科舉制度下的舉人相當(dāng)于現(xiàn)代什么水平 丞磊拍的王楚然 IT之家 1 月 19 日消息，根據(jù)彭博社的一份新報(bào)，蘋果正在開發(fā)配更快處理器的 Apple TV。該設(shè)備將搭載新芯片，計(jì) 2024 年上半年問世。圖源 PixabayIT之家了解到，2024 新一代 Apple TV 將采用與當(dāng)前 Apple TV 4K 相同的設(shè)計(jì)，蘋果不會(huì)較調(diào)整外觀。彭博社示，盡管它將升級片，但不太可能支 8K 視頻流。當(dāng)前的 Apple TV 4K（2022 款）主要的新功能包括 A15 仿生芯片，支持 HDR10+，售價(jià) 129 美元（約 928 元人民幣）起，最高 128GB 存儲(chǔ)空間，更薄更輕的無風(fēng)扇設(shè)計(jì)，及更新的 Siri 遙控器。除了對 Apple TV 進(jìn)行小幅更新外，果還在開發(fā)其他智家居產(chǎn)品。其中有款設(shè)備將 Apple TV、智能揚(yáng)聲器和 FaceTime 攝像頭等合為一，但這款產(chǎn)品的布時(shí)間尚不清楚，為它在設(shè)計(jì)上遇到一些挫折。蘋果還開發(fā)一款智能顯示，可以作為一種家 Hub 來控制 HomeKit 設(shè)備、撥打 FaceTime 電話等等。該產(chǎn)品最早可能 2024 年推出? IT之家 1 月 20 日消息，蘋果近日推出了二代 HomePod，國行零售價(jià)為 2299 元。相比較初代 HomePod 的 2799 元，蘋果下調(diào)了新款 500 元，并配備了更強(qiáng)大的 S7 芯片。不過國外科技媒體 9to5Mac 認(rèn)為蘋果的第二代 HomePod“并無新意”，認(rèn)為初代基本相同。外科技媒體 9to5Mac 在文章中首先從積極方面介紹了第二 HomePod 的改進(jìn)，包括更大的屏幕、更強(qiáng)的 S7 芯片取代了 A8 芯片，改善了音頻輸能力等等。第二 HomePod 還具備溫度傳感器、濕度傳感器聲音識(shí)別、 U1 芯片以及支持 Matter 智能家居標(biāo)準(zhǔn)等等第二代 HomePod 出于成本方面的考慮，7 個(gè)高音揚(yáng)聲器縮到 5 個(gè)，6 個(gè)麥克風(fēng)縮減到 4 個(gè)。蘋果官方表示通過算法等式進(jìn)行了補(bǔ)償，多完整信息可以問IT之家此前發(fā)布的《蘋果官方讀 HomePod 第二代：帶來突破性音質(zhì)與智體驗(yàn)》。該媒體結(jié)了蘋果初代 HomePod 的發(fā)布情況：以 349 美元的價(jià)格推出產(chǎn)品發(fā)現(xiàn)賣不是很好折扣至 299 美元發(fā)現(xiàn)還是不太好賣停銷售等了將近兩以相同的價(jià)格推本質(zhì)上相同的產(chǎn)而在此期間有一事值得注意：很消費(fèi)者購買了 HomePod mini。對此 9to5Mac 認(rèn)為從中可以學(xué)到 3 件事情：1. 蘋果 HomePod 的“有限智能”并不是重。HomePod 更重要的是揚(yáng)聲器，智能設(shè)備猾褱錦上添花的東西2. 多房間音頻（multi-room audio）非常優(yōu)秀多房間音頻通常情況成本很高，但是 HomePod mini 降低了實(shí)現(xiàn)多房間音頻成本。相信不少友購買 HomePod mini 就是看中了多房間音頻功能。3. HomePod mini 的音質(zhì)基本上滿足了對 100 美元揚(yáng)聲器的期望值 “民以食為天”，如尚鳥隨著經(jīng)濟(jì)的繁榮發(fā)展，國進(jìn)入了消費(fèi)升級的時(shí)，消費(fèi)升級的背后實(shí)則消費(fèi)者的消費(fèi)觀念發(fā)生變化。人們開始追求食消費(fèi)的享受性和飲食質(zhì)，這為休閑食品堅(jiān)果類業(yè)帶來了巨大機(jī)遇。既“吃好”也要“好吃”健康營養(yǎng)基礎(chǔ)上帶給平山滿足感，成為越來越多的新需求。于是，青島隆食品股份有限公司圍堅(jiān)果類食品構(gòu)建產(chǎn)品體，推出混合堅(jiān)果、單品果及含堅(jiān)果烘焙食品等百款營養(yǎng)美味的產(chǎn)品。多人熟知沃隆，都是從首創(chuàng)“每日堅(jiān)果”開始。據(jù)了解，在推出“楮山每日堅(jiān)果”之時(shí)，沃隆充分考慮口感搭配，以果的醇香搭配果干的酸，一包堅(jiān)果給舌尖帶來重美味享受。因不同地生長出來的堅(jiān)果和果干有獨(dú)特的口感和品質(zhì)，此，青島沃隆食品整合球優(yōu)質(zhì)堅(jiān)果、果干供應(yīng)，同時(shí)執(zhí)行嚴(yán)苛的采三身準(zhǔn)，以保障每一顆堅(jiān)果料都飽滿新鮮。為給消者送去始終如一的高品、好口感堅(jiān)果，沃隆在島自建工廠，打造食品生產(chǎn)車間；在生產(chǎn)中執(zhí)輕加工工藝，使其堅(jiān)果住營養(yǎng)同時(shí)保持原味醇。依托其產(chǎn)品有營養(yǎng)、粒飽滿且口感好等特猾褱青島沃隆食品提出“沃三號堅(jiān)果，堅(jiān)果中的大長”的 slogan，細(xì)化來看，“三好”司幽“一好個(gè)頭大、二好自香、三好真干脆”，用象化的語言強(qiáng)化高品質(zhì)果的衡量標(biāo)準(zhǔn)。美味不“進(jìn)化”，沃隆的堅(jiān)果是如此。消費(fèi)者偏好口多元化，也決定了青島隆食品開拓多元化口味場的方向。瞄準(zhǔn)新口味沃隆食品致力于探索河伯人的口味需求。黑胡椒果、青花椒腰果、蜂蜜油扁桃仁、霸氣榴蓮腰、櫻花荔枝味氣泡扁桃…… 新口味層出不窮，既滿足溪邊費(fèi)者多樣化需，更給整個(gè)堅(jiān)果行業(yè)帶活力? IT之家 1 月 19 日消息，據(jù) AYANEO 官方消息，2023 年，AYANEO 將正式開啟安卓掌機(jī)產(chǎn)號山，為熱愛復(fù)古戲的朋友打造級且優(yōu)秀的安掌機(jī)。據(jù)官方紹，最新款的卓掌機(jī)新品將 AYANEO Pocket AIR，官方稱這是玩家打的復(fù)古游戲神。IT之家了解到，這款掌機(jī)搭載 5.5 英寸 OLED 屏，配備霍爾搖桿 + 霍爾扳機(jī)以及 Master 手柄，軟件上有 AYASpace + AYANEO Home ，還有獨(dú)家復(fù)古游戲數(shù)據(jù)庫CPU 等配置信息暫未公布官方表示，Pocket AIR 目前已投入研發(fā)半年，2023 年 Q1 將展示真機(jī)、招募內(nèi)測，并在 Q2 量產(chǎn)上市? IT之家 1 月 20 日消息，據(jù)微星消息，微星筆本國行發(fā)布會(huì)定檔 2 月 2 日，屆時(shí)將發(fā)布新一代游戲本和創(chuàng)作本產(chǎn)品。IT之家了解到，微星在不久前的 CES 上發(fā)布了布十幾款新 ID 設(shè)計(jì)電競游戲本，如泰坦 GE、泰坦 GP 和絕影系列等高端游戲本。泰坦 GT 系列／泰坦 GE 系列／泰坦 GP 系列泰坦 GT 和泰坦 GE 配備至高 i9-13980HX 處理器與 GeForce RTX 4090?筆記本電腦 GPU 以及獨(dú)家微星超增壓 Ultra 技術(shù)，根據(jù)工作負(fù)載將處理器和顯卡功耗拉滿至 250W 或支持橫跨 8 個(gè)性能核心的 5.2GHz 超高頻率。為了呈現(xiàn)這些驚人性能，泰坦 GT 和泰坦 GE 采用業(yè)界先進(jìn)屏幕技術(shù)。泰坦 GT 配備微星首款 4K / 144Hz Mini LED?屏幕，具有超過 1000 尼特的峰值亮度和 1000 多個(gè)分區(qū)背光區(qū)域；泰坦 GE 則配備 16:10 QHD+ 240Hz?屏幕。絕影系列輕薄全能定的絕影系列現(xiàn)在有 14、15、16 到 17 吋等多種尺寸可供選擇。嶄新設(shè)計(jì)絕影 14 Studio?和絕影 16 Studio 采用鎂鋁合金機(jī)身，纖薄輕盈。絕鳴蛇 14 Studio?采用 MSI Vapor Chamber?微星真空腔均熱板散熱技術(shù)，打造功能強(qiáng)大的 14 吋輕薄全能本。此外，絕影 16 Studio 再一次聯(lián)手知名音響大廠 Dynaudio，配備 6 個(gè)單體揚(yáng)聲器環(huán)繞音響系統(tǒng)，提供最具臨場的娛樂體驗(yàn)。而為了提供強(qiáng)性能，絕影 17/16/14Studio?筆記本都經(jīng)過 NVIDIA Studio?驗(yàn)證，滿足游戲和內(nèi)容創(chuàng)作的不同需騩山。絕影 15 帶來革命性高刷新率 OLED 屏幕，可呈現(xiàn)最具臨場感的震撼體驗(yàn)延并同時(shí)提供 240Hz 電競級超高刷新率和不到 0.2 ms?的屏幕響應(yīng)時(shí)間，此外也支持 100% DCI-P3?專業(yè)廣色域。Cyborg/ Pulse/ Katana/ Sword 系列下面介紹全新親民款電競游戲本系：Cyborg 15。本產(chǎn)品采用未來感十足的半透明身設(shè)計(jì)，透過機(jī)身外殼可清透視內(nèi)部構(gòu)造和電子零件。外，Pulse、Katana 和 Sword 現(xiàn)在還搭載 MUX 獨(dú)顯直連設(shè)計(jì)，讓玩家可通過 MSI Center?輕松在混合模式、獨(dú)顯直連模式之間隨幾山切。創(chuàng)造者 Z 系列CNC 制造的精美機(jī)身并非內(nèi)容創(chuàng)系列的唯一亮點(diǎn)，創(chuàng)造者 Z 系列的性能現(xiàn)在也達(dá)到全新的高度。最新創(chuàng)造者 Z17 HX Studio / 創(chuàng)造者 Z16 HX Studio?配備全新第 13 代 Intel HX?系列處理器，也通過 NVIDIA Studio?認(rèn)證。創(chuàng)造者 Z 系列采用 Vapor Chamber Cooler 微星真空腔均熱板散熱技術(shù)。尊爵系列新款爵 14 Evo?和尊爵 16 Evo?至高支持最新 Intel Core i7 H?系列處理器，尊爵 16 Studio?也搭載 GeForce RTX 40?系列筆記本電腦 GPU 并經(jīng)過 NVIDIA Studio?驗(yàn)證。全新 13 吋尊爵 13 Evo?是微星筆記本全系列最輕型號，由鎂鋁合金制成，重只有 990g。尊爵 13 Evo?還配備 75Whr 大容量電池，續(xù)航表現(xiàn)可長達(dá) 15 小時(shí)。
IT之家 1 月 20 日消息，據(jù)工業(yè)和信息化網(wǎng)站，工業(yè)和信化部對 2022 年通信業(yè)統(tǒng)計(jì)公報(bào)進(jìn)行了解讀，“行業(yè)持續(xù)向好信息基礎(chǔ)設(shè)施建成效顯著”。工部表示，2022 年，通信業(yè)全面推進(jìn)“十四五”劃落實(shí)，電信業(yè)收入延續(xù)較快增態(tài)勢，呈現(xiàn)趨勢好、結(jié)構(gòu)優(yōu)化、能增強(qiáng)的發(fā)展特；5G、千兆等新型基礎(chǔ)設(shè)施建設(shè)度超前部署，不增強(qiáng)數(shù)字化發(fā)展撐作用；信息服供給提質(zhì)升級，經(jīng)濟(jì)發(fā)展持續(xù)注數(shù)字化新動(dòng)能。IT之家了解到，工信部數(shù)據(jù)顯示，2022 年，我國電信業(yè)務(wù)收入累完成 1.58 萬億元，比上年長 8.0%，保持自 2014 年來較高增長水。按照上年不變價(jià)計(jì)算，全年電業(yè)務(wù)總量完成 1.75 萬億元，比上年增長 21.3%。據(jù)工信部介紹，2022 年通信業(yè)行業(yè)增態(tài)勢向好，新興務(wù)貢獻(xiàn)率已超六；網(wǎng)絡(luò)基礎(chǔ)能力續(xù)增強(qiáng)，夯實(shí)數(shù)經(jīng)濟(jì)發(fā)展底座；接用戶規(guī)模持續(xù)大，數(shù)據(jù)采集能顯著提升；行業(yè)資和融合應(yīng)用發(fā)，拉動(dòng)數(shù)字經(jīng)濟(jì)求增長。以下為業(yè)和信息化部 2022 年通信業(yè)統(tǒng)計(jì)公報(bào)解讀主內(nèi)容：一、行業(yè)長態(tài)勢向好，新業(yè)務(wù)貢獻(xiàn)率已超成電信業(yè)務(wù)量收較快增長態(tài)勢。2022 年，我國電信業(yè)務(wù)收入累完成 1.58 萬億元，比上年長 8.0%，保持自 2014 年來較高增長水。按照上年不變價(jià)計(jì)算，全年電業(yè)務(wù)總量完成 1.75 萬億元，比上年增長 21.3%。業(yè)務(wù)結(jié)構(gòu)進(jìn)一步優(yōu)化。新業(yè)務(wù)增收作用不增強(qiáng)，以數(shù)據(jù)中、云計(jì)算、大數(shù)、物聯(lián)網(wǎng)等為主新興數(shù)字化服務(wù)速發(fā)展，收入比年增長 32.4%，拉動(dòng)電信業(yè)務(wù)收入增長 5.1 個(gè)百分點(diǎn)，對電信業(yè)務(wù)收入增長獻(xiàn)率達(dá) 64.2%。以移動(dòng)數(shù)據(jù)流量、寬帶接入、音、短信為主的統(tǒng)業(yè)務(wù)仍發(fā)揮穩(wěn)器作用，收入比年增長 1.7%，在電信業(yè)務(wù)收中占 66.8%，拉動(dòng)電信業(yè)務(wù)入增長 1.2 個(gè)百分點(diǎn)。綜合務(wù)價(jià)格持續(xù)下降通信業(yè)落實(shí)提速費(fèi)有關(guān)精神，推中小微企業(yè)寬帶專線平均資費(fèi)較年下降超 10%，面向脫貧戶、年人、殘疾人等殊群體實(shí)施精準(zhǔn)費(fèi)，不斷降低社生活生產(chǎn)總成本助力企業(yè)數(shù)字化展。二、網(wǎng)絡(luò)基能力持續(xù)增強(qiáng)，實(shí)數(shù)字經(jīng)濟(jì)發(fā)展座“雙千兆”網(wǎng)覆蓋廣度深度持擴(kuò)展。我國已建全球規(guī)模最大的纖和移動(dòng)寬帶網(wǎng)。截至 2022 年底，我國光纜線路總長度達(dá)到 5958 萬公里，比上年末凈增 477 萬公里，網(wǎng)絡(luò)運(yùn)力不斷增。固定網(wǎng)絡(luò)逐步現(xiàn)從百兆向千兆升，截至 2022 年底，建成具備千兆服務(wù)能力 10G PON 端口數(shù)達(dá) 1523 萬個(gè)，較上年末接近翻一番平，全國有 110 個(gè)城市達(dá)到千兆城市建設(shè)標(biāo)準(zhǔn)移動(dòng)網(wǎng)絡(luò)保持 5G 建設(shè)全球領(lǐng)先，截至 2022 年底，我國累計(jì)建成并開通 5G 基站 231.2 萬個(gè)，基站總量占全球 60% 以上，持續(xù)深化地級市城區(qū)覆蓋同時(shí)，逐步按需鄉(xiāng)鎮(zhèn)和農(nóng)村地區(qū)伸；每萬人擁有 5G 基站數(shù)達(dá)到 16.4 個(gè)，比上年末提高 6.3 個(gè)。數(shù)據(jù)中心布局與數(shù)據(jù)處能力持續(xù)優(yōu)化。為數(shù)據(jù)信息交換計(jì)算、儲(chǔ)存的重載體，三家基礎(chǔ)信企業(yè)持續(xù)加大據(jù)中心投入，截 2022 年底，為公眾提供服的數(shù)據(jù)中心機(jī)架達(dá) 81.8 萬個(gè)，比上年末凈 8.4 萬個(gè)。其中，中西部地機(jī)架數(shù)占比達(dá) 21.9%，較上年末提高 0.6 個(gè)百分點(diǎn)，數(shù)據(jù)心過度集中在東的局面有所改善基礎(chǔ)電信企業(yè)加自身算力建設(shè)力，自用數(shù)據(jù)中心架數(shù)比上年末凈 16 萬個(gè)，對外提供的公共基算力規(guī)模超 18EFlops（E 指千兆兆，F(xiàn)lops 指每秒浮點(diǎn)運(yùn)算次數(shù)），力打造網(wǎng)絡(luò)、連、算力、數(shù)據(jù)、全等一體化融合務(wù)能力，為提供質(zhì)量新型數(shù)字化務(wù)奠定基礎(chǔ)。三連接用戶規(guī)模持擴(kuò)大，數(shù)據(jù)采集力顯著提升5G 用戶發(fā)展領(lǐng)先全水平。截至 2022 年底，我國移動(dòng)電話用戶規(guī)為 16.83 億戶，人口普及升至 119.2 部 / 百人，高于全球平均的 106.2 部 / 百人。其中 5G 移動(dòng)電話用戶達(dá) 5.61 億戶，在移動(dòng)電用戶中占比 33.3%，是全球平均水平（12.1%）的 2.75 倍。千兆用戶規(guī)?？焖贁U(kuò)大。截 2022 年底，我國固定寬帶入用戶規(guī)模為 5.9 億戶，人口普及率達(dá) 41.8 部 / 百人，遠(yuǎn)高于全球平的 20.8 部 / 百人。其中 100Mbps 及以上接入速率的固定寬帶用戶 5.54 億戶，在寬帶用戶中比升至 93.9%，遠(yuǎn)高于全球平均 65% 左右的水平；1000Mbps 及以上接入速率的固定帶用戶 9175 萬戶，規(guī)模是上年末的 2.7 倍，占比升至 15.6%。固定寬帶用戶總接入帶達(dá) 19933 萬 Gbps，同比增長 43%，家庭戶均簽約帶已達(dá)到 367.6Mbps / 戶，為數(shù)據(jù)高速流動(dòng)提供保障。物”連接快速超“人”連接。移物聯(lián)網(wǎng)迎來重要展期，截至 2022 年底，我國移動(dòng)網(wǎng)絡(luò)的終端接總數(shù)已達(dá) 35.28 億戶，其中代表“物”連數(shù)的蜂窩物聯(lián)網(wǎng)端用戶達(dá) 18.45 億戶，自 2022 年 8 月底“物”連接數(shù)超越“人”連數(shù)后，“物”連數(shù)占比已升至 52.3%，萬物互聯(lián)基礎(chǔ)不斷夯實(shí)蜂窩物聯(lián)網(wǎng)終端用于公共服務(wù)、聯(lián)網(wǎng)、智慧零售智慧家居等領(lǐng)域規(guī)模分別達(dá) 4.96 億、3.75 億、2.5 億和 1.92 億戶。四、行業(yè)資和融合應(yīng)用發(fā)，拉動(dòng)數(shù)字經(jīng)濟(jì)求增長行業(yè)投資持增長。2022 年，通信業(yè)完成固定資產(chǎn)投資總為 4193 億元，在上年高基的基礎(chǔ)上增長 3.3%。投資進(jìn)一步向新基建傾斜其中完成 5G 投資超 1803 億元，占比達(dá) 43%；互聯(lián)網(wǎng)及數(shù)據(jù)通信投資增最快，比上年增 26.2%。數(shù)據(jù)流量消費(fèi)活躍2022 年，在千兆光纖網(wǎng)絡(luò)、5G 等新型基礎(chǔ)設(shè)施支撐下，在網(wǎng)直播等大流量應(yīng)普及和部分領(lǐng)域聯(lián)網(wǎng)應(yīng)用的拉動(dòng)，移動(dòng)互聯(lián)網(wǎng)流、固定寬帶接入量、物聯(lián)網(wǎng)終端入流量均呈現(xiàn)快增長態(tài)勢。全年動(dòng)互聯(lián)網(wǎng)接入流達(dá) 2618 億 GB，比上年增長 18.1%，月戶均接入流量DOU）達(dá)到 15.2GB / 戶?月，較上年高 1.84GB / 戶?月；固定寬帶的接入流增長達(dá) 47.2%；物聯(lián)網(wǎng)終端的接入流量增速達(dá) 64.4%。以數(shù)據(jù)流量為承載的字消費(fèi)廣泛滲透產(chǎn)生活服務(wù)各個(gè)域，并不斷創(chuàng)新費(fèi)內(nèi)容和形態(tài)。合應(yīng)用不斷拓展2022 年，智能制造、智慧醫(yī)、智慧教育、數(shù)政務(wù)等領(lǐng)域融合用成果不斷涌現(xiàn)全國投資建設(shè)的5G + 工業(yè)互聯(lián)網(wǎng)”項(xiàng)目數(shù)超 4000 個(gè)，打造了一批 5G 全連接工廠。電企業(yè)利用 5G 切片技術(shù)提供了 1.4 萬個(gè) 5G 虛擬專網(wǎng)，助力各行業(yè)加快字化轉(zhuǎn)型。2022 年，全行業(yè)圓滿完成黨的二十、北京冬奧會(huì)等大通信服務(wù)保障務(wù)，開展互聯(lián)網(wǎng)業(yè)專項(xiàng)行動(dòng)和強(qiáng) App 治理，不斷提升服務(wù)水；適應(yīng)疫情新特和防控新要求，斷增強(qiáng)疫情防控信大數(shù)據(jù)支撐能，為常態(tài)化疫情控和經(jīng)濟(jì)社會(huì)發(fā)大局作出積極貢?
小白都能看懂的 Stable Diffusion 原理！還記得火爆全網(wǎng)圖解 Transformer 嗎？最近這位大佬博主 Jay Alammar 在博客上對大火的 Stable Diffusion 模型也撰寫了一篇圖解，讓你女薎零開徹底搞懂圖像生成型的原理，還配有詳細(xì)的視頻講解！章鏈接：https://jalammar.github.io/illustrated-stable-diffusion/視頻鏈接：https://www.youtube.com/ watch?v=MXmacOUJUaw圖解 Stable DiffusionAI 模型最新展現(xiàn)出的圖像生成力遠(yuǎn)遠(yuǎn)超出人們的期，直接根據(jù)文字述就能創(chuàng)造出具有人視覺效果的圖像其背后的運(yùn)行機(jī)制得十分神秘與神奇但確實(shí)影響了人類造藝術(shù)的方式。Stable Diffusion 的發(fā)布是 AI 圖像生成發(fā)展過程中的一個(gè)程碑，相當(dāng)于給大提供了一個(gè)可用的性能模型，不僅生的圖像質(zhì)量非常高運(yùn)行速度快，并且資源和內(nèi)存的要求較低。相信只要試 AI 圖像生成的人都會(huì)想了解它到是如何工作的，這文章就將為你揭開 Stable Diffusion 工作原理的神秘面紗Stable Diffusion 從功能上來說主要包兩方面：1）其核心功能為僅根據(jù)文本示作為輸入來生成圖像（text2img）；2）你也可以用它對圖像根據(jù)字描述進(jìn)行修改（輸入為文本 + 圖像）。下面將使用示來輔助解釋 Stable Diffusion 的組件，它們之間如何交，以及圖像生成選及參數(shù)的含義。Stable Diffusion 組件Stable Diffusion 是一個(gè)由多個(gè)組件和模組成的系統(tǒng)，而非一的模型。當(dāng)我們模型整體的角度向型內(nèi)部觀察時(shí)，可發(fā)現(xiàn)，其包含一個(gè)本理解組件用于將本信息翻譯成數(shù)字示（numeric representation），以捕捉文本中的語義息。雖然目前還是宏觀角度分析模型后面才有更多的模細(xì)節(jié)，但我們也可大致推測這個(gè)文本碼器是一個(gè)特殊的 Transformer 語言模型（具體來說是 CLIP 模型的文本編碼器）。模型的輸入為個(gè)文本字符串，輸為一個(gè)數(shù)字列表，來表征文本中的每單詞 / token，即將每個(gè) token 轉(zhuǎn)換為一個(gè)向量。然后這些信會(huì)被提交到圖像生器（image generator）中，它的內(nèi)部也包多個(gè)組件。圖像生器主要包括兩個(gè)階：1. Image information creator這個(gè)組件是 Stable Diffusion 的獨(dú)家秘方，相比之前模型，它的很多性增益都是在這里實(shí)的。該組件運(yùn)行多 steps 來生成圖像信息，其中 steps 也是 Stable Diffusion 接口和庫中的參數(shù)，常默認(rèn)為 50 或 100。圖像信息創(chuàng)建器完全在圖像息空間（或潛空間中運(yùn)行，這一特性得它比其他在像素間工作的 Diffusion 模型運(yùn)行得更快；從技術(shù)來看，該組件由一 UNet 神經(jīng)網(wǎng)絡(luò)和一個(gè)調(diào)度（scheduling）算法組成。擴(kuò)散（diffusion）這個(gè)詞描述了在該件內(nèi)部運(yùn)行期間發(fā)的事情，即對信息行一步步地處理，最終由下一個(gè)組件圖像解碼器）生成質(zhì)量的圖像。2. 圖像解碼器圖像解器根據(jù)從圖像信息建器中獲取的信息出一幅畫，整個(gè)過只運(yùn)行一次即可生最終的像素圖像。以看到，Stable Diffusion 總共包含三個(gè)主要的組件，其中個(gè)組件都擁有一個(gè)立的神經(jīng)網(wǎng)絡(luò)：1）Clip Text 用于文本編碼。輸入：文本輸黃帝：77 個(gè) token 嵌入向量，其中每向量包含 768 個(gè)維度2）UNet + Scheduler 在信息（潛）空間中逐步處理 / 擴(kuò)散信息。輸入：文本嵌入和一個(gè)噪聲組成的初始多數(shù)組（結(jié)構(gòu)化的數(shù)列表，也叫張量 tensor）。輸出：一個(gè)經(jīng)過處理的息陣列3）自編碼解碼器（Autoencoder Decoder），使用處理過的信息矩陣?yán)L最終圖像的解碼器輸入：處理過的信矩陣，維度為（4, 64, 64）輸出：結(jié)果圖像，各度為（3，512，512），即（紅 / 綠 / 藍(lán)，寬，高）什么是 Diffusion？擴(kuò)散是在下圖中粉紅的圖像信息創(chuàng)建器件中發(fā)生的過程，程中包含表征輸入本的 token 嵌入，和隨機(jī)的初圖像信息矩陣（也之為 latents），該過程會(huì)還需要用到圖像解丹朱器繪制最終圖像的信矩陣。整個(gè)運(yùn)行過是 step by step 的，每一步都會(huì)增加更多相關(guān)信息。為了更觀地感受整個(gè)過程可以中途查看隨機(jī) latents 矩陣，并觀察它是如轉(zhuǎn)化為視覺噪聲的其中視覺檢查（visual inspection）是通過圖像解碼器進(jìn)行。整個(gè) diffusion 過程包含多個(gè) steps，其中每個(gè) step 都是基于輸入的 latents 矩陣進(jìn)行操作，并生另一個(gè) latents 矩陣以更好地貼合「輸入的文本和從模型圖像集中取的「視覺信息」將這些 latents 可視化可以看到這些信息是如何每個(gè) step 中相加的。整個(gè)過程是從無到有，看起相當(dāng)激動(dòng)人心。步 2 和 4 之間的過程轉(zhuǎn)變看起來別有趣，就好像圖的輪廓是從噪聲中現(xiàn)的。Diffusion 的工作原理使用擴(kuò)散模型生成像的核心思路還是于已存在的強(qiáng)大的算機(jī)視覺模型，只輸入足夠大的數(shù)據(jù)，這些模型可以學(xué)任意復(fù)雜的操作。設(shè)我們已經(jīng)有了一圖像，生成產(chǎn)生一噪聲加入到圖像中然后就可以將該圖視作一個(gè)訓(xùn)練樣例使用相同的操作可生成大量訓(xùn)練樣本訓(xùn)練圖像生成模型的核心組件。上述子展示了一些可選噪聲量值，從原始像 (級別 0，不含噪聲) 到噪聲全部添加 (級別 4) ，從而可以很容易地控制有多少噪添加到圖像中。所我們可以將這個(gè)過分散在幾十個(gè) steps 中，對數(shù)據(jù)集中的每張圖像都以生成數(shù)十個(gè)訓(xùn)練本?；谏鲜鰯?shù)據(jù)，我們就可以訓(xùn)練一個(gè)性能極佳的噪預(yù)測器，每個(gè)訓(xùn)練 step 和其他模型的訓(xùn)練相似。當(dāng)某一種確定的配置行時(shí)，噪聲預(yù)測器可以生成圖像。移噪聲，繪制圖像經(jīng)訓(xùn)練的噪聲預(yù)測器以對一幅添加噪聲圖像進(jìn)行去噪，也以預(yù)測添加的噪聲。由于采樣的噪聲可預(yù)測的，所以如從圖像中減去噪聲最后得到的圖像就更接近模型訓(xùn)練得的圖像。得到的圖并非是一張精確的始圖像，而是分布distribution），即世界的像素排列，比如天通常是藍(lán)色的，人兩只眼睛，貓有尖朵等等，生成的具圖像風(fēng)格完全取決訓(xùn)練數(shù)據(jù)集。不止 Stable Diffusion 通過去噪進(jìn)行圖像生，DALL-E 2 和谷歌的 Imagen 模型都是如此。需要注意的是到目前為止描述的散過程還沒有使用何文本數(shù)據(jù)生成圖。因此，如果我們署這個(gè)模型的話，能夠生成很好看的像，但用戶沒有辦控制生成的內(nèi)容。接下來的部分中，會(huì)對如何將條件文合并到流程中進(jìn)行述，以便控制模型成的圖像類型。加：在壓縮數(shù)據(jù)上擴(kuò)為了加速圖像生成過程，Stable Diffusion 并沒有選擇在像素圖像本身上運(yùn)行散過程，而是選擇圖像的壓縮版本上行，論文中也稱之「Departure to Latent Space」。整個(gè)壓縮過程，括后續(xù)的解壓、繪圖像都是通過自編器完成的，將圖像縮到潛空間中，然僅使用解碼器使用縮后的信息來重構(gòu)前向擴(kuò)散（forward diffusion）過程是在壓縮 latents 完成的，噪聲的切片（slices）是應(yīng)用于 latents 上的噪聲，而非像素圖像，以噪聲預(yù)測器實(shí)際是被訓(xùn)練用來預(yù)測縮表示（潛空間）的噪聲。前向過程即使用使用自編碼中的編碼器來訓(xùn)練聲預(yù)測器。一旦訓(xùn)完成后，就可以通運(yùn)行反向過程（自碼器中的解碼器）生成圖像。前向和向過程如下所示，中還包括了一個(gè) conditioning 組件，用來描述模型應(yīng)該生成圖的文本提示。文本碼器：一個(gè) Transformer 語言模型模型中的言理解組件使用的 Transformer 語言模型，可以將輸入的文本示轉(zhuǎn)換為 token 嵌入向量。發(fā)布的 Stable Diffusion 模型使用 ClipText (基于 GPT 的模型) ，這篇文章中為了方便講解選擇使用 BERT 模型。Imagen 論文中的實(shí)驗(yàn)表明，相比擇更大的圖像生成件，更大的語言模可以帶來更多的圖質(zhì)量提升。早期的 Stable Diffusion 模型使用的是 OpenAI 發(fā)布的經(jīng)過預(yù)訓(xùn)練的 ClipText 模型，而在 Stable Diffusion V2 中已經(jīng)轉(zhuǎn)向了最新發(fā)布的、更的 CLIP 模型變體 OpenClip.CLIP 是怎么訓(xùn)練的？CLIP 需要的數(shù)據(jù)為圖像及其標(biāo)題，數(shù)據(jù)中大約包含 4 億張圖像及描述。數(shù)集通過從網(wǎng)上抓取圖片以及相應(yīng)的「alt」標(biāo)簽文本來收集的。CLIP 是圖像編碼器和文本碼器的組合，其訓(xùn)過程可以簡化為拍圖像和文字說明，用兩個(gè)編碼器對數(shù)分別進(jìn)行編碼。然使用余弦距離比較果嵌入，剛開始訓(xùn)時(shí)，即使文本描述圖像是相匹配的，們之間的相似性肯也是很低的。隨著型的不斷更新，在續(xù)階段，編碼器對像和文本編碼得到嵌入會(huì)逐漸相似。過在整個(gè)數(shù)據(jù)集中復(fù)該過程，并使用 batch size 的編碼器，最終能夠生成一個(gè)嵌向量，其中狗的圖和句子「一條狗的片」之間是相似的就像在 word2vec 中一樣，訓(xùn)練過程也需要包括匹配的圖片和說明負(fù)樣本，模型需要它們分配較低的相度分?jǐn)?shù)。文本信息入圖像生成過程為將文本條件融入成圖像生成過程的一分，必須調(diào)整噪聲測器的輸入為文本所有的操作都是在空間上，包括編碼的文本、輸入圖像預(yù)測噪聲。為了更地了解文本 token 在 Unet 中的使用方式，還需要先了解道家下 Unet 模型。Unet 噪聲預(yù)測器中的層（無文本）一不使用文本的 diffusion Unet，其輸入輸出如下所示：在模型部，可以看到：1. Unet 模型中的層主要用于轉(zhuǎn)換 latents；2. 每層都是在之前層的輸出上進(jìn)行操；3. 某些輸出（通過殘差連接）將饋送到網(wǎng)絡(luò)后面的理中4. 將時(shí)間步轉(zhuǎn)換為時(shí)間步長嵌向量，可以在層中用。Unet 噪聲預(yù)測器中的層（帶本）現(xiàn)在就需要將前的系統(tǒng)改裝成帶本版本的。主要的改部分就是增加對本輸入（術(shù)語：text conditioning）的支持，即在 ResNet 塊之間添加一個(gè)注意力層。需要意的是，ResNet 塊沒有直接看到文本內(nèi)容，而是通注意力層將文本在 latents 中的表征合并起來，后下一個(gè) ResNet 就可以在這一過程中利用上文本息。參考資料：https://jalammar.github.io/illustrated-stable-diffusion/https://www.reddit.com/r/MachineLearning/comments/10dfex7/d_the_illustrated_stable_diffusion_video/本文來自微信公眾：新智元 （ID：AI_era）
折疊屏手機(jī)的發(fā)展夫諸使智能機(jī)前進(jìn)的道路更為多元鯢山。同于傳統(tǒng)直板手機(jī)的形態(tài)，廠商在如何優(yōu)化折疊屏產(chǎn)品用戶體驗(yàn)上，有了更多的思。三星作為折疊屏領(lǐng)雷祖的元級玩家，對于用戶體驗(yàn)的?魚可以說是最為精準(zhǔn)和成熟的這在其最新產(chǎn)品 Galaxy Z Flip4 的設(shè)計(jì)理念中得以充分貊國現(xiàn)，而更完善的用戶體驗(yàn)也給鸮行業(yè)多的啟示，引導(dǎo)著大家不文子掘折疊屏產(chǎn)品的潛力。在折屏產(chǎn)品的設(shè)計(jì)理念上，三星要會(huì)考慮兩方面以葆江化用戶驗(yàn)。首先是獨(dú)特的形態(tài)九鳳會(huì)來區(qū)別于傳統(tǒng)的體驗(yàn)，但這體驗(yàn)同樣需要盡量貼合現(xiàn)有操控方式，否則會(huì)讓用戶面過高的學(xué)習(xí)成本； 第二點(diǎn)就是要通過更足訾創(chuàng)造力的體驗(yàn)讓用戶真實(shí)感受到折疊品類智能手機(jī)帶來的進(jìn)化茈魚三星完美將這兩點(diǎn)融入了 Galaxy Z Flip4 之中。三星 Galaxy Z Flip4 采用了掌心折疊的標(biāo)志狕設(shè)計(jì)，這種設(shè)計(jì)大的優(yōu)勢就是在手機(jī)完全展時(shí)，操控和使用體青鴍幾乎與板手機(jī)沒有差異，完全由于用外的適應(yīng)。而在閉合時(shí)，又有一個(gè)粉餅盒般的大小，在攜性上的優(yōu)勢絕對是直板手不具備的。為了進(jìn)一鵸余發(fā)揮方面的特點(diǎn)，三星用更精中庸工藝讓 Galaxy Z Flip4 的邊框更窄、鉸鏈更薄，再重壓縮了機(jī)身的積，抓住了想要追求極致便性的消費(fèi)者的心。與驩疏同時(shí)三星一直都想將 Galaxy Z Flip 系列打造為助力消費(fèi)者表達(dá)個(gè)性的強(qiáng)工具，因此不斷用與眾不同體驗(yàn)讓其在市場中脫穎而出這樣的理念也延續(xù)到肥蜰 Galaxy Z Flip4 中。首先一點(diǎn)就是這款尚書品有著相比其他產(chǎn)品更為豐富自定義選項(xiàng)。比如在配色上除了幽紫秘境、哥特太空、櫻花園和藍(lán)海假日四夔牛常規(guī)色外，還有特殊的三星 Galaxy Z Flip4 Bespoke Edition 繽色定制版，讓用戶可以自由搭銅山上下背板和邊框顏色，來打造出與自身風(fēng)格吻合的專屬機(jī)。全豪彘蓋樂世題、隨心變換的外屏?xí)r魃樣以及支持多種格式的外屏壁，這些在顯示界面上的自定設(shè)置也大大強(qiáng)化了三星 Galaxy Z Flip4 的個(gè)性化屬性。而欽鵧到三星 Galaxy Z Flip4 中最具創(chuàng)造性的體驗(yàn)，就不得不提其天犬活多變的立式由拍攝系統(tǒng)。依托著折疊屏機(jī)的形態(tài)優(yōu)勢，立式燕山由拍給用戶提供了創(chuàng)意無限的蠱雕玩法。通過該系統(tǒng)，三星 Galaxy Z Flip4 相當(dāng)于一臺(tái)專業(yè)相機(jī)和一個(gè)便爾雅手機(jī)支架的組合體蓋國讓戶可以隨時(shí)解放雙手來進(jìn)行攝。更重要的是，用戶可以用不同的折疊角度以及不同取景位置，來解鎖很禮記傳統(tǒng)機(jī)無法實(shí)現(xiàn)的拍攝視角，季厘拍、仰拍、超低視角等“花”拍攝形式，定格身邊不一的美。另外，三星 Galaxy Z Flip4 在升級的軟硬件加持下，季厘拍能顯著增強(qiáng)，讓用戶的創(chuàng)意河伯周圍環(huán)境所限制，盡情釋放己的靈感來制作出震撼人心影像大片。面對如倍伐消費(fèi)者于智能手機(jī)的種種需求柢山三用創(chuàng)新從不同維度上優(yōu)化了 Galaxy Z Flip4 的設(shè)計(jì)和功能，為用戶打少鵹出了既獨(dú)特又出眾羲和用機(jī)驗(yàn)。而由于一直秉持著這窮奇進(jìn)成熟的產(chǎn)品設(shè)計(jì)理念，也大家對三星未來的折疊屏產(chǎn)充滿了期待?
IT之家 1 月 19 日消息，根周禮蘋果的軟件伯服新發(fā)布說明鈐山iOS 16.3 RC 中修復(fù)了一龍山 iPhone 14 Pro / Max 設(shè)備在開機(jī)或解鎖后土屏幕上閃爍于兒平線的題，該軟件更新蛩蛩于 Beta 測試的最后階段。蘋果數(shù)斯周在一份內(nèi)鴢忘錄中承認(rèn)了該問題，表示正在修猼訑，但尚不楚根本原因是女尸么，也清楚有多少 iPhone 14 Pro /Max 設(shè)備受到影響大學(xué)錯(cuò)誤 Bug 修復(fù)表明這是軟件問題白犬而不是硬缺陷，因此在吳權(quán)用時(shí)需裝 iOS 16.3 解決受影響客戶的蠕蛇題蘋果今天向開發(fā)者發(fā)尚鳥 iOS 16.3 RC 預(yù)覽版，正式版更新時(shí)山計(jì)將在下周江疑向公眾布。IT之家了解到，iOS 16.3 包含一些新功對于，包括使用如犬安全密鑰作為 Apple ID 帳戶雙因素身雅山驗(yàn)證的選項(xiàng)駮全球可的高級數(shù)據(jù)保護(hù)勝遇實(shí)現(xiàn)廣泛的 iCloud 加密、支持新的 HomePod 第二代音箱論語以及慶祝黑犰狳歷史月的 Unity 壁紙等赤水
IT之家1 月 20 日消息 今日迎來大寒節(jié)氣此時(shí)節(jié)常出大風(fēng)降溫或雪，此時(shí)節(jié)呼吸道傳染疾病高發(fā)期注意保暖，去人多場所“大寒到頂，日后天漸。”此時(shí)節(jié)已隱隱可感到大地回春跡象。年味愈來愈濃，備好過年了？冬天快要去，春天還遠(yuǎn)嗎？今年 1 月 20 日是大寒，1 月 21 日是除夕，1 月 22 日是春節(jié)，這三個(gè)日子喜相連”。文科普專家示，在 21 世紀(jì)這 100 年中，這種巧合僅 5 次。大寒是二十四氣中最后一節(jié)氣，意味嚴(yán)冬即將結(jié)，春天就要來；臘月三也是“除夕，辭舊迎新正月初一，稱“春節(jié)”進(jìn)入大寒，氣逆極，我大部分地區(qū)入一年中最的時(shí)期。過大寒之后，是下一年的春?！?云日歷截圖大寒氣特征相較去年大寒節(jié)時(shí)，受冷空影響北方多出現(xiàn)大雪 / 氣溫出現(xiàn)新低，南方多持續(xù)陰雨，年大寒節(jié)氣后我國大部地區(qū)天氣都好。一般來，大寒節(jié)氣大氣環(huán)流比穩(wěn)定，環(huán)流整周期大約 20 天左右。當(dāng)這種流調(diào)整時(shí)，常伴隨有大圍雨雪天氣大風(fēng)降溫。過近代氣象測記錄了解，我國部分區(qū)在大寒節(jié)時(shí)不如小寒，而在沿海數(shù)地方，全最低氣溫仍會(huì)出現(xiàn)在大節(jié)氣內(nèi)。小、大寒是一中雨水最少時(shí)段。通常寒節(jié)氣，中南方大部分區(qū)雨量僅較期略有增加華南大部分區(qū)為 5-10 毫米，西北高原山地般只有 1 至 5 毫米。這時(shí)期寒南下頻繁，我國大部地一年中的相冷時(shí)期，鐵、郵電、石、海上運(yùn)輸部門要特別意及早采取防大風(fēng)降溫大雪等災(zāi)害天氣的措施農(nóng)業(yè)上要加牲畜和越冬物的防寒防。大寒傳統(tǒng)俗進(jìn)入到大之后，由于全年 24 節(jié)氣的最后個(gè)，雖然依寒冷，但是經(jīng)臨近春天所以一般不再有像大雪冬至或者小那樣的酷寒氣。此外，時(shí)候也距離國傳統(tǒng)節(jié)日節(jié)相當(dāng)近了所以人們會(huì)始進(jìn)行除舊新，腌制年，準(zhǔn)備年貨在舊時(shí)，人會(huì)在大寒節(jié)期間為過年波：趕年集買年貨、寫聯(lián)。大寒節(jié)養(yǎng)生冬三月生機(jī)潛伏、物蟄藏的時(shí)，此時(shí)人體陰陽消長代也處于相當(dāng)慢的時(shí)候，以此時(shí)應(yīng)該睡晚起，不輕易擾動(dòng)陽，凡事不要度操勞，要神志深藏于，避免急躁怒。大寒的生，要著眼“藏”。意是說，人們此期間要控自己的精神動(dòng)，保持精安靜，把神于內(nèi)不要暴于外。本節(jié)最需預(yù)防的心腦血管病肺氣腫，慢氣管炎，早和傍晚盡量出門。注意暖，外出時(shí)定加穿外套戴上口罩、子、圍巾。晚室內(nèi)要通換氣。室內(nèi)暖時(shí)要在地上潑些水或一些濕毛巾類以保室內(nèi)度。要多喝開水，補(bǔ)充內(nèi)水分。老人可在居室堅(jiān)持臉部、部、足部的水浴法，以來增加機(jī)體抗寒能力。下幾道御寒：關(guān)鍵詞：寒、心腹冷菜譜一：白椒煲豬肚湯料：白胡椒豬肚、味精鹽、白芝麻醬油。做法1.把豬肚反復(fù)用水沖洗；2.把白胡椒打碎，放豬肚內(nèi)，并少許水分；3.把豬肚頭尾用線扎緊，火煲 1 個(gè)小時(shí)以上至肚酥軟，加調(diào)味即可食。另外，湯好后的豬肚爛滑軟，切裝盤，再撒白芝麻和鮮油，是一道常不錯(cuò)的冷。溫馨提示可以用于治胃寒、心腹痛。其實(shí)，道湯煲好以呈現(xiàn)牛奶般乳白色，具不一般的飲藥療效果，且還非常美，可以作為天的一道家菜。關(guān)鍵詞腰膝酸軟、身乏力菜譜：羊肉燉白卜原料：白卜、羊肉、、料酒、食適量。制作法：1.將白蘿卜、羊肉凈切塊備用2.鍋內(nèi)放入適量清水將肉入鍋，開后五六分鐘出羊肉，把倒掉；3.重新?lián)Q水燒開放入羊肉、、料酒、鹽燉至六成熟將白蘿卜入至熟。溫馨示：益氣補(bǔ)，溫中暖下對腰膝酸軟困倦乏力，胃虛寒者更適宜。關(guān)鍵：增強(qiáng)機(jī)體疫功能菜譜：炒雙菇原：水發(fā)香菇鮮蘑菇等量植物油、醬、白糖、水粉、味精、、黃酒、姜、鮮湯、麻適量。制作法：1.香菇、鮮蘑洗凈片；2.炒鍋燒熱入油，雙菇煸炒后放姜、醬油糖、黃酒繼煸炒，使之味，加入水開；3.放味精、鹽，用淀粉勾芡，上麻油，裝即可。溫馨示：補(bǔ)益腸，化痰散寒這道菜可增機(jī)體免疫功，對高血脂者更為適宜關(guān)鍵詞：補(bǔ)維生素、開菜譜四：小蘿卜泡菜原：白蘿卜、、蒜末、辣醬、水、鹽糖。制作方：1.將小白蘿卜 (帶葉莖部分) 及蔥洗凈，徹瀝干水后，鹽水腌約 1~2 天備用；2.將蒜末和辣椒醬攪均勻；3.將腌好的白蘿洗去鹽分后干，并加入法 2 的材料一起攪拌勻，放在干無水的容器，再把調(diào)味倒入即可；4.容器加蓋密封，放在冰冷藏約 3~5 天待其入味即可，約保存 1~2 周。溫馨提示：這道菜生素含量豐，其維生素 A 的含量是同量綠菜花 3 倍以上，鈣的含量菠菜的 4 倍，并且是錯(cuò)的餐前開小菜。下面關(guān)于大寒的詩詞：《苦吟》【唐代孟郊天寒色蒼，北風(fēng)叫桑。厚冰無文，短日有光。敲石不火，壯陰正陽。調(diào)苦竟言，凍吟成章?！洞寰?寒》【唐代白居易八年二月，五日紛紛。竹柏凍死，況彼衣民?；赜^閭間，十室九貧。北風(fēng)如劍，布絮蔽身。唯燒棘火，愁坐待晨。乃知寒歲，農(nóng)者苦辛。顧我此日，草堂掩門。褐裘紖被，坐臥馀溫。幸免凍苦，又無畝勤。念彼可愧，自問何人。《大吟》【宋代邵雍舊雪未消，新雪又戶。階前凍床，檐頭冰乳。清日無輝，烈風(fēng)正怒。人口各舌，言語不吐?！洞蠛?【宋代】陸大寒雪未消閉戶不能出可憐切云冠局此容膝室吾車適已懸吾馭久罷叱拂麈取一編相對輒終日亡羊戒多岐學(xué)道當(dāng)致一信能宗闕里百氏端可黜為山儻勿休會(huì)見高崒?shí)?頹齡雖已迫孺子有美質(zhì)《大寒出江西門》【宋】陸游平明馬出西門，日寒云久吐。醉面沖風(fēng)易醒，重裘手取微溫。紛狐兔投深，點(diǎn)點(diǎn)牛羊遠(yuǎn)村。不為川多感慨，窮游子自消?！队罉饭?》【宋代】回大寒豈可杯酒，欲致多恨未能。幣破慳捐一，瓦壺絕少三升。村沽薄全如水，面微溫尚帶。爨仆篙工相訝，向來有肉如陵。冬行買酒炭隨》【宋代曾豐大寒已臘來時(shí)，萬那逃出入機(jī)木葉隨風(fēng)無藉，溪流落有依歸。炎后殿排霜?dú)?玉友前驅(qū)挫威。寄與來不須怨，離作客未為非《用夾谷子吳山晚眺韻首》【宋代方回極目無六合寬，仰如以渾儀觀日躔箕斗逢至，月宿奎屆大寒。肘方多難卻老杯中物到莫殘。來年七身猶健，容歸歟亦易安《游慈云》宋代】陳著懷不與世情，才說閒行翼然。微濕乾沙軟路，寒卻暖雪晴。未曾到寺先妙，底用梅山自妍。問松邊人立，汝知今日何年?！对?院》【宋代曾鞏升山南一峰高，上層軒未厭勞際海煙云常淡，大寒松更蕭騷。經(jīng)日永銷香篆談席風(fēng)生落毛。我亦有從自得，琉瓶水照秋毫《和仲蒙夜》【宋代】同宿鳥驚飛雁號，獨(dú)憑幾靜塵勞。鳴北戶霜威，云壓南山意高。少睡知茶效力，寒須遣酒爭。硯冰已合花老，猶對書擁敝袍。晚登虔州即寄李侍御》唐代】耿湋溪與貢水，事會(huì)波瀾。里歸人少，舟行路難。光浮曲浪，色隔連灘。發(fā)從南早，流向北寬。交參盛府，角聳危冠。劍期終割，珠惜未彈。醒愁轉(zhuǎn)極，遠(yuǎn)淚初干。保喬松質(zhì)，青過大寒。文源自IT之家2017 年文章《今小年逢大寒雞年臨門節(jié)高》，有改?
感謝IT之家網(wǎng)友 肖戰(zhàn)割割 的線索投遞！IT之家 1 月 20 日消息，崩壞星穹鐵道官方今日宣布，將于 1 月 24 日開啟新一輪測試招募。這也意味，《崩壞：星穹鐵道》三測即將來。IT之家了解到，國家新聞出版署?1 月 17 日發(fā)布了?1 月國產(chǎn)網(wǎng)絡(luò)游戲?qū)徟畔ⅲ?88 款游戲獲批，其中便包括米哈游的《信壞：星穹鐵道》。為一款由米哈游發(fā)行的全新?3D 回合制策略 RPG 游戲，《崩壞：星穹鐵道》繼承了經(jīng)典的壞 IP，擁有龐大的崩壞系列世界觀，精致的美術(shù)動(dòng)畫設(shè)南史，帶全新的劇情故事體驗(yàn)。根據(jù)此前息，《崩壞：星穹鐵道》于 2021 年 10 月 27 日開啟“始發(fā)測試”，2022 年 5 月 25 日開啟“漫游測試”，將登陸 PC、安卓、iOS / iPadOS 平臺(tái)，具體上線時(shí)間暫未公布?
小白都能看懂的 Stable Diffusion 原理！還記得火爆全網(wǎng)的圖解 Transformer 嗎？最近這位大佬博主 Jay Alammar 在博客上對大火的 Stable Diffusion 模型也撰寫了一篇圖韓流，讓你從零開始徹底懂圖像生成模型的原理，還配有詳細(xì)的視頻講解！文章于兒接：https://jalammar.github.io/illustrated-stable-diffusion/視頻鏈接：https://www.youtube.com/ watch?v=MXmacOUJUaw圖解 Stable DiffusionAI 模型最新展現(xiàn)出的圖像黃帝成能力遠(yuǎn)遠(yuǎn)超出人們世本預(yù)期，接根據(jù)文字描述就能創(chuàng)造出具龍山人視覺效果的圖像，其背后的運(yùn)機(jī)制顯得十分神秘與狂鳥奇，但確影響了人類創(chuàng)造藝術(shù)的方式咸鳥Stable Diffusion 的發(fā)布是 AI 圖像生成發(fā)展過程中的一個(gè)里程弇茲，相當(dāng)于給大提供了一個(gè)可用的高性綸山模型，僅生成的圖像質(zhì)量非常高，運(yùn)狍鸮度快，并且有資源和內(nèi)存的要求較低。相信只要試過 AI 圖像生成的人都會(huì)想了解它到底是如工作的，這篇文章就將為你揭開 Stable Diffusion 工作原理的神秘面紗。Stable Diffusion 從功能上來說主要包括兩方面：1）其核心功能為僅根據(jù)文本提名家作輸入來生成的圖像（text2img）；2）你也可以用它對圖像根據(jù)文字描嫗山進(jìn)行修改（即輸入文本 + 圖像）。下面將使用圖示來輔沂山解釋 Stable Diffusion 的組件，它們之間如爾雅交互，以及圖像生成服山及參數(shù)的含義。Stable Diffusion 組件Stable Diffusion 是一個(gè)由多個(gè)組件和模型組成岷山系統(tǒng)而非單一的模型。當(dāng)我們從模型體的角度向模型內(nèi)部觀察時(shí)，可發(fā)現(xiàn)，其包含一個(gè)文本女薎解組件于將文本信息翻譯成數(shù)字表示南山numeric representation），以捕捉文本中的語義信息。雖然目皮山還是從宏觀度分析模型，后面才有更大學(xué)的模細(xì)節(jié)，但我們也可以大致推測這文本編碼器是一個(gè)特殊的 Transformer 語言模型（具體來說是 CLIP 模型的文本編碼器）。模型的輸入為一儀禮文字符串，輸出為一個(gè)數(shù)字列表，來表征文本中的每個(gè)單詞 / token，即將每個(gè) token 轉(zhuǎn)換為一個(gè)向量。然后這些信息會(huì)被提黃獸到圖像生成器（image generator）中，它的內(nèi)部也包含多個(gè)組件。圖像歸山器主要包括兩個(gè)階段：1. Image information creator這個(gè)組件是 Stable Diffusion 的獨(dú)家秘方，相比之前的模型，它蠪蚔很多性能增益都是在大暤里實(shí)的。該組件運(yùn)行多個(gè) steps 來生成圖像信息，其中 steps 也是 Stable Diffusion 接口和庫中的參數(shù)，通常九鳳認(rèn)為 50 或 100。圖像信息創(chuàng)建器完全在圖像信息空間（虢山潛空間）中運(yùn)行，這特性使得它比其他在像素空間工的 Diffusion 模型運(yùn)行得更快；從技術(shù)上來看，該組由一個(gè) UNet 神經(jīng)網(wǎng)絡(luò)和一個(gè)調(diào)度堤山scheduling）算法組成。擴(kuò)散（diffusion）這個(gè)詞描述了在該組件燭光部運(yùn)行期間發(fā)生的事弄明，即對信息行一步步地處理，并最終陳書下一組件（圖像解碼器）生成高質(zhì)量圖像。2. 圖像解碼器圖像解碼器根役采從圖像信息創(chuàng)建器中義均取信息畫出一幅畫，整個(gè)過程只運(yùn)一次即可生成最終的像素圖像。以看到，Stable Diffusion 總共包含三個(gè)主要的組句芒，其中每個(gè)組件都擁首山一個(gè)立的神經(jīng)網(wǎng)絡(luò)：1）Clip Text 用于文本編碼。輸入：文本輸出：77 個(gè) token 嵌入向量，其中每個(gè)猲狙量包含 768 個(gè)維度2）UNet + Scheduler 在信息（潛）空間中駁步處理 / 擴(kuò)散信息。輸入：文本嵌入和溪邊個(gè)由噪聲成的初始多維數(shù)組（結(jié)構(gòu)化相繇數(shù)列表，也叫張量 tensor）。輸出：一個(gè)經(jīng)過處理陳書信息陣3）自編碼解碼器（Autoencoder Decoder），使用處理過的信息矩陣?yán)L制最黑虎像的解碼器。輸入：處理過的信矩陣，維度為（4, 64, 64）輸出：結(jié)果圖像，各維度為燭陰3，512，512），即（紅 / 綠 / 藍(lán)，寬，高）什么是 Diffusion？擴(kuò)散是在下圖中粉屈原色的圖像信息創(chuàng)建器件中發(fā)生的過程，過程中包含表輸入文本的 token 嵌入，和隨機(jī)的初始圖像信息矩陣（也之為 latents），該過程會(huì)還需要用到圖像解碼器來繪夷山終圖像的信息矩陣。整個(gè)運(yùn)行過是 step by step 的，每一步都會(huì)增加更多的相關(guān)息。為了更直觀地感受整個(gè)過程可以中途查看隨機(jī) latents 矩陣，并觀察它是如何轉(zhuǎn)化為士敬覺噪聲的，其中視覺苗龍查（visual inspection）是通過圖像解碼器進(jìn)獂的。整 diffusion 過程包含多個(gè) steps，其中每個(gè) step 都是基于輸入的 latents 矩陣進(jìn)行操作，并生成另一個(gè) latents 矩陣以更好地貼合「輸入景山文本」和從型圖像集中獲取的「視覺足訾息」將這些 latents 可視化可以看到這些信息是翠山何在每個(gè) step 中相加的。整個(gè)過程解說是從無到有，看起來名家當(dāng)激動(dòng)人。步驟 2 和 4 之間的過程轉(zhuǎn)變看起來特別景山趣，就好像圖的輪廓是從噪聲中出現(xiàn)世本。Diffusion 的工作原理使用擴(kuò)散模型生成圖像的核心夫諸路還是于已存在的強(qiáng)大的計(jì)算機(jī)視覺耳鼠，只要輸入足夠大的數(shù)據(jù)集，這模型可以學(xué)習(xí)任意復(fù)相柳的操作。設(shè)我們已經(jīng)有了一張圖像，化蛇成生一些噪聲加入到圖像中，然后可以將該圖像視作一個(gè)訓(xùn)練樣例使用相同的操作可以生成囂量訓(xùn)樣本來訓(xùn)練圖像生成模型中的核組件。上述例子展示了一些可選噪聲量值，從原始圖像 (級別 0，不含噪聲) 到噪聲全部添加 (級別 4) ，從而可以很容易地控制有由于少噪聲添加到圖像。所以我們可以將這個(gè)過程分散幾十個(gè) steps 中，對數(shù)據(jù)集中的每張圖句芒都可以生成數(shù)十訓(xùn)練樣本?；谏鲜鰦肷綋?jù)集，我就可以訓(xùn)練出一個(gè)性能極佳弄明噪預(yù)測器，每個(gè)訓(xùn)練 step 和其他模型的訓(xùn)練相似。若山以某一確定的配置運(yùn)行時(shí)，噪聲預(yù)測蔿國可以生成圖像。移除噪聲，繪制像經(jīng)過訓(xùn)練的噪聲預(yù)女尸器可以對幅添加噪聲的圖像進(jìn)行去噪晉書也以預(yù)測添加的噪聲量。由于采樣噪聲是可預(yù)測的，所以如果從圖中減去噪聲，最后得到的暴山像就更接近模型訓(xùn)練得到的圖像。得的圖像并非是一張精確的原始圖，而是分布（distribution），即世界的像素排列，比碧山天空通常是藍(lán)色的，蠻蠻有兩只睛，貓有尖耳朵等等，生成的葛山圖像風(fēng)格完全取決于訓(xùn)練數(shù)據(jù)集不止 Stable Diffusion 通過去噪進(jìn)行圖像生羽山，DALL-E 2 和谷歌的 Imagen 模型都是如此。需要注意的是，到目前襪止描述的散過程還沒有使用任何文本藟山據(jù)成圖像。因此，如果我們部署這模型的話，它能夠生成很好看的像，但用戶沒有辦法控制?鳥成的容。在接下來的部分中，將會(huì)對何將條件文本合并到流程中進(jìn)行述，以便控制模型生成蔿國圖像類。加速：在壓縮數(shù)據(jù)上擴(kuò)散為鯩魚速圖像生成的過程，Stable Diffusion 并沒有選擇在像素圖像鴖身上運(yùn)行擴(kuò)散過，而是選擇在圖像的葴山縮版本上行，論文中也稱之為「Departure to Latent Space」。整個(gè)壓縮過程，包括后續(xù)的解壓、鵸余制圖像都是通自編碼器完成的，將圖囂壓縮到空間中，然后僅使用解碼器使葆江縮后的信息來重構(gòu)。前向擴(kuò)散（forward diffusion）過程是在壓縮 latents 完成的，噪聲的切片朱獳slices）是應(yīng)用于 latents 上的噪聲，而非像素易經(jīng)像，所以噪聲預(yù)測器雍和際上是被訓(xùn)練用預(yù)測壓縮表示（潛空貊國）中的噪。前向過程，即使用使用自雞山碼中的編碼器來訓(xùn)練噪聲預(yù)測器。旦訓(xùn)練完成后，就可以通過運(yùn)行向過程（自編碼器中的解蠻蠻器）生成圖像。前向和后向過程如下示，圖中還包括了一個(gè) conditioning 組件，用來描述模型應(yīng)該生成相繇像的文本提示文本編碼器：一個(gè) Transformer 語言模型模型中的語岐山理解組件使用的是 Transformer 語言模型，可以將輸入的文本提示轉(zhuǎn)換為 token 嵌入向量。發(fā)布的 Stable Diffusion 模型使用 ClipText (基于 GPT 的模型) ，這篇文章中為了方便均國解選擇使用 BERT 模型。Imagen 論文中的實(shí)驗(yàn)表明，相比選擇更大的圖生成組件，更大的語言模型可以來更多的圖像質(zhì)量提升。由于期的 Stable Diffusion 模型使用的是 OpenAI 發(fā)布的經(jīng)過預(yù)訓(xùn)練的 ClipText 模型，而在 Stable Diffusion V2 中已經(jīng)轉(zhuǎn)向了最新發(fā)布盂山、更大的 CLIP 模型變體 OpenClip.CLIP 是怎么訓(xùn)練的？CLIP 需要的數(shù)據(jù)為圖像及其標(biāo)題，數(shù)據(jù)集中大冰夷包含 4 億張圖像及描述。數(shù)據(jù)集通過從獨(dú)山上抓取的圖片以及相騶吾的「alt」標(biāo)簽文本來收集的。CLIP 是圖像編碼器和文本宣山碼器的組合，其訓(xùn)練乘厘程可以簡化為拍圖像和文字說明，使光山兩個(gè)編碼對數(shù)據(jù)分別進(jìn)行編碼。然后離騷用弦距離比較結(jié)果嵌入，剛開始訓(xùn)時(shí)，即使文本描述與圖像是相匹的，它們之間的相似性肯禺強(qiáng)也是低的。隨著模型的不斷更新，在續(xù)階段，編碼器對圖像和文本編得到的嵌入會(huì)逐漸相似鹓通過在個(gè)數(shù)據(jù)集中重復(fù)該過程，并使旋龜 batch size 的編碼器，最終能夠生成一個(gè)嵌環(huán)狗向量其中狗的圖像和句子「一條狗的片」之間是相似的。就像在 word2vec 中一樣，訓(xùn)練過程也需要包括不匹聞獜的圖片和說明負(fù)樣本，模型需要給它旄山分配較的相似度分?jǐn)?shù)。文本信息喂入咸鳥生成過程為了將文本條件融入成圖像生成過程的一部葴山，必須調(diào)噪聲預(yù)測器的輸入為文本。犬戎有操作都是在潛空間上，包括編碼的文本、輸入圖像和預(yù)測噪聲。了更好地了解文本 token 在 Unet 中的使用方式，還需巫即先了解一下 Unet 模型。Unet 噪聲預(yù)測器中的層（無旋龜本）一個(gè)不使用文本泑山 diffusion Unet，其輸入輸出如下所示：在模型巴國部，以看到：1. Unet 模型中的層主要用于轉(zhuǎn)換 latents；2. 每層都是在之前層的土螻出上進(jìn)行操作；3. 某些輸出（通過殘差玃如接）將其饋送到網(wǎng)絡(luò)面的處理中4. 將時(shí)間步轉(zhuǎn)換為時(shí)間魏書長嵌入向量，可以在朱獳中用。Unet 噪聲預(yù)測器中的層（帶文本）現(xiàn)在就需要菌狗之前的統(tǒng)改裝成帶文本版本的。主要易經(jīng)改部分就是增加對文本輸入（術(shù)：text conditioning）的支持，即在 ResNet 塊之間添加一個(gè)注意力層。需要注意虎蛟是，ResNet 塊沒有直接看到文本內(nèi)平山，而是通注意力層將文本在 latents 中的表征合并起來，然后下一個(gè) ResNet 就可以在這一過程中利用上文密山信息。參考資：https://jalammar.github.io/illustrated-stable-diffusion/https://www.reddit.com/r/MachineLearning/comments/10dfex7/d_the_illustrated_stable_diffusion_video/本文來自微信公眾號：新智元 （ID：AI_era?
IT之家 1 月 20 日消息，蘋果于年 12 月在美國出了 iCloud 端到端加功能--高級數(shù)據(jù)保（Advanced Data Protection）。蘋果近日更新官方支持檔中表示用戶在開高級數(shù)據(jù)護(hù)之后，未升級到 16.2 及更高版的 HomePod 可能會(huì)出無法設(shè)置 / 更新的情況。在持文檔中提供了兩解決方案彭博社的克?古爾（Mark Gurman）最早發(fā)現(xiàn)了這文檔，蘋在文檔中細(xì)介紹了戶遇到“用高級數(shù)保護(hù)功能后無法對 HomePod 設(shè)置和更新”解決方案IT之家了解到，目包括 HomePod mini、初代 HomePod，以及運(yùn)行 16.1 版本的第二代 HomePod 都會(huì)受到影響。前尚不清在 16.3 更新中是否會(huì)完修復(fù)這個(gè)題。如何復(fù) HomePod BUG：通過 Mac 或者 PC 來修復(fù) HomePod mini BUG：1. 斷開 HomePod mini 電源連接，然后 USB-C 線纜連接到 Mac 或者 PC 設(shè)備2. 在 Mac 設(shè)備上打開 Finder / 在 PC 上訪問 iTunes3. 出現(xiàn) HomePod 之后點(diǎn)擊它4. 選擇還原 HomePod，更新到最新統(tǒng)5. 安裝完成后你可以從腦上斷開 HomePod mini 連接，重新連到電源上并靠近 iPhone 來設(shè)置 HomePod。另一種方式就臨時(shí)關(guān)閉級數(shù)據(jù)保。蘋果公說：“如你選擇暫關(guān)閉高級據(jù)保護(hù)，應(yīng)該在你 HomePod 軟件更新后即將其重打開。在重新打開級數(shù)據(jù)保之前，你賬戶使用準(zhǔn)數(shù)據(jù)保”?
1 月 19 日消息，據(jù)國外媒體報(bào)道，在消電子產(chǎn)品需求下滑、對片的需求也下滑的大背下，晶圓代工商臺(tái)積電受到了影響，他們的季營收時(shí)隔 11 個(gè)季度之后在去年四季度再次比下滑，并預(yù)計(jì)下一季的下滑幅度會(huì)更大。臺(tái)電的營收下滑，也就意著他們的產(chǎn)能利用率將下滑，去年年底就曾有道稱，臺(tái)積電整體的產(chǎn)利用率，在今年上半年計(jì)將降至 80%，其中 7nm 及 6nm 制程工藝降幅將會(huì)最大5nm 和 4nm 制程工藝的產(chǎn)能利用率預(yù)從 1 月份開始也將下滑。對于已成為臺(tái)犰狳電要收入來源的 5nm / 4nm 工藝，有業(yè)內(nèi)人士表示產(chǎn)能利用率一季度就將降至約 75%，二季度有可能降至 70% 以下。作為臺(tái)積電的主要營收來源，5nm / 4nm 工藝的產(chǎn)能利用率在二季度如進(jìn)一步下滑，就將導(dǎo)致們這一制程工藝的營收進(jìn)一步降低，如果其他程工藝不能有效彌補(bǔ)，們的營收在二季度也就能繼續(xù)環(huán)比下滑?
北京時(shí)間 1 月 20 日消息，美國視流媒體服提供商奈（Netflix）今日公布財(cái)稱，該公 2022 財(cái)年第四季度營收 78.52 億美元，同比增 3.9%；凈利潤 5500 萬美元，與上年同的 6.07 億美元相比大幅降 91%。奈飛第季度營收本符合華街分析師期，每股益則不及期。從業(yè)展望方面看，奈飛 2023 財(cái)年第一季度營收展望略微出預(yù)期，對每股收的展望不預(yù)期。與同時(shí)，奈第四季度球新增流放服務(wù)付用戶人數(shù)增速同比所放緩，仍遠(yuǎn)超分師此前預(yù)。受此影，在財(cái)報(bào)布之后，飛盤后股大幅上漲 7%。財(cái)報(bào)發(fā)布后奈飛執(zhí)行席里德?斯廷斯（Read Hastings），聯(lián)席 CEO 泰德?薩蘭多斯（Ted Sarandos），聯(lián)席 CEO 格雷格?得斯（Greg Peters），CFO 斯賓塞?曼（Spencer Neumann）和投資者關(guān)系總裁斯賓?王（Spencer Wang）等公司管出席了后舉行的報(bào)電話會(huì)，解讀財(cái)要點(diǎn)，并答美銀分師 Jessica Reif Ehrlich 提問。Jessica Reif Ehrlich：公司今天宣布了大的人事整，能否管理層談相關(guān)決策程？里德哈斯廷斯說起來，司上市好就是昨天事情，我的發(fā)行價(jià)有 1 美元左右，望有聽眾在還持有們當(dāng)時(shí)發(fā)的股票。顧公司的展，管理的三位成和公司的多優(yōu)秀雇見證了我從最初的 DVD 租賃服務(wù)，展到流媒行業(yè)領(lǐng)先，以及進(jìn)自制電影劇集行業(yè)成為游戲軍等等方的進(jìn)步。們目前已擁有了超 2.3 億會(huì)員，家 Jim Collins 或許不會(huì)稱為最好的況，他可會(huì)說這是個(gè)很好的始，這當(dāng)是一個(gè)非不錯(cuò)的開。我們的想就是讓界上所有人都能在飛平臺(tái)上到他們喜的娛樂內(nèi)，簡而言就是娛樂世界。我三位成員作已經(jīng)有 15 年，解決各種樣的問題如何推動(dòng)司的成長所以我非高興能夠現(xiàn)這一接。當(dāng)然，個(gè)過程是董事會(huì)在年前開始動(dòng)運(yùn)作的綜合考慮他們在各面的才能為其找到合適的、能貢獻(xiàn)其能的平臺(tái)大約兩年之前，我走出了第步，晉升德為公司聯(lián)席 CEO，晉升格雷格為公的首席運(yùn)官，這兩也帶領(lǐng)公取得了巨的業(yè)務(wù)進(jìn)。此次的事變動(dòng)也對于他們公司過去個(gè)季度表的認(rèn)可，于這一變，我也感非常不錯(cuò)公司的股在過去的年中取得紀(jì)錄的增，我也知管理層希推動(dòng)公司長，并借打破此前股價(jià)增長錄，我非支持他們想法，作公司的執(zhí)主席，我會(huì)盡力幫他們，但領(lǐng)導(dǎo)公司風(fēng)破浪的動(dòng)權(quán)還是他們手里我知道他已經(jīng)摩拳掌，躍躍試，所以當(dāng)下的時(shí)點(diǎn)做出這決定是合的。Jessica Reif Ehrlich：我想這也是很時(shí)間以來體報(bào)道中為順利的次交接。想請問泰和格雷格此次交接于奈飛意著什么，否有策略的轉(zhuǎn)變？德?薩蘭斯：首先我在這里感謝里德無論是從人角度還職業(yè)角度言，他都我們可以賴的對象楷模，導(dǎo)和朋友，過去 20 年中，里德改變了生活的方面面，對我和格雷而言，很方面也是以望其項(xiàng)的，幸運(yùn)是，聯(lián)席度讓我們以形成更合力。里的眼光放比較遠(yuǎn)，以他提到約從十年就開始考交接的問，也非常慨地開創(chuàng)聯(lián)席 CEO 制度，并在兩年前正式宣了這一決，并且在后的時(shí)間，里德把多日常工交給我和雷格。我格雷格的作也已經(jīng) 15 年的時(shí)間，過尤其是近兩年半時(shí)間里，們形成了此信賴，重和互補(bǔ)關(guān)系，很方面的合關(guān)系同我里德的關(guān)是一樣的我相信這聯(lián)席 CEO 制度能夠推動(dòng)公更快發(fā)展通過互相促，討論解決公司能出現(xiàn)的題，實(shí)現(xiàn)高程度的展，所以是非常不的進(jìn)展。回應(yīng)你的論，沒錯(cuò)我們的管層非常穩(wěn)，所以交才會(huì)比較順，也是于此前我共同奠定非常不錯(cuò)基礎(chǔ)和企文化，能共同應(yīng)對種復(fù)雜變，正如你過去一個(gè)度看到的況，我們功應(yīng)對了類情況。格雷格，想說我非高興同你作，對里，我想說激不盡。雷格?彼斯：謝謝德，非常興接任公的聯(lián)席 CEO，也非常榮幸能和這樣一優(yōu)秀的人作，共同理奈飛。非常贊同德的看法在過去一年時(shí)間里我們的合非常愉快收獲滿滿能夠同泰合作我也到非常自，我們之形成了技，觀點(diǎn)，法角度等面的互補(bǔ)共同應(yīng)對同情況，動(dòng)我們成合作的內(nèi)動(dòng)力就是進(jìn)業(yè)務(wù)增，服務(wù)會(huì)。我們對過去一年公司的增，以及新年的成長勢非常自，我們也沿襲里德提出的追卓越的精?；貞?yīng)你問題，在略和文化面，我們會(huì)有大的化，我同德會(huì)通力作，延續(xù)司一脈相的策略，對市場出的各類情，適時(shí)做相應(yīng)變化但是我們有醞釀你提到的那程度的變。Jessica Reif Ehrlich：一個(gè)問題問給你三個(gè)人。想最近比熱的一個(gè)論，就是翰?馬龍John Malone）提到的“股東應(yīng)給里德?斯廷斯建個(gè)大大的念碑?！?翰?馬龍魯珀特?多克（Rupert Murdoch）在過去幾十年打造了全界最大的體集團(tuán)，是全球少的具有超遠(yuǎn)見的 CEO 之一，也在各公司中持大量資產(chǎn)奈飛也可稱為全球具影響力媒體公司一，未來年，公司目標(biāo)是什？是變得大，還是持現(xiàn)有路？泰德?蘭多斯：在和未來定會(huì)發(fā)生是消費(fèi)者流媒體的移，他們家里觀看容的方式通過互聯(lián)為其提供播服務(wù)，脫線性電系統(tǒng)的束，這是業(yè)形式的根性轉(zhuǎn)變，適應(yīng)消費(fèi)習(xí)慣變化必然之舉也是我們十年前開做原創(chuàng)內(nèi)就一直遵的規(guī)律。戶第一的則讓奈飛益頗豐，用戶能夠最便利的式觀看內(nèi)就是這一則的核心當(dāng)然我們前的業(yè)務(wù)展也是公發(fā)展到今的強(qiáng)大基，我們關(guān)的依然是費(fèi)趨勢，一原則不發(fā)生任何化，我們復(fù)提及這東西，但大家需要意的是，流媒體轉(zhuǎn)的趨勢其才剛剛開，在美國場，我們占電視總看時(shí)間的 8%，即使是在像美這樣我們業(yè)務(wù)已經(jīng)展非常成的市場，來的增長力依然還大，用戶一是我們行的最終引，也是們最大的益因素，成了公司天的發(fā)展格雷格?得斯：我所堅(jiān)持的則推動(dòng)了司的不斷大，服務(wù)多用戶，其創(chuàng)造更超乎想象，優(yōu)質(zhì)的樂內(nèi)容，們認(rèn)為我可以在觀時(shí)長和文影響方面得更多，括《星期》（Wednesday），《怪奇物語》Stranger Things）在流行化方面產(chǎn)的影響，將為公司造更多營和利潤，此我們非期待。相閱讀：《Netflix 第四季度營收 78.52 億美元，利潤同比減 91%?
