- 博客(110)
- 问答 (1)
- 收藏
- 关注
RSS订阅转载 转码和编码之间的区别，影响视频质量和码率的因素
质量损失的程度取决于多种因素，包括使用的编解码器和转码过程中使用的设置。每个编解码器使用不同的算法来压缩数据，因此编解码器的选择将影响编码视频的质量和文件大小。如果您希望为您的企业购买完全托管的视频编码和转码软件，Gumlet 是一款专为自动化视频发布管道而构建的顶级解决方案。较小的文件大小会导致较低的质量，但较大的文件大小会占用更多的存储空间并且更难以分发。但是，如果您的观众范围广泛、地理位置分散、使用不同的设备和媒体播放器流式传输视频，并且网络条件各不相同，则必须对视频进行转码以确保播放兼容性。
2023-11-10 17:00:54
296
转载 视频编码、解码和转码入门指南
硬件编码器是具有专用处理能力的即插即用设备，用于低延迟编码视频流，而软件编码器必须共享CPU和其他硬件资源。广播- 用于回传、现场远程采访、远程制作的返回馈线和远程制作企业- 用于互联网流传输您的全员大会会议、远程投稿、作为IPTV和数字标牌国防- 用于关键任务的情报、监视和侦察（ISR）应用程序软件编码器可以安装在标准的现成硬件上或作为数据中心或云平台中的虚拟机（VM）安装。虽然软件可以是文件编码视频内容的好选择，但它们不提供与专用硬件编码器相比的超低延迟水平，因此不适合大多数实时广播投稿应用程序。
2023-11-10 16:37:01
205
转载 C++ STL priority_queue容器适配器
什么是容器适配器？再举一个例子，假设一个代码模块 A，它的构成如下所示：class A{public: void f1(){} void f2(){} void f3(){} void f4(){}};现在我们需要设计一个模板 B，但发现，其实只需要组合一下模块 A 中的 f1()、f2()、f3()，就可以实现模板 B 需要的功能。其中 f1() 单独使用即可，而 f2() 和 f3() 需要组合起来使用，如下所示：class B{privat..
2022-01-13 18:18:29
278
转载 STL迭代器和指针
要访问顺序容器和关联容器中的元素，需要通过“迭代器（iterator）”进行。迭代器是一个变量，相当于容器和操纵容器的算法之间的中介。迭代器可以指向容器中的某个元素，通过迭代器就可以读写它指向的元素。从这一点上看，迭代器和指针类似。迭代器按照定义方式分成以下四种1) 正向迭代器，定义方法如下：容器类名::iterator 迭代器名;2) 常量正向迭代器，定义方法如下：容器类名::const_iterator 迭代器名;3) 反向迭代器，定义方法如下：容器类名::reverse_iterator 迭...
2022-01-13 15:44:38
410
转载 Git恢复之前版本的两种方法reset、revert（图文详解）
Git恢复之前版本的两种方法reset、revert（图文详解）_游笑天涯-CSDN博客_git revert
2021-09-29 17:29:17
119
转载 Git 将自己的开发分支代码更新到和master分支一样
1.首先切换到主分支git checkout master2.使用git pull 把领先的主分支代码pull下来git pull3.切换到自己的开发分支git checkout 开发分支名4.把主分支的代码merge到自己的分支git merge master5.git push推上去即可, 现在自己开发分支代码就和主分支的代码一样了git push origin 开发分支名强制覆盖本地代码:git fetch --allgit rese
2021-09-29 17:28:39
2756
转载 Git拉取远程最新代码，并与当前分支合并
在团队开发中，git的使用已经很常见了，在多人协同开发中，我们经常会遇到这样的问题：A在本地开发完成后，将代码推送到远程，这时候B的本地代码的版本就低于远程代码的版本，这时候B该如何从远程拉取最新的代码，并与自己的本地代码合并呢？ 具体步骤如下：1. 查看远程仓库:```git remote -v```2. 比如 在步骤一中，我们查看到远程有一个叫origin的仓库，我们可以使用如下命令从origin远程仓库获取最新版本的代码```git fetch origin master:
2021-09-29 16:46:07
1473
转载 CMake用法示例
本文主要介绍 CMake 的用法示例。说明：本文的用法示例是面向 Linux 操作系统的。1 概述引用 CMake 官网的描述，内容如下：CMake is an open-source, cross-platform family of tools designed to build, test and package software.CMake is used to control the software compilation process using simple platf.
2021-09-29 14:35:23
75
转载 cmake的基本参数和用法
1.CMake编译原理CMake是一种跨平台编译工具，比make更为高级，使用起来要方便得多。CMake主要是编写CMakeLists.txt文件，然后用cmake命令将CMakeLists.txt文件转化为make所需要的makefile文件，最后用make命令编译源码生成可执行程序或共享库（so(shared object)）。因此CMake的编译基本就两个步骤：1. cmake2. makecmake 指向CMakeLists.txt所在的目录，例如cmake .. 表示CMakeList.
2021-09-29 14:34:26
5770
转载 GitLab项目在Linux上的clone过程详解
1、在linux上安装git工具yum install git2、生成公钥文件ssh-keygen一直回车即可3、获取公钥文件的内容cat ~/.ssh/id_rsa.pub4、在GitLab上添加公钥复制输出在屏幕上的内容，然后将此内容复制到gitlab网站上，步骤：我的--->Settings--->SSH Keys--->复制内容--->Add key即可5、复制仓库的地址首先找到你要clone的分支，然后选择后面的clone，然后选择ssh地.
2021-09-29 11:40:16
1931
转载 Linux 的.bashrc 文件详解
你的 home 目录下藏着很多隐藏文件。如果你在运行 macOS 或者主流的 Linux 发行版的话，你就会在靠近隐藏文件列表的上方看见一个名为.bashrc的文件。那么什么是.bashrc，编辑.bashrc又有什么用呢？finder-find-bashrc如果你运行一个基于 Unix 或者类 Unix 的操作系统，bash 很有可能是作为默认终端被安装的。虽然存在很多不同的 shell，bash 却是最常见或许也是最主流的。如果你不明白那意味着什么，bash 是一个能解释你输入进终...
2021-07-03 11:13:53
7419
转载 coredump配置、产生、分析以及分析示例
关键词：coredump、core_pattern、coredump_filter等等。应用程序在运行过程中由于各种异常或者bug导致退出，在满足一定条件下产生一个core文件。通常core文件包含了程序运行时内存、寄存器状态、堆栈指针、内存管理信息以及函数调用堆栈信息。core就是程序当前工作转改存储生成的一个文件，通过工具分析这个文件，可以定位到程序异常退出的时候对应的堆栈调用等信息，找出问题点并解决。1. 配置coredump如果需要使用需要通过ulimit进行设置，可以通过u
2021-06-25 12:24:13
1490
转载 分辨率、帧率、码率之间的关系
帧率：FPS（frame per second 每秒钟要多少帧画面）GOP（表示多少秒一个I帧）码率：编码器每秒编出的数据大小，单位是kbps，比如800kbps代表编码器每秒产生800kb（或100KB）的数据。分辨率：单位英寸中所包含的像素点数；VGA：Video Graphics Array（视频图像分辨率）三者的对应直播质量的影响因素帧率：影响画面流畅度，与画面流畅度成正比：帧率越大，画面越流畅； 帧率越小，画面越有跳动感。如果码率为变量，则帧率也会影响体积，帧率越高，每秒钟经过的画
2021-06-04 10:21:32
3296
转载 XGBoost的调用、参数调优、模型保存、模型显示、预测评价全套
# -*- coding: utf-8 -*-"""Created on Fri Oct 25 09:24:15 2019@author: zxh"""import numpy as np #pandas依赖于numpyfrom sklearn.metrics import r2_score#,import pickleimport matplotlib.pyplot as pltfrom xgboost import plot_importancefrom sklearn.model.
2021-01-07 18:12:17
1005
转载 xgboost特征选择
Xgboost在各大数据挖掘比赛中是一个大杀器，往往可以取得比其他各种机器学习算法更好的效果。数据预处理，特征工程，调参对Xgboost的效果有着非常重要的影响。这里介绍一下运用xgboost的特征选择，运用xgboost的特征选择可以筛选出更加有效的特征代入Xgboost模型。这里采用的数据集来自于Kaggle | Allstate Claims Severity比赛，这里的训练集如下所示，有116个离散特征（cat1-cat116）,14个连续特征（cont1 -cont14），离散特征用字符.
2021-01-04 14:16:06
1517
转载 如何处理类别型特征？
目录：问题描述 数据准备 标签编码 自定义二分类 one-hot 编码问题描述一般特征可以分为两类特征，连续型和离散型特征，而离散型特征既有是数值型的，也有是类别型特征，也可以说是字符型，比如说性别，是男还是女；职业，可以是程序员，产品经理，教师等等。本文将主要介绍一些处理这种类别型特征的方法，分别来自 pandas 和 sklearn 两个常用的 python 库给出的解决方法，这些方法也并非是处理这类特征的唯一答案，通常都需要具体问题具体分析。数据准备参考文章：https:
2021-01-04 14:14:24
1166
转载 用xgboost模型对特征重要性进行排序
用xgboost模型对特征重要性进行排序在这篇文章中，你将会学习到：xgboost对预测模型特征重要性排序的原理（即为什么xgboost可以对预测模型特征重要性进行排序）。 如何绘制xgboost模型得到的特征重要性条形图。 如何根据xgboost模型得到的特征重要性，在scikit-learn进行特征选择。梯度提升算法是如何计算特征重要性的？使用梯度提升算法的好处是在提升树被创建后，可以相对直接地得到每个属性的重要性得分。一般来说，重要性分数，衡量了特征在模型中的提升决策树构建中价.
2021-01-04 14:09:00
2215
2
转载 sklearn之train_test_split()函数各参数含义
在机器学习中，我们通常将原始数据按照比例分割为“测试集”和“训练集”，从 sklearn.model_selection 中调用train_test_split 函数简单用法如下：X_train,X_test, y_train, y_test =sklearn.model_selection.train_test_split(train_data,train_target,test_size=0.4, random_state=0,stratify=y_train)# train_data：所要划.
2021-01-04 14:04:54
3027
转载 解决 恢复 git reset重置之后误删除的文件
1 从该项目下打开终端命令行，进入到项目目录，输入git reflog，可以得到如下结果 git refloggit记录每次修改head的操作，git reflog/git log -g可以查看所有的历史操作记录，然后通过git reset命令进行恢复。比如 在4d25e32操作记录git reset --hard 4d25e32执行完后，误删数据就回来啦！...
2020-10-14 18:36:29
550
转载 windows下Git BASH安装
下载安装1.从git官网下载一个git安装包，官网下载地址http://www.git-scm.com/download/2.双击安装程序，进入欢迎界面点击【Next >】3.阅读协议，点击【Next >】4.选择安装位置，点击【Next >】5.选择安装组件：这里可以使用默认选项，点击【Next >】图标组件（Additional icons）：选择是否创建桌面快捷方式 桌面浏览（Windows Explorer integratio.
2020-10-13 11:32:59
114
转载 NDK环境搭建-windows篇
一.下载NDK的版本http://wear.techbrood.com/tools/sdk/ndk/index.html 点了上面的谷歌下载镜像之后会进入到： NDK下载 下载注意区分32位和64位的 下载完成之后直接解压 如果需要下载最新的NDK版本，可能需要到谷歌官网去下载二.配置环境变量 NDK的解压路径 NDK path 环境变量设置：输入NDK的路径，我的是E:\Android\NDK\android-ndk32-r10b-..
2020-10-12 14:43:07
5200
1
转载 关于API和SDK的理解及两者区别
1.SDK是什么？SDK：概念：软件开发工具包（SDK，全称：Software Development Kit）一般都是一些软件工程师为特定的软件包、软件框架、硬件平台、操作系统等建立应用软件时的开发工具的集合。通俗点是指由第三方服务商提供的实现软件产品某项功能的工具包。就相当于很多API和其他文件的集合体，你可以用这个完成某一个事情。举例子：整个计算器产品可以看做是一个SDK，它里面有API集合（计算器），说明文档（说明书），以及一些其他文件。这个SDK的功能就是计算，..
2020-10-12 14:30:30
7702
转载 Win10中配置jdk之后javac无法运行
环境变量（environment variables）一般是指在操作系统中用来指定操作系统运行环境的一些参数，如：临时文件夹位置和系统文件夹位置等。环境变量是在操作系统中一个具有特定名字的对象，它包含了一个或者多个应用程序所将使用到的信息。例如Windows和DOS操作系统中的path环境变量，当要求系统运行一个程序而没有告诉它程序所在的完整路径时，系统除了在当前目录下面寻找此程序外，还应到path中指定的路径去找。用户通过设置环境变量，来更好的运行进程。在win10中配置jdk的环境变量时，我们最
2020-10-10 19:58:42
218
原创 ubuntu使用记录
从windows环境拷贝文件至ubuntu：https://blog.csdn.net/whu_zhangmin/article/details/12051165?utm_medium=distribute.pc_relevant_t0.none-task-blog-BlogCommendFromMachineLearnPai2-1.channel_param&depth_1-utm_source=distribute.pc_relevant_t0.none-task-blog-BlogComm
2020-10-09 18:41:02
79
转载 uint8_t / uint16_t / uint32_t /uint64_t
在nesc的代码中，你会看到很多你不认识的数据类型，比如uint8_t等。咋一看，好像是个新的数据类型，不过C语言（nesc是C的扩展）里面好像没有这种数据类型啊！怎么又是u又是_t的？很多人有这样的疑问。论坛上就有人问：以*_t结尾的类型是不是都是long型的？在baidu上查一下，才找到答案，这时才发觉原来自己对C掌握的太少。那么_t的意思到底表示什么？具体的官方答案没有找到，不过我觉得有个答案比较接近。它就是一个结构的标注，可以理解为type/typedef的缩写，表示它是通过typedef定义的
2020-09-12 11:05:14
106
原创 流媒体学习笔记
流媒体传输技术1. 音视频流程视频采集→视频预处理→视频编码与封装→数据的存储/传输→视频解封装/解码→视频后处理→视频输出。2.流媒体是什么视频格式：本地影像视频、网络流媒体影像视频。音视频涉及到的核心技术主要有：视音频编解码、噪音抑制、回声消除、自动增益、前向纠错、丢帧补偿、抖动缓冲、CDN内容分发、网络流自适应等。流媒体是指在Internet/Intranet中使用流式传输技术的连续时基媒体，如：音频、视频或多媒体文件，它在播放前并不下载整个文件，只将开始部分内容存入内存.
2020-09-09 11:41:09
383
原创 码率自适应技术 (Adaptive Bitrate Streaming，ABR)
目标：感知网络环境变化，或根据客户端播放buffer情况自动做出合理的码率调整，提高（最大化）用户在线观看视频的体验质量（qualityof experience, QoE）。难点：1.QoE的定量表达：尽可能最大化视频码率的同时尽量减少视频卡顿和码率档位切换。2.码率自适应调整具有累积效应，前面的码率决策会影响到未来的码率的决策。一个好的算法需要：1.尽快响应网络变化，2.做最优决策时能兼顾各个指标。过程：1.客户端根据当前的网络情况、播放缓冲区大小等因素决定下一个..
2020-09-09 11:38:13
6554
转载 网络传输的背景知识
视频监控传输带宽：“上行带宽”“下行带宽”https://zhuanlan.zhihu.com/p/50246214上行带宽上行带宽就是本地上传信息到网络上的带宽。上行速率是指用户电脑向网络发送信息时的数据传输速率，比如用FTP上传文件到网上去，影响上传速度的就是“上行速率”。下行带宽下行带宽就是从网络上下载信息的带宽。下行速率是指用户电脑从网络下载信息时的数据传输速率，比如从FTP服务器上文件下载到用户电脑，影响下传速度的就是“下行速率”。视频监控传输带宽：“比特率”比特率
2020-09-09 11:33:02
247
转载 需要安装cmake 3.13或更高版本的Ubuntu PIP。您运行的是xgboost的3.10.2版本,ubuntupip,CMake313orhigherisrequiredYouarerunni
今天在装xgboost的时候出现了下面的错误： INFO:XGBoost build_ext:Building from source. /tmp/pip-install-elc4qdig/lib/libxgboost.so INFO:XGBoost build_ext:Run CMake command: ['cmake', 'xgboost', '-GUnix Makefiles', '-DUSE_OPENMP=1', '-DUSE_CUDA=0', '-DUSE_NCCL=0', '-D
2020-08-26 19:54:48
1449
3
原创 vs code连接虚拟机
https://www.cnblogs.com/hi3254014978/p/12681594.htmlhttps://www.codenong.com/cs105851230/https://www.cnblogs.com/gohugo/p/11419837.html
2020-08-17 17:56:57
258
转载 linux结束后台任务
一、&加在一个命令的最后，可以把这个命令放到后台执行，如watch -n 10 sh test.sh & #每10s在后台执行一次test.sh脚本二、ctrl + z可以将一个正在前台执行的命令放到后台，并且处于暂停状态。三、jobs查看当前有多少在后台运行的命令jobs -l选项可显示所有任务的PID，jobs的状态可以是running, stopped, Terminated。但是如果任务被终止了（kill），shell 从当前的she..
2020-08-17 14:51:00
319
原创 Linux系统为新账号添加sudo权限
新账号添加：adduser 用户名useradd 用户名（鸟哥私房菜教程，但本人发现在ubuntu系统里用这种方法创建的账号会出现问题，要用adduser）原因参考：https://blog.csdn.net/sinat_40025092/article/details/83796480sudo权限添加：为/etc/sudoers文件权限添加写权限：sudo chmod u+w /etc/sudoers 编辑/etc/sudoers文件：sudo vim /etc/...
2020-08-16 22:21:56
324
原创 python学习记录
Python os.listdir() 方法https://www.runoob.com/python/os-listdir.htmlos.listdir(path) path-- 需要列出的目录路径os.listdir() 方法用于返回指定的文件夹包含的文件或文件夹的名字的列表。它不包括.和.. ，即使它在文件夹中。只支持在 Unix, Windows 下使用。Python os.path() 模块https://www.runoob.com/p...
2020-08-14 11:33:08
113
原创 ubuntu磁盘清理
清理：https://blog.csdn.net/ck3207/article/details/76691904磁盘空间不释放：http://blog.itpub.net/23135684/viewspace-1852841/查看系统文件占用：df -h删除文件夹：rm -r文件夹删除文件：rf -r文件之所以df和du命令看到的空间使用会有差别，原因在于du不统计已经删除的文件，df会统计已经删除的文件，但该文件依然被进程持有，只有等进程释放了该文件，df才不进行统计。通过lso..
2020-08-14 11:32:39
138
转载 python导入自定义包
在python导包的时候有三条铁规：1. 严格区分包和文件夹。包的定义就是包含__init__.py的文件夹。如果没有__init__.py,那么就是普通的文件夹。2. 导入package。 在python 安装目录的site-package文件夹中新建xxx.pth，内容是需要导入的package所在的文件夹路径。3. 导入模块。就是一般的模块导入写法，注意只要包路径，不要文件夹路径。解决办法：1.找到你的python安装路径，我的是在 /home...
2020-08-10 19:39:32
605
转载 强化学习1
本文结构：定义 和监督式学习, 非监督式学习的区别 主要算法和类别 应用举例1. 定义强化学习是机器学习的一个重要分支，是多学科多领域交叉的一个产物，它的本质是解决decision making 问题，即自动进行决策，并且可以做连续决策。它主要包含四个元素，agent，环境状态，行动，奖励, 强化学习的目标就是获得最多的累计奖励。让我们以小孩学习走路来做个形象的例子：...
2019-09-22 19:47:07
239
转载 机器学习相关优化算法
目录0.梯度下降法深入理解一.优化器算法简述1.Batch Gradient Descent （BGD）2.Stochastic Gradient Descent (SGD)3.Mini-Batch Gradient Descent （MBGD）［应对挑战 1］4.Momentum5.Nesterov Accelerated Gradient［应对挑战 2］...
2019-09-20 12:00:36
276
原创 面试总结——优化
1、梯度下降的优缺点；主要问最优化方面的知识，梯度下降法的原理以及各个变种（批量梯度下降，随机梯度下降法， mini 梯度下降法），以及这几个方法会不会有局部最优问题，牛顿法原理和适用场景，有什么缺点，如何改进（拟牛顿法）2、常用优化算法：1.梯度下降法：又有随机梯度下降和负梯度下降，2.牛顿法 主要是问了各自的优缺点，速度，能不能得到全局最优解，牛...
2019-09-20 11:39:04
448
空空如也
配置公钥私钥后，ssh连接git失效无法clone代码
2022-02-28
TA创建的收藏夹 TA关注的收藏夹
TA关注的人