最新

我一直在用 Tenor 为我开发的一些社交应用提供服务，甚至像 Twitter、Whatsapp、Discord 这样的大平台也使用 Tenor（比 Giphy 用得还多）来让用户分享 GIF 动图。<p>今天早上，我收到了 Tenor 的邮件，通知他们将于 6 月 30 日关闭 Tenor API。<p>从现在开始，将不再接受新用户注册。 所有 API 将于 6 月 30 日之后停止工作 :(

今天我注意到 Windows 又悄悄地改了开始菜单。 现在它看起来更像移动端那种“已固定应用 + 分组类别”的模式。 这让我意识到一件事： 硬性类别在桌面系统上根本行不通。 用户习惯各异，应用功能重叠，命名不一致，而且没人想维护文件夹。 自动分组更糟糕——标签错误、奇怪的组合、逻辑不一致。 而且，没有哪个厂商能维护一个针对桌面应用的全球分类数据库。 搜索也不太好用。 桌面工作流程主要靠鼠标操作，切换到键盘会打断流程。 将本地结果与网页内容（和广告）混在一起，会变得嘈杂且不可靠。 所以，我脑海中冒出了一个小想法： 与其使用类别或纯粹的搜索，为什么不使用动态生成的语义导航呢？ - 已固定的应用保持不变，作为稳定入口 - “所有应用”打开一个带有语义筛选器的空间 - 系统从本地应用生成动态标签 - 用户点击标签逐步缩小范围 - 一个应用可以出现在多个路径下 - 轻量级的多级菜单，始终可逆 - 字母顺序列表保留作为备选方案 - 仍然存在手动搜索，用于精确查找 不是硬性类别。 不是传统的搜索。 只是一个轻量级、动态的、本地应用的语义地图。 这只是一个小想法，但也许是一个更好的方向—— 而且它也可能在移动端上奏效。 （由我的原始笔记进行 AI 辅助翻译。）

将机器学习模型部署到设备端仍然是一个巨大的难题。大多数团队默认选择云端推理，原因如下： * 在不同设备上测试模型是手动且容易出错的。 * 设备限制在模型导出时并不明显。 * 为多个平台重写部署代码会浪费数天甚至数周的时间。 我开发了 Refactor AI，一个基础设施工具，它可以： * 分析经过训练的机器学习模型，并标记出无法在目标设备上运行的操作。 * 在可能的情况下，重构模型。 * 为 CoreML、ONNX Runtime、ONNX.js 和 TFLite 生成可直接部署的代码。 这可以将部署时间从数天缩短到几分钟，并使团队能够在设备端本地运行推理，从而节省云端 GPU 成本。 欢迎提供反馈，在真实模型上进行测试，或提出改进建议。