被唤醒,避免了永远保持沉默。你自己做的话就没有这优势,除非,你们有阿里、百度这样的全家桶。    

5. 腾讯信鸽能被微信唤醒么?    

信鸽推送号称是微信的推送解决方案,但是注意只是说是用了微信的解决方案,并不是说微信也用的信鸽推送,这两者有天壤之别,所以那些幻想集成信鸽之后就能被微信唤醒的还是洗洗睡吧。    

另外很多人纳闷为什么微信的服务不会被杀死?因为技术很牛逼么?    

微信的技术确实很牛逼,在保活上面做了很多优化,但是不管你做的如何牛逼,某些 rom 系统级别的依然可以把你干掉。



那为什么感觉微信永远不会被杀死呢?    

其实最重要的一个原因是微信已经是各大厂商的白名单了,很多手机甚至出厂系统自带微信,对它的服务有特殊照顾。所以别幻想着能做成跟微信一样牛逼不被杀死,也别幻想着集成信鸽就能靠微信能把你家 app 唤醒。    

最后,我的所有文章都是我一家之言,没有权威性质,你完全可以质疑,也欢迎探讨,毕竟技术本身就需要交流才能共同进步。但是你没有任何理由的一顿乱喷,说我写的垃圾,什么玩意,好歹说个理由吧,让你写又写不出来,你再牛逼,不分享出来有什么用?觉得垃圾的大可以取关,毕竟没人逼着你看,也没人问你收费,我这里不欢迎「嘴强王者」!    

0?wx_fmt=jpeg

内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以障训练效率。
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