ofo否认COO离职和海外业务解散 称背后有人推动 | 互联网行业公会


6月4日上午消息,今日有媒体报道称,ofo总部裁员50%,同时COO张严琪等多位管理层离职,海外部门解散。ofo联合创始人于信在朋友圈对此回应称,COO和PRD离职以及海外业务解散不实。 ​​​​


以下为于信朋友圈原文:

不知道我算不算是独立信源哦,但怕是比这些无稽之谈来的靠谱些?

我觉得把 COO 和 PRD 都说成 “ 主管 ” 可能不太合适吧,而且没离职说成离职怕是要让猎头空欢喜了?

ofo 海外业务仅仅一个新加坡的营收怕是比其他某些友商全量营收都高,直接 “ 被裁撤 ” 不大合适吧?

四条 “ 真相 ” 中有三条指向裁员,我想可能是因为这点不好澄清?你说裁了我说没有,谁证明呢?所以只好晃点猎头公司,麻烦他们辛苦再多等一等吧!

当然我也理解,媒体本无态度,只是背后还有人推动。所以李珉总,最近约个饭呗?

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)的配置要求以保障训练效率。
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