加密Hls的播放

ExoPlayer 源码阅读小记--HLS播放带缓存加载M3U8文件过程 基于ExoPlayer 2.17.1源码分析 阅读详情
AI摘要

为加强视频版权保护,采用Hls加密、app本地解密播放。解密有服务端鉴权和客户端本地解密两种思路。技术实现方案包括基于ExoPlayer和重新生成M3u8,后者是项目采用方案,核心是解密并替换key的uri,将ts路径从相对改为绝对。

一、需求背景:

目前存在严重的视频资源泄露,视频资源倒卖的问题,为了加强版权保护,使用Hls加密,app本地解密播放。

二、技术背景:

解密处理方案有服务端鉴权和客户端本地解密两种思路。

2.1 服务端鉴权:

市面上的云平台实际上是提供加密业务的,用的就是服务器鉴权:开启M3U8标准加密改写功能后,可以改写HLS(HTTP Live Streaming)协议的M3U8文件(Media Playlist,媒体播放列表)。改写成功后会在M3U8文件内**#EXT-X-KEY**标签后面增加加密参数(包括加密算法、密钥URI地址和鉴权参数),客户端收到被改写的M3U8文件以后,将会使用带鉴权参数的密钥URI来发起请求,从CDN节点获取到密钥以后将会使用对应的加密算法和密钥来解密TS文件。即通过配置M3U8标准加密改写功能,可以实现对HLS数据访问过程的加密保护。

2.1 本地解密:

不过我司是我们自己对视频进行转码以及加密,通过获取**#EXT-X-KEY** 标签后面的参数通过和后端定义好的协议进行本地解密,然后进行播放。

三、技术实现方案

原理:首先我们需要知道,目前我们使用的大部分播放器都是直接支持Hls的标准加密播放,这里都是的是AES-128,我们拿到直接的M3U8文件是不标准,**#EXT-X-KEY**标签后面的参数还需要我们进行重新处理,无论是服务器鉴权,还是本地解密。因为标准Hls某种意义上等于视频没有加密。

3.1 基于ExoPlayer

原理:自定义HlsPlaylistParser ,下面是关键代码,我们可以获取到URI,IV
在这里插入图片描述
然后通过相关定义好的协议,进行解密,然后在赋值。

这个很多博客都有案例,我就不讲具体实现可以查看这位的文章:ExoPlayer客户端解密m3u8音频/视频

3.2 重新生成M3u8(项目用的方案)

原理:目前我们使用的播放器支持Hls的标准加密播放,所以我只需要生成一个标准的m3u8文件,就可以播放,并且不需要替换成ExoPlaer,减少了修改代码的范围。

实现的核心原理在于2点:

  1. 从源m3u8中**#EXT-X-KEY** 获取到URI后,进行解密(根据和后端定义好的解密协议,这个过程你可以写在本地解密,然后把key保存为本地文件后;也可以这个过程使用接口获取),然后替换 URI为正确的uri(本地或者线上)。
  2. 重新生成的m3u8中的ts的要从相对路径替换成绝对路径。
#EXTINF:10.280000,
v.f100010_0.ts
//修改后
#EXTINF:10.280000,
https://dev.xxxx.com/hls/process/xxxxxx/v.f100010_0.ts

示例代码:

/**
     * - Hls decode url,解密m3u8文件,本地生成可以播放的m3u8文件
     *
     * - EXT-X-KEY的URI: RFC-3986规范有文件协议file://和网络协议http://
     * @param m3u8Url 接口返回的m3u8文件,不可以播放需要进行设置真正的秘钥
     * @param decrypt生成keyURI的方法,通过自己的方法返回真正的uri
     * @return 返回新生成的本地的m3u8文件
     */
    suspend fun hlsDecodeUrl(context: Context, m3u8Url: String,decrypt:(uri:String) ->String): String{
        return withContext(Dispatchers.IO) {
           return@withContext kotlin.runCatching {
                //截取.之前的baseurl,用于ts的重新拼接
                val onlineBaseUrl = m3u8Url.substringBeforeLast("/")+"/"
                val playlistUrl = URL(m3u8Url)
                val connection = playlistUrl.openConnection()
                val inputStream = connection.getInputStream()
                val reader = BufferedReader(InputStreamReader(inputStream))
                //写入到新的文件
                val m3u8File = File(context.filesDir, "${m3u8Url.md5}.m3u8")
                val writer = BufferedWriter(FileWriter(m3u8File))

                var line: String?
                while (reader.readLine().also { line = it } != null) {
                    if (line?.startsWith("#EXT-X-KEY:") == true && line?.contains("METHOD=AES-128",true) == true) {
                        val keyAttributes = line?.substringAfter("#EXT-X-KEY:")!!.split(",")
                        val uri = keyAttributes.firstOrNull { it.startsWith("URI=") }?.substringAfter("=")?.replace("\"", "")
                        val iv = keyAttributes.firstOrNull { it.startsWith("IV=") }?.substringAfter("=")?.replace("\"", "")
                        if (uri.isNullOrEmpty()){
                            val newKeyLine = "#EXT-X-KEY:METHOD=AES-128,URI=\"$uri\",IV=$iv"
                            writer.write(newKeyLine)
                            writer.newLine()
                        }else{
                            uri.let(decrypt).let {
                                // 生成新的 #EXT-X-KEY 行
                                val newKeyLine = "#EXT-X-KEY:METHOD=AES-128,URI=\"$it\",IV=$iv"
                                writer.write(newKeyLine)
                                writer.newLine()
                            }
                        }
                    } else if (line?.startsWith("#EXTINF:") == true) {
                        if (line?.startsWith("#EXTINF:") == true) {
                            // 提取持续时间
                            val duration = line!!.substringAfter("#EXTINF:").substringBefore(",")
                            // 提取媒体文件名
                            val filename = reader.readLine()
                            // 拼接线上 URL
                            val onlineUrl = onlineBaseUrl + filename
                            // 生成新的 #EXTINF 行和媒体文件 URL
                            val newLine = "#EXTINF:$duration,"
                            writer.write(newLine) //例如#EXTINF::9.312500,
                            writer.newLine()
                            writer.write(onlineUrl) //https://xxxxxx/v.f1004902_0.ts
                            writer.newLine()
                        }
                    } else {
                        writer.write(line)
                        writer.newLine()
                    }
                }
                reader.close()
                inputStream.close()
                writer.close()
                m3u8File.absolutePath
            }.getOrDefault(m3u8Url)

        }
    }

Tips

博客提供的更多是思路,不提供解决方案

阿里云视频点播 和HLS加密解密 背景:工作需要,领导让去研究阿里云视频点播,毕竟害怕付费视频被二次转发,导致视频的不安全。 HLS标准加密 - 视频点播 - 阿里云 前期准备: 1)开启视频点播控制台。 2)设置转码模板组,因为看文档说加密有标准HLS加密和阿里私密加密和DRM加密(商业一点,贵贵),同时阿里私密加密有个不足就是IOS网页不能播放,所以这里使用HLS加密了,在这边也需要做点操作。 具体某个画质里面,设置封装格式为HLS,高级参数那边设置私密加密。 3)域名管理 只有添加分发加速的域名才能使用HLS加... 阅读详情

相关推荐

Unity中实现HLS视频加密与流式播放的最佳实践

本文详细介绍了在Unity中实现HLS视频加密与流式播放的完整解决方案。针对Unity原生VideoPlayer组件无法处理加密视频的痛点,文章推荐使用AVPro Video插件,并结合FFmpeg工具进行AES-128标准加密与视频切片。内容涵盖从生成加密密钥、使用FFmpeg处理视频,到在Unity中集成播放与动态密钥获取的全流程实践,旨在帮助开发者有效保护视频资产,同时保障流畅的播放体验。

weixin_29290863的博客 180

Exoplayer播放 .m3u8格式的视频问题总结

您的视频使用这些特定设备不支持的 H.264 Main Profile (avc1.4D)。Main Profile 的最低要求是 6.0+。

唐诺 3057

Unity中实现HLS视频加密与流式播放的完整方案

本文详细介绍了在Unity中实现HLS视频加密与流式播放的完整方案。针对Unity原生VideoPlayer无法直接支持实时解密的问题,提出了基于HLS协议与AES-128加密的成熟解决方案,并重点阐述了如何利用AVPro Video插件进行集成。文章涵盖了从密钥生成、使用FFmpeg进行视频加密切片,到在Unity中动态加载密钥并播放加密流的全流程,为保护付费课程、独家动画等视频内容提供了安全且高效的实践路径。

weixin_29290963的博客 394

ExoPlayer 2.18.2 基本使用(三)

如何用exoplayer实现m3u8视频文件的播放?一篇文章帮你搞定!

Jeffray1991的博客 2039

Unity中实现HLS加密视频流播放:从原理到AVPro Video实战

流媒体技术通过将大文件分割为小片段进行传输,实现了视频的边下边播与自适应码率切换,其中HLS(HTTP Live Streaming)协议因其跨平台兼容性成为主流方案。其核心原理在于使用M3U8索引文件组织TS切片,并结合AES-128加密技术对每个切片进行加密,从而在保障流畅播放体验的同时,有效防止视频内容被非法下载与传播。这一技术组合为教育、企业培训、数字展厅等需要保护版权内容的场景提供了关键解决方案。在Unity引擎中,开发者常借助AVPro Video等成熟插件,高效集成HLS加密流播放功能,实现跨

weixin_27676369的博客 325

DRM(数字权限管理技术)防截屏录屏----视频转hls流加密、web解密播放

HLS流媒体协议(HTTP Live Streaming)是苹果公司提出的一种基于HTTP的流媒体传输协议,主要用于音视频的实时传输和点播。HLS流媒体协议的核心优势在于其自适应比特率流式传输功能,可以根据网络条件的变化自动调整视频质量,确保视频流畅播放。HLS流媒体协议的工作原理1、编码和分段:HLS流媒体服务器将视频重新格式化为H.264或H.265编码,并将视频分割成几秒钟的片段。这些片段被组织成不同质量等级(如480p、720p和1080p),并创建索引文件记录它们的顺序。

m0_74824574的博客 1115

VideoJS+HLS视频加密播放

VideoJS + HLS 视频加密播放

寻找09之夏的博客 9120

FFmpeg入门详解之109:m3u8加密--HLS 架构简介及播放加密的HLS

HLS 全称是 HTTP Live Streaming, 是一个由 Apple 公司实现的基于 HTTP 的媒体流传输协议. 他跟 DASH 协议的原理非常类似. 通过将整条流切割成一个小的可以通过 HTTP 下载的媒体文件, 然后提供一个配套的媒体列表文件, 提供给客户端, 让客户端顺序地拉取这些媒体文件播放, 来实现看上去是在播放一条流的效果.

福优学苑@音视频+流媒体 3405

ExoPlayer HLS加密测试:本地测试加密播放流程

在流媒体应用开发中,HLS(HTTP Live Streaming,HTTP直播流)是一种广泛使用的自适应比特率流媒体协议。为了保护内容安全,HLS通常会采用加密(Encryption)技术。然而,加密播放的调试和测试往往是开发者面临的一大挑战。本文将详细介绍如何在本地环境中搭建HLS加密测试环境,使用ExoPlayer测试加密播放流程,帮助开发者快速定位和解决加密播放相关问题。 读完本文后,您...

gitblog_01171的博客 919

Android-基于googleExoPlayer播放hls的m3u8rtmpmp4文件;

基于google ExoPlayer播放hls的m3u8,rtmp,mp4文件,;简单自定义播放界面

Windows BITS服务:后台智能文件传输技术详解

后台文件传输技术是现代IT基础设施中的关键组件,Windows BITS(Background Intelligent Transfer Service)作为微软原生解决方案,通过队列管理和智能调度实现高效数据传输。其核心技术原理包括分块传输、断点续传和带宽自适应,能够根据网络状况动态调整传输速率(默认占用空闲带宽的80%)。在工程实践中,BITS特别适用于企业软件分发和自动化数据采集场景,通过PowerShell命令即可实现高优先级传输和代理配置。相比传统FTP方案,BITS在跨国文件传输中将失败率从30

weixin_42116058的博客 289

DPlayer视频加密播放:HLS加密与DRM内容保护

在视频内容传播中,盗版和未授权访问是常见痛点。本文将详细介绍如何使用DPlayer实现HLS(HTTP Live Streaming)加密与DRM(数字版权管理)内容保护,帮助开发者构建安全的视频播放系统。 ## HLS加密基础与DPlayer支持 HLS是苹果公司开发的流媒体传输协议,通过将视频分割为TS(Transport Stream)片段并使用AES-128加密保护内容。DPlayer...

gitblog_00212的博客 653

HFSS仿真的后处理结果,如何根据天线表面的电流密度分布对天线进行优化?

在HFSS仿真中,天线表面的Jsurf​是最直观、最有价值的诊断工具之一。它不仅告诉你天线“能不能工作”,还能告诉你“为什么工作”以及“哪里出了问题”。

degogmy的博客 1163

告别卡顿与黑屏:ExoPlayer HLS加密播放全流程解决方案

在视频应用开发中,你是否遇到过HLS加密内容无法播放、密钥获取失败或解密过程卡顿的问题?本文将从密钥获取到播放完成,详解ExoPlayer集成HLS加密内容的每一步,帮你解决加密播放中的常见痛点。读完本文,你将掌握DRM会话管理、密钥请求配置和错误处理的完整实现方法。 ## HLS加密播放基础架构 HLS(HTTP Live Streaming)加密播放依赖DRM(数字版权管理)系统实现内容保...

gitblog_01075的博客 1170

基于Sentinel-1 A/B提取水体两种方法(阈值和面向对象)的试验——以洞庭湖为例

基于Sentinel-1 A/B提取水体两种方法(阈值和面向对象)的试验——以洞庭湖为例 一、预处理 预处理的过程本次就不再赘述了,这方面有比较详细的文章介绍可以参考:https://blog.youkuaiyun.com/lidahuilidahui/article/details/105443366 这里重点提一下,使用欧空局SNAP处理数据的话,内存要大一些,小于16G的话可能会吃力甚至报错,为了节省数据量,本次数据处理之前先用SNAP进行了裁剪,如下图所示,打开数据之后进行了裁剪,: 然后进行了轨道校正、

qq_46071146的博客 2万+

Global Mapper与ArcGIS双剑合璧:自动化与半自动矢量化提取地物轮廓实战

本文详细介绍了如何结合Global Mapper的自动化批量提取与ArcGIS的半自动精细修整功能,高效完成地物轮廓矢量化工作。通过实战案例,阐述了利用Global Mapper快速抓取初步轮廓,再借助ArcGIS的ArcScan等工具进行精细化编辑和优化的完整工作流,有效提升地理信息数据处理效率。

weixin_29284657的博客 119

android ios hls 加密,使用AES-128加密iOS播放离线HLS

我写过苹果支持,他们的回答对我来说并不新鲜.在我开始与他们对话之前,我从wwdc视频和文档中获得了他们提供给我的信息. (https://developer.apple.com/streaming/fps/)此外,我将介绍如何使用AES-128加密在离线模式下播放HLS.注意AVDownloadTask在模拟器上不起作用,因此您应该有一个用于此实现的设备.首先,您需要一个流URL.步骤1:在创建A...

weixin_42522750的博客 893

强化学习优化多目标冲突推理的决策过程设计

1. 背景介绍 强化学习(Reinforcement Learning,RL)作为机器学习的一个重要分支,近年来在计算机科学和人工智能领域取得了显著的进展。其核心思想是通过试错来学习最优策略,从而在复杂的环境中实现目标。然而,在多目标冲突推理(Multi-Objective Conflict Reasoning,MOCR)问题上,强化学习面临着诸多挑

AI天才研究院 1516

android m3u8离线播放器,android上实现离线缓存播放加密HLS视频和未加密的HLS视频...

1.首先什么是HLS格式的视频,大家去谷歌下就知道了。2.我们知道HLS格式的视频,只有安卓4.0以上才支持,目前基本4.0一下的机子基本可以考虑,不兼容了,所以为了减少工作量,就没有打算使用三方的播放器,就继续使用MediaPlayer来进行播放3.HLS格式的视频,他是通过一个m3u8文件,然后里面包含若干个TS文件片段,这里有个苹果的官方的一个例子:http://devimages.appl...

weixin_32205057的博客 2762

十三种通信接口芯片——《器件手册--通信接口芯片》

通信接口芯片用于实现差分信号的传输,具有抗干扰能力强、传输距离远等优点。RS485支持多点通信,可连接多个收发器,而RS422支持单向多点通信。广泛应用于工业自动化、过程控制、仪器仪表、楼宇自动化(如暖通空调、保安系统)、电机控制等领域。ST3485EBDRTP8485ESR用于实现串行通信,支持点对点通信,传输距离相对较短,数据速率较低。常用于计算机与外设(如打印机、调制解调器)之间的通信。如芯力特的SIT3232,可作为ST3232的替代品。

XU157303764的博客 4276

彩票的未来:基于人工智能与大数据的创新预测模型

随着人工智能(AI)和大数据技术的迅猛发展,彩票行业正面临前所未有的变革。本文将探索如何通过结合深度学习、机器学习和数据挖掘技术,构建先进的预测模型,以提高彩票开奖结果的预测准确性。通过分析历史数据、应用现代化的计算技术,我们提出了一种创新的彩票预测软件架构,旨在推动彩票行业向着更加智能和高效的方向发展。

Sapphire521的博客 1445

ExoPlayer HLS加密播放:AES-128解密实现方案

你是否在集成HLS加密流时遇到过这些问题: - 加密视频无法播放且无明确错误提示 - 解密密钥获取逻辑与播放器生命周期冲突 - 自定义密钥管理系统难以对接 - 多DRM方案共存导致架构臃肿 本文将系统讲解ExoPlayer中AES-128加密HLS流的完整解决方案,包含密钥获取、解密流程、错误处理和性能优化,帮助开发者30分钟内实现安全高效的加密播放功能。 ### 读完本文你将掌握: - HL...

gitblog_00276的博客 1263

6.Burp Suite 入门篇 —— Burp Scanner 漏洞扫描

Burp Scanner 既可以是独立的全自动扫描器,也可以在手动测试中当作强大的辅助手段,而且随着技术改进,Burp Scanner 能检测到的漏洞数量也在不断增加。Burp Scanner 功能只在 burpsuite 专业版和企业版中里有,本篇教程讲的是专业版的 Burp Scanner 用法。

YouTheFreedom的博客 1万+

android播放ts格式文件,android上实现离线缓存播放加密HLS视频和未加密的HLS视频...

1.首先什么是HLS格式的视频,大家去谷歌下就知道了。2.我们知道HLS格式的视频,只有安卓4.0以上才支持,目前基本4.0一下的机子基本可以考虑,不兼容了,所以为了减少工作量,就没有打算使用三方的播放器,就继续使用MediaPlayer来进行播放3.HLS格式的视频,他是通过一个m3u8文件,然后里面包含若干个TS文件片段,这里有个苹果的官方的一个例子:http://devimages.appl...

weixin_35678674的博客 4326

大中型超市收银系统(可直接运行)

光步前台收银系统系统功能:商品销售、商品退货、挂单、收银员权限、会员销售、单品取消、整单取消、商品查询、脱机销售、脱机数据上传,基本资料下载,开钱箱、小票打印、收款结算,支持多币种付款方式(现金、储值卡、礼券、微信等),支持多种促销。运行环境:.net 4.0登陆信息用户名:1001 密码:123456内置商品信息,商品编码可输入00001000 - 00010000,测试效果相关功能键F5 结算 F9挂单 F11商品查询 F8退货 Insert单品取消 Del整单取消 F12开钱箱F2 会员 Ctrl+Z退出系统 Home 锁屏 相关源码待公开

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

hls二次加密 m3u8,AVPlayer在播放HLS / AES加密视频之前发出无关的http请求

We're using AVPlayer on iOS 8.4 to play HLS, AES-encrypted video.Our .m3u8 files include the url of the license server, e.g.:EXT-X-KEY:METHOD=AES-128,URI="https://...."In our iOS application, we're us...

weixin_29028595的博客 8990

怀旧版电脑GBC模拟器

再现原版GBC掌机的界面,电脑运行连游戏界面都一样大小,很怀旧,很真实,(英文版)强烈推荐,很小的文件,很难才找到的。

上一篇: 在不重启应用、不重新打开activity的情况下实现原生语言切换和灰色模式
下一篇: Android-适配记录API28~33:读写权限变更记录
TieJun~
博客等级 码龄11年 1118粉丝 26原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

TieJun~

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值