模型式总结 第1篇

动机往往不可预测，不可靠，但是能力却很可靠。能力是用户完成行为最关键的要素，但是用户本性是懒惰的，所以我们需要帮助用户让行动变得简单。

把行为拆解到很少，即使动机很小甚至没有动机用户也能做到。做20个俯卧撑很难，需要很高的动机，但2个靠墙俯卧撑却很容易做到。

喜马拉雅下载完成后提供“随便逛逛”，无需登录就能进入App浏览收听，当需要做具体的操作，比如订阅、评论、点赞等才会唤起登录弹窗，提示用户进行登录。

当用户想做，但是发现步骤多，比较麻烦，很可能劝退用户。我们要时刻记住不要让用户思考，不要让用户等待。

剪辑视频对大部分来说无疑是复杂的。秒剪通过“剪同款”简化剪辑和后期处理的流程，仅需点一两下就可以看到制作后的同款精美视频了。

决策疲劳

用户有能力完成，但是有时容易纠结，我们需要帮助用户快速做出决策。在点外卖时，很容易犯纠结症，饿了么提供了一个“帮你点”的功能，按照人气给用户推荐，并且详细告诉用户适合几人食用；在选择具体的规格时，也会显示多少用户选择，毕竟对于没吃过该食物的用户来说，对辣的程度是没有概念的。

心理负担

用户有能力完成，但是有时会担心自己做得不够好，我们需要帮助用户排除顾虑。比如微信“状态”非常轻量的动态发布，仅会保留24小时；而微信朋友圈也可以选择开放时长，减少用户的顾虑，更能刺激用户更多的发布内容。

模型式总结 第2篇

在本文中，我简要介绍了ONNX运行时和ONNX格式。然后，我展示了如何在ONNX运行时使用Java加载和运行ONNX模型。

来自： 码农9527 > 《码农》

0条评论

发表

请遵守用户 评论公约

Py之onnx：onnx/onnxruntime库的简介、安装、使用方法之详细攻略

Py之onnx：onnx/onnxruntime库的简介、安装、使用方法之详细攻略。Py之onnx：onnx/onnxruntime库的简介、安装、使用方法之详细攻略。Git...

来看第一个示例：MNIST_Demo，是一个手写数字识别的UWP 程序，大家都知道，手写数字识别是 Machine Learning 的基础和入门课题，就像每种编程语言的 HelloWorld 一样，我们借这个示例来看一下 Windows ...

Facebook致力人工智能 开源 AI框架

Facebook近日宣布，将于近期开源PyTorch AI框架，据悉，该框架是PyTorch与Caffe 2的结合，可以让开发者无需迁移就从研究转为生产。...

模型部署翻车记：pytorch转onnx踩坑实录

模型式总结 第3篇

fogg教授认为动机源自3类：

人物：想要采取行动的人；

行动：采取行动可以得到的外部利益或受到的惩罚；

情境：因人物所处环境引发的动机。

需要特别注意的是高水平动机是很难维持的，往往动机冲上顶峰后会迅速回落。

另外动机相关的理论还可以了解美国著名社会心理学家亚伯拉罕·马斯洛提出的“马斯洛需求层次”，分别是5个层次需求：生理需求、安全需求、情感和归属的需求、尊重需求、自我实现需求，只有底层需求得到满足，才会向更高一层次发展。

首先，这一类动机主要源自一个人的内在，本身就想要做。例如，人人都追求快乐、愉悦，人人都有好奇心、求知欲等。

好奇 / 探索

这里不得不提“时间黑洞”的抖音，手指轻轻一划，快乐无比，时间就这样刷没了！同样的刷淘宝也是一样的道理。

个性 / 独特

很多社交类平台的个人页面都提供了更换背景的功能，就是满足用户个性化追求，希望被他人注意的心理，众人的关注让人们有一种优越感。

融合/ 沟通

人们天生有分享的欲望，希望与他人分享自己的快乐、成功等，分享让人们更容易和他人建立连接。

动机还可以源自和行为相关的利益或者惩罚。人们会为了得到奖励而采取行动，也会为了避免受到惩罚而采取行动。

外部利益

模型式总结 第4篇

下面的片段显示了如何将ONNX模型加载到以Java运行的ONNXRuntime中。这段代码创建了一个会话对象，可用于进行预测。这里使用的模型是从PyTorch导出的ONNX模型。

这里有几件事值得注意。首先，您需要查询会话以获取其输入。这是通过会话的getInputInfo方法完成的。我们的MNIST模型只有一个输入参数：一个由784个浮点组成的数组，代表MNIST数据集中的一张图像。如果您的模型有多个输入参数，那么InputMetadata将为每个参数设置一个条目。

上面的代码中没有显示的是读取原始MNIST图像并将每幅图像转换为784个浮动数组的实用程序。每个图像的标签也从MNIST数据集中读取，这样就可以确定预测的准确性。这段代码是标准的Java代码，但我们仍然鼓励你检查并使用它。如果您需要读取与MNIST数据集相似的图像，它将为您节省时间。

模型式总结 第5篇

提示，是行为发生的决定性要素；没有提示，行为就不会发生。既有动力又有能力的时候，人们会对提示做出可靠的回应，因此，适时的提示会很有效，它就像在对用户说“现在就行动吧！”

fogg教授总结常见的提示有3类：

人物提示：通过自己/他人的提醒采取行动

情境提示：通过周围环境中的某些事物来提示行动

行动提示：通过既有日程来提示后续行动

那对应到产品设计当中，我是这样理解的：

就是最常用手机系统的各种通知，通过文字、声音、振动把用户注意力吸引到某一手机界面中。

就是在某一个界面中（环境）的醒目度和吸引度。提升醒目度和吸引力的方法有很多种，常见的有：动效、声效、图片、对比，图片的醒目和吸引一般是通过人脸眼睛的指引，或者本能，比如性、危险、食物等，而对比一般是有形状对比、色彩对比、大小对比、虚实对比、投影对比、情绪对比等。

情境提示有时会很有用，但是要避免滥用，最常见的就是各种动效福利弹窗，我现在都是从来不会点进去的，直接叉掉，并且此时的心理是厌恶的：该死的套路，又来了！

和人为提示和情境提示相比，行动提示的效果是最好的，fogg教授给它取了另外一个名字：锚点。比如：你吃完饭，放下碗筷，这时有人递给你一张纸巾……你一定会觉得TA很贴心。

所以在产品设计中，我们如果也能做到这样恰到时分，恰到好处，就会赢得用户的好感。这一层面主要是体现在交互层面的，通常有3种提示：行为预判、临门一脚、衔接顺畅。

行为预判：猜猜TA的心思！

TA不必说，你就能通过TA的行为猜出心思，然后给出相应的回应。而在产品设计中，用户往往是没办法直接告诉我们他要什么想什么的，因此根据用户的操作，我们做出相应的预判就很有必要，这大概就是算法盛行的原因吧。

微博根据用户浏览停留时长预判用户对该内容感兴趣，有互动的欲望，随即自动弹出评论框，吸引也方便用户评论；用户很久没打开闲鱼再次打开时，会预判用户有发布闲置的需求，故而进行提示发布。

临门一脚：明确心意主动出击！

你正在看一个心仪很久的包包，这时柜台小姐姐跟你说今天女王节，打半价，你估计心花怒放，立刻出手了吧！

当我们截图时，“转转”会提示，是分享截图还是分享商品；当在小红书看某个人的主页一定时长后，会提示“看我这么久关注一下？”提示去关注。

衔接顺畅：对的时间做对的事！

你跑完步，大汗淋漓回到家，是更愿意先洗个澡换身衣服再吃饭，还是先吃了饭再洗澡换衣服？基本上所有的评价行为都是设计在某一个具体行为之后的，比如确认收货完成，进行评价；比如学习完成，对课堂内容或老师进行评价。

福格模型的3个要素缺一不可，在很多设计案例中都不是解决单一要素的，需要三者结合才能影响或者改变用户的行为，才能提升用户的使用体验。

需要记住用户的动机是多变的，不可靠的。应当先从提示入手，引导用户，接着提升用户能力，激励用户达成每一个行为，并且在适当的时机推动用户。

当我们理解和掌握了福格行为模型，就可以在产品设计中做出友好并且有效的行为设计，也可以改变自己的行为和习惯，逆转自己的人生。建议你也去读一读《福格行为模型》这本书，一定会有收获的！