仙人掌之歌——路转峰回(3)

QT的学习第四部分 本文介绍Qt与Linux V4L2框架下摄像头及音视频处理实现。基于Qt的QCamera与QCameraViewfinder类可便捷实现预览与拍照,需在pro文件添加multimedia和multimediawidgets插件。通过V4L2框架可深入控制摄像头参数、缓冲队列及图像采集流程,实现高精度视频捕获。结合FFmpeg与mplayer工具,可在Linux下完成音视频播放、格式转换与流媒体处理。整体涵盖从硬件接口到应用层开发的完整技术链路,适用于嵌入式多媒体系统开发。 阅读详情

技术管理部老大到岗

眼下的任务都交到运维部那边去了,詹季明负责给雷定宇讲解程序参数配置和启动方法。陈速在忙碌了这么久之后难得清闲一些,就想着现在实际架构和当初的设计已经有了很大出入,打算把系统设计说明文档修改一下。

看着肖平安过去写下的那些内容,陈速苦笑着摇了摇头。真是拐了个大弯,白白浪费了许多力气。正在构思怎么开头的时候,foxmail弹出一个新邮件提示,是洪武青亲自编写群发给技术部的。内容是说技术管理部总经理正式到岗,下午在大会议室和大家见面。会议上还要宣布一些新的人事任命。

下午,陈速和大家三三两两地进了会议室,找了个位子坐了下来。洪武青已经坐在了首位,他旁边还坐着一个人,看他表情不苟言笑,满头却是白发一片,看面容并不苍老。干IT这行的没几个不未老先衰的,陈速不由觉得有些伤感。都说做软件开发的是高收入,但真正进了这行才知道,钱没挣着几个,明天有没有命花都是天知道。

正当陈速胡思乱想的当儿,洪武青开始说话了:“我们都到齐了吧?各部门经理看下自己的人。” 他停顿了一下,又接着说:“我们先欢迎一下技术管理部的新任总经理吧,就我身边这位,他叫张义达。” 大家伙儿闻言赶紧鼓了一阵掌。

“好,我简单介绍一下,” 洪武青跟在场的不少人都已经熟悉,不过说话时仍然轻声细语,“张义达是Oracle公司质量管理流程专家,有多年外企工作经验。这次有他的加盟呢,希望可以将我们的项目管理和质量管理工作抓起来。好,下面请张总跟大家说几句吧。”

“大家好,” 张义达接过话头开口了,语气威严,表情仍然严肃,“很高兴认识各位。刚才洪总已经说过了,我之前在Oracle中国有十一年工作经历。这次来也是洪总盛情相邀,据我了解咱们公司在业内的规模也是数一数二的了。我相信在座的各位都是行业精英,希望在以后的工作中大家够能精诚合作,共同为公司创造更大价值,谢谢!”

一番中规中矩的讲话,大家还是报以一阵掌声。洪武青也鼓着掌点了点头,说:“大家知道,我们之前是没有专门的技术管理部门的,项目经理都是跟着各个项目走。项目结束了呢,又分到一个新的项目里去。这样缺乏统一的管理,基本上是各自为战的状态。”

洪武青想着措辞,又接着说:“所以呢,我专门成立一个技术管理部,把所有的项目经理都划归到这个部门下面。这样义达这边就能牵头把项目规划以及资源整合做起来,避免很多的浪费。这样,技术部门实际上是三个大部,分别是研发、技术管理和运维。当然,技术管理部以后也会像其他大部一样按业务来划分子部门,例如运营商项目、点播项目、直播项目等。”

大家对洪武青的这番解说还是能够理解的,其实梁江峰之前就透露过,所以陈速并没有感到太新鲜。洪武青顿了顿,说:“技术管理部的人事安排,在义达熟悉工作以后还会有调整。我兼任流媒体服务部的管理已经有一段时间了,但接下来公司技术上还要我做很多战略规划工作,我的精力不太能顾得过来。所以经过这段时间观察,我宣布一项新的任命,就是钟展鹏来担任流媒体服务部的经理。”

会场里大家都很安静,洪武青点名道:“展鹏,你和大家打个招呼吧。” 钟展鹏闻言从一个偏僻的角落里站起来,向着大家挥了挥手,半躬着身子说:“大家好,我是钟展鹏。这里有不少同事都已经认识了啊,希望以后可以多向大家学习。” 还是那么客气,说完钟展鹏就坐下了。陈速看向钟展鹏时,尽量把自己的脸摆出一个好看的笑容来。

看来这个世界上真没有什么巧合的事啊,一切都是有因有缘的。人在江湖走,多个心眼真是一点坏处也没有。陈速心里暗叹了一番,想着有些事不能去掺和,但不知道却也是不行的。

内置状态监控服务

知道钟展鹏调任流媒体服务部以后,陈速忽然想到直播客户端的工作还在钟展鹏那边,他有点放心不下,就过来找钟展鹏了。见到钟展鹏时,陈速这回先客气上了:“鹏哥,恭喜你高升啊。”

“哎,哪里话,陈工见笑了,” 钟展鹏赶紧问着,“陈工有什么事?”

“就是直播客户端的工作,你这边会交接给谁?” 陈速问着。

“这段时间还是我盯着,毕竟马上就要上线了,临时换人怕来不及上手。” 钟展鹏的这个回答让陈速放心了。

“那就太好了!” 陈速告辞了钟展鹏就去运维部了,打算看看部署的进展。

雷定宇这会儿遇到个问题,正好看见陈速过来了,马上推了个椅子过来,说:“陈总快坐,你过来太好了,这儿正有问题要问你呢。”

陈速坐下一看,原来是有一个频道没有数据输出。排查这个问题有点费劲,陈速又是看程序日志,又是用netstat命令查看网络状态。后来才发现是直播源编码程序ffmpeg停止工作了,重启ffmpeg以后果然恢复正常。

雷定宇苦着脸说:“陈总,你看这种问题我们以后怎么检查呢?不能每次都把您老请过来吧。”

“你说的是。” 陈速也觉得这样排查问题效率太低,不过有什么好办法呢?陈速一时也没有主意,就对雷定宇说:“雷哥,你等我回去好好想想,回头有结果了我再告诉你啊。”

“好的好的,” 雷定宇一迭声应着,“就拜托陈总了啊。”

回到工位以后,陈速也交叉着双臂皱眉思索。蓦地,一道亮光在脑子里划过,他想起了刚进公司那会儿做的内置web监控服务,这会儿可算是派上用场了。把代码找出来,加到仙人掌工程里去,先编译一下看没啥问题,接下来就好办了。

陈速热情高涨,花了一个下午把需要监控的信息都写到了响应html页面里。得益于之前已有的工作,没有太多的开发工作量,仅是调整一下字段就好了。自测一运行,虽然页面是难看了点,但应有的信息都齐全了,这下雷定宇看见这个可就开心了吧。

当真是没有白干的活,陈速心里兴奋地想着。陈速把程序提交给了詹季明,告诉他新增了哪些功能 。因为现在詹季明是跟着功能的迭代在小步快跑,所以一说就能明白陈速的意思。他一听陈速的描述,也竖起大拇指说:“我早就想要一个这样的功能了,怕你太忙没敢说呢。”

“合着这好主意还是你给出的是吧?” 陈速心情好,也翻着白眼开起了詹季明的玩笑。

“哎,那哪儿能呀,” 詹季明赶紧解释,“我就是个干测试的,哪有资格给程序提功能要求呀。”

“别废话了,测好了你就去找雷哥,把新功能跟他好好讲讲。” 陈速交待完詹季明就回自己工位,没想到钟展鹏守在他座位旁有几分钟了。

“鹏哥你有事QQ上说一句,我就过去了嘛。” 陈速不知道啥时候开始改口叫人家鹏哥了,更不知道自己居然张嘴就会来事了。本来他以为自己这一辈子都学不来的东西,这么自然就表达出来了。

“不用不用,” 钟展鹏的客气还是一如既往,“我就是顺便过来问一下,我自测的时候如果播放不成功,我有办法知道边缘节点是否有数据吗?”

陈速刚想把内置监控服务这个新功能说出来,转而一想到这功能只显示一个html页面,对钟展鹏来说可能说服力可能还不够。一念至此,陈速便改口说:“这个是吧,鹏哥让我好好想想啊,回头告诉你怎么办,怎样?”

“那太好了,” 钟展鹏说着还想要鞠一躬,“太感谢陈工帮忙了啊。”

“没事没事。” 陈速赶紧拦住钟展鹏,站着目送他回去。

坐下来习惯性转了几圈笔,一个想法就冒出来了。陈速想起了给郑秋阳的那个格华设备做的http缓存代理,又能捡一个现成的,一切都是那么完美。陈速忍不住哼起了小曲,一边抖着腿一边“啪啪”敲击着键盘。梁江峰拿着保温杯接了水回来,看着他这样,笑问:“哟,陈总这是春风得意马蹄疾呀。”

“还行、还行。” 陈速咧着嘴,一副想低调却又忍不住要笑的表情。

经过一番小改造之后,只要在VLC播放器里输入边缘节点的http地址端口和频道号,直接就能播放了。这回真是直观得令人发指,陈速感叹作为一名服务端开发,这为人民服务得太到位了。

赶在下班前,还来得及再提交一版给詹季明。正好把监测和监播功能一块儿交待给雷定宇,陈速亲自把监播的用法告诉了钟展鹏。

就等着上线实际运行看效果了吧。陈速从来没有这么期待过,渴望自己做的程序能赶紧运行起来。

从SFF-8087到SFF-8643:详解服务器硬盘背板连接线缆的演变与实战接线 本文深度解析了服务器硬盘背板连接技术从SFF-8087到SFF-8643的演进历程,重点介绍了SAS、SATA和U.2接口的技术特点与实战接线方案。通过对比不同连接器标准的物理特性和电气规范,提供了混合环境下的线缆选择策略和常见故障排查指南,帮助IT专业人员优化存储系统性能与稳定性。 阅读详情

相关推荐

FPGA远程升级必备:STARTUPE2原语控制Flash的避坑指南

本文深入解析了FPGA远程升级中STARTUPE2原语的核心价值与配置策略,详细介绍了其在QSPI Flash接口设计中的应用。通过Vivado工具和原语控制,开发者可以高效实现安全可靠的远程固件升级,提升系统稳定性和升级效率。

k8l9m0n的博客 398

仙人掌之歌——路转峰回(2)

刘向荣 陈速士气高涨,只用两天就完成了自测,赶紧提交给詹季明去做测试了。陈速正想伸个懒腰休息会儿,林象南快步走了过来。陈速印象中林象南并不是个急性子的人,正好奇地看着,林象南一招手,说:“陈工赶紧去大会议室吧,梁总你也要去。刘向荣又过来了。” 陈速来公司这么久,还没听说过这个名字。只见梁江峰叹了一口气,双手一撑桌子站了起来,一边走一边还在低声地问候着谁的家属。陈速暗想这是哪路神仙,杀伤力有这么大么,能把林象南整得跳脚,让梁江峰这么斯文的人还犯口业呢。 跟在梁江峰后面进了大会议室,就听见一阵大笑声:“哎呀,江

一天一点进步 3223

ICNN实现入侵检测的思路与源码(CIC-IDS-2017)

基于ICNN实现入侵检测,可用于现实网络

t1274171989的博客 8415

仙人掌之歌——权力的游戏(2)

他是我国的特级战斗英雄,也是我曾经出生入死的兄弟。孟大队把李通抱起,眼神中涌起无尽的柔情与哀怜,轻声说:“通子,兄弟现在送你去医院,我不会再让你自己留下了。” 孟大队忽然压低了声音说:“陈速,你跟李通是兄弟,以后也是我的兄弟了,有事尽管来找我,把我电话留一个吧。李通扯动了一下嘴角,向着云冰洁郑重地点了点头,回道:“小云是吧,不必客气,都行,你快坐吧。醉汉的话引来一桌酒友的附和:“是啊,是啊,上回跟癞头青为了抢个妞动手进了局子,海哥一个电话就把孟大队叫来了,我们屁事没有,癞头青在里面肠子都悔青了吧,哈哈。

一天一点进步 2160

2023-ICCV-隐式神经网络实现低光照图像增强(NeRCo)论文解读+代码解析

NeRCo()提出了一种名为NeRCo的隐式神经表示方法,用于合作式低光图像增强。现有的低光图像增强方法存在以下三个限制:不可预测的亮度降低和噪声、度量友好版本和视觉友好版本之间的固有差距,以及有限的配对训练数据。为了解决这些限制,论文提出了NeRCo方法,它以无监督的方式稳健地恢复感知友好的结果。具体而言,NeRCo通过一个可控的拟合函数统一了现实场景中多样的退化因素,从而提高了鲁棒性。对于输出结果,论文引入了来自预训练视觉-语言模型的先验信息,采用语义导向的监督方法。

weixin_45595504的博客 3185

059、RealBasicVSR 实战:真实场景视频超分的退化建模与优化技巧

本文分享了RealBasicVSR在真实场景视频超分中的实战经验。针对传统方法假设理想化下采样导致的性能瓶颈,重点阐述了三个关键技术点:1)通过可学习退化编码器建模复杂未知退化过程,避免手动设计退化参数的局限;2)采用双向传播和DCN对齐增强时序一致性;3)组合多种损失函数并优化训练策略(如余弦退火学习率、随机退化增强)。作者结合项目实践指出了显存管理、训练时长、评估指标等常见问题,并给出实用建议:优先验证数据退化复杂度,重视数据预处理,合理调整超参数。文章强调真实场景视频超分的核心在于让模型自适应未知退化

ai技术增长的博客 180

仙人掌之歌——开发(1)

仙人掌 当陈速坐下来,打开ssh终端,在linux开发服务器上准备建立工程目录的时候,开始思考起工程名称来。因为任何一个软件项目,除了其描述性名称以外,还需要一个工程名,这样方便代码的组织和管理。陈速在脑海里思索着“直播”、“流媒体”、“电视节目”等这些词汇对应的英文单词,想着怎么组合出一个好记又特别的名称来。 一时间没有什么头绪,陈速觉得有些烦乱。于是起身走到了落地窗前,望着东三环立交桥上川流不息的那些车辆。忽然,他的脑海里出现了一盆沐浴在阳光下的仙人掌。就是它了,陈速赶紧回到座位,打开翻译软件,找到了那

一天一点进步 1034

LPDDR5电路设计的新功能

本文从硬件电路设计的角度,简述了LPDDR5 JEDEC标准中新增的功能。

一只豌豆象的博客 7146

仙人掌之歌——权力的游戏(1)

老陈,老陈,正忙呢,有空不,有空不?” 陈速听到后面有人叫着自己,语速挺快,声音听着还有些耳熟。回头一看,原来是易伟成这哥们。陈速心中不免诧异,因为易伟成是做统计平台的,在杨冲手下。虽说照面会开句玩笑,但业务上八杆子打不着,他过来找自己做什么?“哟,原来是老易,哪阵风把你给吹来了?” 陈速嘴上还是热情招呼着。“说话方便不?我得占用你挺长一段时间。” 易伟成的表情看起来还有几分神秘。“方便,要不咱们找个空闲的会议室吧。” 陈速看他有话不方便说,就顺势找个安静的地方说话。

一天一点进步 849

零基础学习CANoe Panel(17)—— Panel CAPL Function

CANoe内置了几个CAPLFunction,允许我们在CAPL运行时动态的更改Panel控件的属性,比如打开某个panel,禁用某个控件,更改控件颜色等。

蚂蚁小兵 3516

传感器应用案例:压力传感器在工业自动化中的应用_(13).压力传感器的数据采集与处理

数据采集系统(Data Acquisition System, DAS)是连接传感器和控制系统的重要桥梁。它包括硬件(如数据采集卡、信号调理器)和软件(如数据采集软件、数据处理算法)两部分。信号调理:将传感器输出的模拟信号转换为适合AD转换的信号。AD转换:将模拟信号转换为数字信号。数据传输:将数字信号传输到控制系统或上位机。存储:将采集的数据存储在本地或远程数据库中。实时性:保证数据的实时性和准确性。压力传感器的数据采集与处理是工业自动化中不可或缺的一部分。

2401_87715305的博客 1620

仙人掌之歌——试用期(1)

以后请多关照 陈速背着自己的双肩包,走进了光谱科技的大门。这一次的感觉明显不同于以往,从今天开始,他就是这里的一名正式员工了。陈姐出来接待,带着陈速先去了那间当初面试的小会议室。会议桌上已经放好了一堆合同文件,陈姐示意道:“小陈啊,这些是试用期合同还有保密协议。你先把它们签完了,然后我带你去工位,好吧?” 陈速一边点头一边拿起那些文件装模作样地看了看,然后就在上面逐一签上自己的名字。说实话,那些个条款在陈速眼里看来就是有用的废话,不同意又能怎样,签吧。签完后,陈姐拿起文件一边领路一边嘱咐道:“这些合同我先拿

一天一点进步 814

Claude Code 100个真实案例 - 用AI设计Arduino PCB电路板(硬件小白也能画板)

本案例展示如何使用 Claude Code 配合 KiCad 的 Python 脚本接口,从零设计一块 Arduino 传感器扩展板 PCB。从原理图符号创建、网表生成到 PCB 布局布线,全程自动化完成,最终输出可直接发给工厂打样的 Gerber 文件。

yueyeguzhuo的专栏 440

仙人掌之歌——开发(2)

直播编码 走到黄云鲲座位前,陈速就笑着招呼道:“黄老板,正忙呢?” 因为黄云鲲那一口慢吞吞的广东普通话,总让陈速想起香港电影里的那些人物,觉得颇具喜感,因此也有些玩笑地这么称呼着他。 “哎呀,系陈总啊。” 黄云鲲抬头一看是陈速,扶了扶鼻梁上的深度近视镜,笑道:“稀客啊,大驾光临真系蓬荜生辉嘛,没什么好东西欢迎你的啦。” “不敢当不敢当,” 黄云鲲这番话让陈速乐不可支,“我这系来找黄老板麻烦的啦。” “有事您请说,” 黄云鲲脸色一正,但说出来的话还跟刚才一个味:“只要小弟能做到的定当赴汤蹈火,在所不辞的嘛。”

一天一点进步 789

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

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&#39;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(&#39;DeepLearnToolbox&#39;));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(&#39;state&#39;,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&#39;); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand(&#39;state&#39;,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 = &#39;sigm&#39;;%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, &#39;Too big error&#39;);```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(&#39;state&#39;,0)sae = saesetup([784 100]);sae.ae{1}.activation_function = &#39;sigm&#39;;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)&#39;)% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = &#39;sigm&#39;;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, &#39;Too big error&#39;);```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x&#39;,28,28,60000))/255;test_x = double(reshape(test_x&#39;,28,28,10000))/255;train_y = double(train_y&#39;);test_y = double(test_y&#39;);%% 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&#39;ll get around 1.2% errorrand(&#39;state&#39;,0)cnn.layers = { struct(&#39;type&#39;, &#39;i&#39;) %input layer struct(&#39;type&#39;, &#39;c&#39;, &#39;outputmaps&#39;, 6, &#39;kernelsize&#39;, 5) %convolution layer struct(&#39;type&#39;, &#39;s&#39;, &#39;scale&#39;, 2) %sub sampling layer struct(&#39;type&#39;, &#39;c&#39;, &#39;outputmaps&#39;, 12, &#39;kernelsize&#39;, 5) %convolution layer struct(&#39;type&#39;, &#39;s&#39;, &#39;scale&#39;, 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, &#39;Too big error&#39;);```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(&#39;state&#39;,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, &#39;Too big error&#39;);%% ex2 neural net with L2 weight decayrand(&#39;state&#39;,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, &#39;Too big error&#39;);%% ex3 neural net with dropoutrand(&#39;state&#39;,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, &#39;Too big error&#39;);%% ex4 neural net with sigmoid activation functionrand(&#39;state&#39;,0)nn = nnsetup([784 100 10]);nn.activation_function = &#39;sigm&#39;; % 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, &#39;Too big error&#39;);%% ex5 plotting functionalityrand(&#39;state&#39;,0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = &#39;softmax&#39;; % 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, &#39;Too big error&#39;);%% 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(&#39;state&#39;,0)nn = nnsetup([784 20 10]); nn.output = &#39;softmax&#39;; % 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, &#39;Too big error&#39;);```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

仙人掌之歌——金秋十月(1)

生病 陈速回到家以后也没休息,把外套一脱就按照郑秋阳给他的方案开始干活。这一通猛干又忘记了时间,陈速忽然觉得鼻子一痒,大大地打了个喷嚏。要糟,陈速这会儿才觉得身体发冷。再一看时间,快凌晨两点了,还得赶早去接云冰洁,可别这会儿病倒了,赶紧休息吧。 真是怕什么来什么,闹钟虽然将陈速叫醒了,可他却沮丧万分。发烧带来的寒冷感令他觉得浑身没有一丝力气。他艰难地下床找到体温计给自己量上,拿出来一看:39.6度。陈速一拍自己脑门,只好拿起手机给云冰洁发出消息:“亲爱的,我这会儿发烧了浑身没劲。你自己过来吧,好吗?” 放下

一天一点进步 733

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。

仙人掌之歌——权力的游戏(4)

陈速没有听清,向他投去询问的目光,易伟成立即换成“哈哈”一阵笑声,说:“洪总这不是想借大培训活动让大家熟悉公司的技术体系架构嘛,所以让架构部牵头来弄。此时办公室里站着或坐着得有二十多人,洪武青先开口,还是软绵绵的腔调:“陈速,我打算组织技术部做一个整体的培训,刚才讨论到直播业务这块儿。” 抬头一看,果然是易伟成,这哥们笑得两眼放光,却又假装克制,使劲地冲陈速摆手,那意思就是跟我来。出来后,陈速感觉一只手很有力地按在了自己的肩头,一看是易伟成笑得眉眼开花,悄悄说了句:“我叫你周一别请假没错吧。

一天一点进步 688

蓝牙模块HM-10手册

蓝牙模块HM-10手册,该手册对蓝牙模块HM-10进行了详细的介绍和使用方法以及一些AT指令。

仙人掌之歌——权力的游戏(3)

就是抑制神经的活动,吃完后人就只剩下最基本的生存本能,无法思考,无法行动,只能躺在这所疗养院的某张床上,等着别人来照顾我吃喝拉撒。正待要说什么,却看见李通快速眨了几下眼睛,做了个保持安静的手势,说了句“糟糕,吴玮来了”,然后示意陈速要加快脚步走。那您看我像是干啥的?陈速正不知所以然,就听见背后一阵急促的小皮鞋蹬地发出的“吧嗒吧嗒”声,紧接着是充满权威却又十分悦耳的女声,喝道:“李通,你站住。李通有些意外,拍了拍陈速的肩膀,表示收到了他的关切,平淡地说:“我情愿像个疯子一样死去,也不愿像个白痴一样度过余生。

一天一点进步 652

仙人掌之歌——投石问路(2)

刘欣怡入职三天之后,林象南过来将陈速和梁江峰叫到了洪武青办公室去开会。陈速进去一看,客户端部门经理郑明友、钟展鹏、刘成玉和葛栋山已经坐在里面了。洪武青首先向葛栋山发问:“栋山,之前说让你梳理直播CDN架构,工作完成了吗?”葛栋山的表情有些扭捏,他说:“陈工把他那边的设计文档都发给我了,我也找雷定宇去了解目前线上的具体部署了。我最近发现了一个挺好用的可视化工具,能自动呈现服务器的架构图,我正在弄呢。”“那抓点紧,把你的工作成果发出来吧。” 洪武青皱了皱眉头,又转向大家说:“今天把大家叫过来,主要是想说一下直播

一天一点进步 636

仙人掌之歌——跳槽前后(1)

“这个手机上传视频功能的成功率只有50%”,杨昕怀挥舞着他新买的大屏HTC手机向着老板说道:“张总,这样低的上传成功率让我们的内容很难运营那。”

一天一点进步 626

仙人掌之歌——可行性方案设计(2)

视频编码算法工程师 陈速叫上林象南去敲响了洪武青办公室的门。因为他现在已经充分了解梁江峰的行事风格了,如果跟梁江峰说有个事卡壳了要找谁,梁江峰会答应下来,但是却会一连几天都没有动静。当事情催到眼面前时,梁江峰倒是会紧着去办,但也会埋怨一通。如此几番下来,陈速已经习惯了自己去找人解决,就是事后跟梁江峰打个招呼让他知道这事就完了。 进了洪武青的办公室,陈速开始说起来:“洪总,现在有个问题啊。就是沈阳电信提供的直播源我已经测试过了,能收到数据,但数据的音视频编码有问题。” 陈速思考着自己的措词,发觉可能不太妥当,

一天一点进步 620

仙人掌之歌——金秋十月(2)

逛中关村 又休息了两天,陈速可算是好全了,一大早就跟云冰洁说:“亲爱的,今天咱不在家做饭了,到中关村逛去。再看个电影,吃大餐。” “就知道吃,看你那肚子大得像样吗?” 云冰洁嘴上是埋怨着,可她的眼神却亮了起来。 “赶紧的,别废话,出发。” 陈速相当果断。 坐公交到中关村下了车,陈速拉着云冰洁就奔中关村图书大厦里去了。陈速最喜欢北京的一点便是这里浓厚的文化氛围,平常周末要没事他还会去北大清华里面蹭公开课听。图书大厦从下往上四层都是图书卖场,陈速现在还记得第一次来逛的时候就惊叹连连,还办了一张会员卡。再想想老家

一天一点进步 615

仙人掌之歌——跳槽前后(5)

我想给自己一次机会 陈速一上午已经跑了三趟厕所,每次完事洗手的时候他都对自己说“我现在就去跟他说。” 不过第三次出来时他瞥了一眼刘格,又回到了自己的工位上坐下来。陈速盯着电脑屏幕啥动作也没有,事实上电脑开机之后就没打开任何一个软件。陈速有些烦躁起来,无意识地拉开抽屉又关上,忽然一个东西引起了他的注意。他再打开抽屉时看到了那盒金圣,陈速这会儿心里终于有了主意,他拿起烟和打火机站起来向刘格走去。 “刘哥,有空没,下去凉快一下呗。” 陈速尽量让自己的声音听起来保持平稳。 刘格正在绞尽脑汁想怎么加上一个新功能,再多

一天一点进步 580

仙人掌之歌——大规模高速扩张(2)

开完研发管理系统培训会的第二天,钮文锋就组织了一场全体开发人员碰头会。陈速心想这哥们可真是够雷厉风行的。陈速从小就纪律意识强,不喜欢迟到,提前五分钟就到了会场。总共百十来号开发,到了会议开始时间时,也不过来了二三十人,其他的都稀稀拉拉晃着进来。钮文锋一人坐在主席台上,铁青着脸色在每个进来的人脸上都盯一下。差不多延误了十多分钟,人才到了个八九成的样子。钮文锋开口了:“关于会议纪律,我宣布三项要求,” 他扫视了一遍全场,“第一,绝不允许迟到,不接受任何借口;第二,开会期间底下不允许开小会,有问题公开讨论;

一天一点进步 543

LogMiner vs 裸日志解析(二十八):日志里那个 DBA,到底指向磁盘上的哪个字节?

系列第 28 篇。上一篇讲了操作码——记录在说什么。这一篇讲地址——它改的那块数据,到底在磁盘的什么位置。

m0_60522596的博客 69

记录仪视频抽帧与时间轴预览:FFmpeg 批量参数、雪碧图拼接与并行度取舍

文中抽帧间隔、并发区间与耗时为该项目 8 核环境的参考值,需按自身硬件与文件特征实测校准(项目由黑龙江单工科技有限公司实施,其为深圳警翼智能科技股份有限公司东北区域授权经销商,授权区域以黑龙江、吉林为核心,具体授权范围与有效期以授权文件原件为准)配合 WebVtt 时间轴描述,前端一次加载几 MB 图片,鼠标划过高亮对应帧,点一下直接跳到视频对应时间点。太稀,定位精度不够,调阅人还是得在十几秒的区间里拖。滤镜会先规整,序号仍然线性,但时间戳映射要以滤镜输出为准,不能直接用源文件 PTS。

专注 DMR/ePDT 专网对讲、寒地应急通信,分享林区、石油石化、铁路无线通信技术方案与工程实践。 292

ffmpeg学习4:opencv在音视频领域常用指令

核心流程:视频/图像读写 → 帧预处理 → 特征提取或模型推理 → 视频分析 → 结果输出videoioimgproccorevideodnnfeatures2dvideodnnimgcodecsvideoio。

2501_90216642的博客 216
上一篇: C++11精要学习:右值引用与完美转发
下一篇: 仙人掌之歌——路转峰回(4)
程序猿阿诺
博客等级 码龄23年 25粉丝 79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
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