年轻创业者常犯的七宗罪

许多年轻人已经在创业的路上,一般来说既年轻又没经验, 比起年长的人更容易犯错,创业导师 Nick Tart 跟许多年轻人谈过以后,与人合作写了一本书《年轻创业者,你怎么比你的父母强?》在书里面,他总结了我们年轻创业者常犯的7宗罪。

1. 听别人太多 不相信自己的直觉

一路走来,我们习惯听信权威,这个习惯很难打破。

Tart访问的一个印度创业家 King Sidharth 在18岁的时候就成功了,但是他之前也一样得忽视自己的直觉来听年长之人的劝说,但这些显然被证明对Sidharth的创业是有抑制作用的。

而Tart自己还在初中生的时候,他就有了一个想法: Mandles “这些就像蜡烛一样照耀着我的生命。”即使那时他认为是杰出的想法,当告诉他的家人和朋友的时候,他们说这是愚蠢的想法,但Tart坚持了他的想法,一直读那时的CNN内容知道最后他成功。Tart对 Sidharth赞不绝口:“那个小伙子真值得信任,他敢说敢做,相信自己的知觉, 比大多数人强多了。”

2. 不会管理钱

Andrew Fashion 是个卖机械火箭发射器赚了250万美元的年轻人,在22岁的时候花光了所有积蓄。“他把大多数的钱花在无关紧要的地方:美女、维加斯旅行、花哨的汽车和朋友。”现在他老了,但他改过自新了:“现在FashionFashion有了一个新的投资计划。”

 

3. 没法集中注意力

访问很多企业家时他们总是很兴奋下一个目标,比如World Entrepreneurship Day 23岁的联合创始人Lauren Amarante,她在2010年4月在美国聚集了个来自35个国家的CEO,在这次成功的会议之后,她受到了各种各样的邀请和邮件,希望她去世界各地出席会议。但是这让她无法专心她的本职工作, 所以有一天Amarante开始拒绝这些邀请,然后她的业务又变好了, 所以记住外界事情往往带来更多的是分散注意力而不是帮助。

4. 对自己的产品估价太低

很多人对自己的能力不自信,Jacob Cass是个20多岁的平面设计师。他有许多客户,因为他的费用不高,但是质量很好。最后他提高了自己服务的价格,反而他的业务做得更好了。较高的价格淘汰的只是较弱的客户,这个不值得花太多时间,这样Cass就有更多时间去应付他的大客户、重要客户了。事实上,许多年轻人把自己产品看得不值钱,其实他们比任何一代都聪明、接受的教育都多。

5. 不注重打造品牌效应

很多年轻人只关注执行一个想法,却忘了给产品一个标签。18岁的Alex Fraiser成功建立了一个博客,然后他陷入了可怜的品牌陷阱。因为Fraiser想 他的博客既然有了流量,就应该挂上Google Ads, 然后马上赚钱。这样丑陋的界面把客户赶走了。

6. 缺乏信任

Emil Motycka 从他的青少年时代就开修剪草坪,但他害怕雇佣任何人,所以最后他的业务陷入了停滞。

他每天花几个小时,每周割100多个草坪,因为他觉得客户的服务性很重要,他不想毁了这好名声。

7. 总爱拖拉

很多年轻人总是犹豫着是否应该马上开始创业,MissOandFriends.com 创始人Juliette Brindak 就是一个很好地例子,她11岁的时候就开始就创建了公司,八年后获得了1500万美元的投资,如果她等到现在创业,那她要等多久?

你每推后一年你就要损失一年的钱,越早让它见光,让错误出现得以及时调整,你越早获得成功。

Via BI

济慈 供雷锋网专稿,转载请注明来自雷锋网及作者,并链回本页)
基于 NSFW Model 色情图片识别鉴黄 后面更新视频检测 项目背景: 随着互联网的快速发展,网络上的信息量呈现出爆炸式的增长。然而,互联网上的内容良莠不齐,其中不乏一些不良信息,如色情、暴力等。这些信息对青少年的健康成长和社会风气产生了不良影响。为了净化网络环境,保护青少年免受不良信息的侵害,我国政府加大了对网络内容的监管力度。在此背景下,本项目应运而生,旨在实现对网络图片和视频的自动识别与过滤,助力构建清朗的网络空间。 项目简介: 本项目基于 NSFW(Not Safe For Work)Model,利用深度学习技术对色情图片进行识别与鉴黄。NSFW Model 是一种基于卷积神经网络(CNN)的图像识别模型,通过学习大量的色情图片和非色情图片,能够准确地判断一张图片是否含有色情内容。本项目在 NSFW Model 的基础上,进一步优化了模型结构,提高了识别的准确率和效率。 项目功能: 色情图片识别:用户上传图片后,系统会自动调用 NSFW Model 对图片进行识别,判断图片是否含有色情内容。如果含有色情内容,系统会给出相应的提示,并阻止图片的传播。 视频检测:针对网络视频,本项目采用帧提取技术,将视频分解为一帧帧图片,然后使用 NSFW Model 对这些图片进行识别。如果检测到含有色情内容的图片,系统会给出相应的提示,并阻止视频的传播。 实时监控:本项目可应用于网络直播、短视频平台等场景,实时监控画面内容,一旦检测到含有色情内容的画面,立即进行屏蔽处理,确保网络环境的纯洁。
### 如何在本地部署 NSFW 模型或服务 要在本地环境中成功部署 NSFW(不适宜工作场合内容)检测模型或服务,以下是详细的说明: #### 准备环境 为了确保能够顺利运行模型和服务,需要安装必要的依赖项。这些工具和库包括但不限于以下几类: - **Python 环境**: 推荐使用 Python 3.7 或更高版本。 - **Transformers 库**: 提供加载预训练模型的功能[^1]。 - **PyTorch/TensorFlow**: 支持深度学习框架的计算需求。 - **Pillow (PIL)**: 处理图像文件并将其转换为适合输入模型的形式。 具体命令如下所示: ```bash pip install transformers torch Pillow ``` #### 加载模型与测试 通过 Hugging Face 的 `transformers` 工具包可以直接访问已有的 NSFW 图片分类模型。例如,可以采用名为 `"Falconsai/nsfw_image_detection"` 的公开模型来完成此任务[^1]。 下面是一个简单的代码片段展示如何加载该模型并对单张图片执行预测操作: ```python from PIL import Image from transformers import pipeline def classify_nsfw(image_path): # 打开指定路径下的图片文件 img = Image.open(image_path) # 初始化 image-classification 流水线对象,并指明使用的特定模型名称 classifier = pipeline("image-classification", model="Falconsai/nsfw_image_detection") # 对传入的图片调用流水线方法得到其类别标签及其置信度分数列表形式的结果 result = classifier(img) return result if __name__ == "__main__": test_img_path = "<your_test_image>" output_results = classify_nsfw(test_img_path) print(output_results) ``` 注意替换 `<your_test_image>` 成实际存在的图片绝对或者相对地址字符串值之前再尝试运行以上脚本。 #### 构建 RESTful API 服务 如果希望进一步扩展功能至 Web 应用程序层面,则可考虑利用 Flask/Django 这样的轻量级 web 开发框架构建起支持 HTTP 请求交互的服务端接口。这里给出基于 FastAPI 实现的一个简单例子作为示范用途: ```python import uvicorn from fastapi import FastAPI, File, UploadFile from PIL import Image from io import BytesIO from typing import List from pydantic import BaseModel app = FastAPI() class Prediction(BaseModel): label: str score: float @app.post("/predict/", response_model=List[Prediction]) async def predict(file: UploadFile = File(...)): try: contents = await file.read() pil_image = Image.open(BytesIO(contents)) clf_pipeline = pipeline('image-classification', model='Falconsai/nsfw_image_detection') predictions = clf_pipeline(pil_image) formatted_preds = [{"label": pred['label'], "score": round(pred['score'], 4)} for pred in predictions] return formatted_preds except Exception as e: raise ValueError(f"Error processing uploaded file {e}") if __name__ == '__main__': uvicorn.run(app, host='0.0.0.0', port=8000) ``` 启动服务器之后即可向 `/predict/` 路径发送 POST 请求附带上传待分析的目标图片获取返回结果了。 ---
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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