金庸无双

继共享单车之后，又一顶着共享旗号的项目大火。不用说，大家都知道，就是共享充电宝。近日，聚美优品创始人陈欧宣布投资3亿元现金，入股深圳街电科技有限公司，并将出任董事长一职。陈欧还对外称，未来将对该项目继续注入几十亿元资金。 之前与其疑似结下过梁子的王思聪怒怼了他一把，认为共享充电宝成不了，甚至不惜祭出吃翔的赌注。当然，这是另外的趣话。外界好奇的是，聚美优品目前处境并不好，为何却不惜重金押宝在前景并不明朗的创业项目之上? 处境不佳的聚美优品：增长乏力、用户流失 在分析陈欧投资共享充电宝项目的意图之前，有必要来看看聚美优品的现状。 应该说，陈欧和他的聚美优品都算得上少年得志的典型。2010年成立，实现连续八个季度盈利，2014年就在纽交所敲钟上市，成为中国首个赴美上市的垂直化妆品电商。国内这么多电商企业之中，聚美优品的路子是最顺利不过的。阿里和京东都是在行业中艰难地摸爬滚打了十数年，才获得资本市场的认可，更别说其他众多的先烈。 但这次上市很可能是聚美优品发展史的最高光时刻。上市之后，它便深陷水货、假货的旋涡之中，用户投诉抱怨不止，并引发了美律所集体诉讼。重重冲击之下，聚美优品的股价不断下跌。2014金庸无双

专栏作家 @孙金龙（微信公众号：金龙聊运营） 原创发布。转载请联系人人都是产品经理。 一个大学刚毕业的妹子问我：哥，运营是不是个好职业？ 我说：这个问题啊，有点复杂。来，坐下慢慢说。 首先，一个人不太可能一辈子只干一个职业。其次，职业本身也是有生命周期的。所以吧，咱不能孤立的看待一个职业。 运营这个职业好不好，需要多个维度去透视一下。 一.产业维度——现阶段运营的身价最高 人，和其他商品没有本质区别，都是由供需关系决定的。你的身价取决于市场的需求，而市场的需求是由产业状况决定的。 移动互联网刚兴起的时候，技术是焦点，比如触控、语音、LBS，市场最渴求的也是技术大牛。 但技术的窗口期很短，很快各家的技术水平都差不多了，重点变成了产品。比如LBS，既可以做陌陌，也能做大众点评。大量产品被创造出来，基于不同场景，满足不同需求。这个时候，产品的身价最高。 到了今天，能试的场景都试过了。再小的需求，都能找到好几个产品满足你。产品间也长得越来越像。一个产品、一项业务能不能做起来，很大程度上取决于运营的能力。降低获客成本，提升用户价值，运营的功力往往决定着产品的生死。 所以，目前运营的身价是相对最金庸无双

在旧金山，一座最高的建筑马上就要封顶了，那就是Salesforce的新办公室。这幢大楼名为Salesforce Tower。Salesforce Tower共62层，据说，完工之后，这幢楼每晚都会有一场灯光秀，30里之外都清晰可见。 科技公司的大楼，基本和低调内敛这样的词是不沾边的，细细盘点一下，会发现事实就是如此。 要说引起最大关注的应该是Apple Park。 Apple Park是乔布斯的最后一个遗产，他于2011年6月7日首次公开展示了自己设计的Apple的新园区，同时，那天也是乔布斯最后一次公开露面。在那次会议上，他对Apple Park有这样的描述，“它有点像一艘太空船。”当然，乔布斯不知道，这个园区后来被命名为Apple Park，也有很多人喜欢称它为——甜甜圈。 虽然乔布斯不知道的事情有很多，但这个“飞船”最终按照他的想法建造了。乔布斯曾强调“整个建筑没有一块玻璃是平的……如果你造房子，你就会知道，这不是最省钱的建造方式。”乔布斯的估计是正确的。据彭博社报道，其预算已从不到30亿美元膨胀到近50亿美元。花大钱采用曲面玻璃的效果就是美。 Apple Park 曲面墙壁概念图 除了美，更为实用的一点在于，由于Apple Park的圆盘型和各种导流设计，室内仅需要自然通风就能完金庸无双

在下沙大学城附近，有一种物业类型的房子几乎到了供不应求的地步。 把一套三室一厅改造成四居室，分开出租。每个卧室都配上厕所，厨房公用区域。一套原本租金在3000元左右的公寓可以租出5000-6000元的价格，整体租金往上翻了约一倍。 这个大城市里常见的隔间出租，在大学城附近有了一个新的名字“学生公寓”。 由于学校的住宿条件有限，不能满足所有学生的住宿要求。学生们又非常渴望有独立的生活空间，经费有限的情况下，一间租金在1000-1500左右，自带卫生间的卧室就相当理想。 小编有个朋友，从2014年开始大范围的租下下沙大学城周边的公寓，改造成多居室的学生公寓。2年来，几十间卧室几乎从未断档，在学期交接的时候，甚至需要提前预定。 这类出租房的运营逻辑放到全世界都是适用的。 在美国，平均100个学生仅有12张床位 特别在美国，由于这两年的留学潮及高校扩招，当地学校宿舍量相当紧张，学生公寓几乎已经成了刚需。 美国留学生增长量迅速 一些距离学校近，装修适中，价格合适的学生公寓是学生们的优选。 从纯投资的角度，投资学生公寓比持有一套普通公寓，回报要高的多。 当然，也要考虑持有成本的问题。 有过租房经验的朋友知金庸无双

雷锋网按：本文作者宋传标，原文载于作者个人博客，雷锋网已获授权。 一、CNN的引入 在人工的全连接神经网络中，每相邻两层之间的每个神经元之间都是有边相连的。当输入层的特征维度变得很高时，这时全连接网络需要训练的参数就会增大很多，计算速度就会变得很慢，例如一张黑白的 28×28 的手写数字图片，输入层的神经元就有784个，如下图所示： 若在中间只使用一层隐藏层，参数 w 就有 784×15=11760 多个；若输入的是28×28 带有颜色的RGB格式的手写数字图片，输入神经元就有28×28×3=2352 个…… 。这很容易看出使用全连接神经网络处理图像中的需要训练参数过多的问题。 而在卷积神经网络（Convolutional Neural Network,CNN）中，卷积层的神经元只与前一层的部分神经元节点相连，即它的神经元间的连接是非全连接的，且同一层中某些神经元之间的连接的权重 w 和偏移 b 是共享的（即相同的），这样大量地减少了需要训练参数的数量。 卷积神经网络CNN的结构一般包含这几个层： ● 输入层：用于数据的输入 ● 卷积层：使用卷积核进行特征提取和特征映射 ● 激励层：由于卷积也是一种线性运算，因金庸无双