weixin_34389926
weixin_34389926

视频编解码学习之三：变换，量化与熵编码

第6章 变换编码

1. 变换编码

  • 变换编码的目的
    • 去除空间信号的相关性
    • 将空间信号的能力集中到频域的一小部分低频系数上
    • 能量小的系数可通过量化去除，而不会严重影响重构图像的质量
  • 块变换和全局变换
    • 块变换：离散余弦变换(Discrete Cosine Transform，DCT)，4x4，8x8，16x16
    • 全局变换：小波变换(Wavelet)
  • 变换的能量集中特性
    • DCT编码

视频编解码学习之三：变换，量化与熵编码_第1张图片

2. 变换类型

  • K-L变换
  • 傅里叶变换
  • 余弦变换
  • 小波变换

3. KL变换

  • 最优变换
  • 基函数根据具体图像而确定
  • 没有快速算法
  • 实际中很少使用
    • 复杂度极高

视频编解码学习之三：变换，量化与熵编码_第2张图片视频编解码学习之三：变换，量化与熵编码_第3张图片视频编解码学习之三：变换，量化与熵编码_第4张图片视频编解码学习之三：变换，量化与熵编码_第5张图片

视频编解码学习之三：变换，量化与熵编码_第6张图片

  • K-L变换非常复杂度很高，不实用
    • 需要计算协方差矩阵U
    • 需要计算特征向量
    • 需要发送 到解码器

4. 离散傅立叶变换

视频编解码学习之三：变换，量化与熵编码_第7张图片

5. 离散傅立叶变换性质

视频编解码学习之三：变换，量化与熵编码_第8张图片

视频编解码学习之三：变换，量化与熵编码_第9张图片

6. 离散余弦变换

  • 比K-L变换，傅里叶变换的复杂度更低
  • 变换性能仅次于K-L变换
  • 有快速算法可以加快变换速度
  • 可以用整数变换进一步降低复杂度

视频编解码学习之三：变换，量化与熵编码_第10张图片

视频编解码学习之三：变换，量化与熵编码_第11张图片

视频编解码学习之三：变换，量化与熵编码_第12张图片

视频编解码学习之三：变换，量化与熵编码_第13张图片

7. DCT与DFT的关系

视频编解码学习之三：变换，量化与熵编码_第14张图片

8. 离散余弦变换的重要性质

视频编解码学习之三：变换，量化与熵编码_第15张图片

视频编解码学习之三：变换，量化与熵编码_第16张图片

视频编解码学习之三：变换，量化与熵编码_第17张图片

视频编解码学习之三：变换，量化与熵编码_第18张图片

视频编解码学习之三：变换，量化与熵编码_第19张图片

 

9. 快速DCT变换

视频编解码学习之三：变换，量化与熵编码_第20张图片

视频编解码学习之三：变换，量化与熵编码_第21张图片

下图是一个动态展示：

 

视频编解码学习之三：变换，量化与熵编码_第22张图片

视频编解码学习之三：变换，量化与熵编码_第23张图片

视频编解码学习之三：变换，量化与熵编码_第24张图片

 

10. 整数离散余弦变换

  • 离散余弦变换为浮点操作
    • 需要64位精度
    • 浮点计算复杂度高
    • 变换精度高
  • 整数变换：离散余弦变换的整数近似
    • 需要更少的位宽
    • 整数计算复杂度低
    • 好的整数变换的变换精度接近浮点变换
  • 浮点近似方法

视频编解码学习之三：变换，量化与熵编码_第25张图片

视频编解码学习之三：变换，量化与熵编码_第26张图片

11. H.264的4x4整数变换

视频编解码学习之三：变换，量化与熵编码_第27张图片

视频编解码学习之三：变换，量化与熵编码_第28张图片

视频编解码学习之三：变换，量化与熵编码_第29张图片视频编解码学习之三：变换，量化与熵编码_第30张图片

视频编解码学习之三：变换，量化与熵编码_第31张图片视频编解码学习之三：变换，量化与熵编码_第32张图片视频编解码学习之三：变换，量化与熵编码_第33张图片

12. 小波变换

  • 新的变换方法
  • 避免由于块编码带来的块效应
  • 更适合视频空间可分级编码

 

第7章 量化

1. 量化Quantization

  • 用更小的集合表示更大的集合的过程
    • 对信号源的有限近似
    • 有损过程
    • 应用
      • A/D转换
      • 压缩
    • 量化方法
      • 标量(Scalar)量化
      • 矢量(Vector)量化

2. 量化的基本思想

  • 映射一个输入间隔到一个整数
  • 减少信源编码的bit
  • 一般情况重构值与输入值不同

视频编解码学习之三：变换，量化与熵编码_第34张图片

3. 量化模型

视频编解码学习之三：变换，量化与熵编码_第35张图片

4. 量化的率失真优化

  • 量化器设计问题
    • 量化水平的个数，即Bin的个数
    • 决策边界：Bin的边界
    • 重构水平
  • 量化器设计是对率失真的优化
    • 为了减少码率的大小，需要减少Bin的个数
    • Bin的个数减少导致重构的误差增大，失真也就随着增大

视频编解码学习之三：变换，量化与熵编码_第36张图片

5. 失真测量

视频编解码学习之三：变换，量化与熵编码_第37张图片

6. 量化器设计

  • 量化器设计的两个方面
    • 给定量化水平数目M，找到决策边界xi和重构水平 使MSE最小
    • 给定失真限制D，找到量化水平数目M，决策边界xi和重构水平yi使MSE<=D

7. 均匀量化（Uniform Quantization）

视频编解码学习之三：变换，量化与熵编码_第38张图片

视频编解码学习之三：变换，量化与熵编码_第39张图片

8. 量化与峰值信噪比

视频编解码学习之三：变换，量化与熵编码_第40张图片

视频编解码学习之三：变换，量化与熵编码_第41张图片

9. 中升量化器（Midrise Quantizer）

视频编解码学习之三：变换，量化与熵编码_第42张图片

10. 中平量化器（Midtread Quantizer）

视频编解码学习之三：变换，量化与熵编码_第43张图片

11. 死区量化器（Deadzone Quantizer）

视频编解码学习之三：变换，量化与熵编码_第44张图片

12．非均匀量化（Non-uniform Quantization）

  • 如果信源不是均匀分布的，采用均匀量化不是最优的
  • 对于非均匀量化，为了减少MSE，当概率密度函数fX(x)高时，使Bin的量化步长减小，当概率密度函数fX(x)低时， 使Bin的量化步长增加。

13. 最优的标量量化

视频编解码学习之三：变换，量化与熵编码_第45张图片视频编解码学习之三：变换，量化与熵编码_第46张图片

视频编解码学习之三：变换，量化与熵编码_第47张图片

14. 量化编码

  • 定长编码量化水平
    • 使用等长的码字编码每个量化水平，码字长为：
  • 熵编码量化水平
    • 根据量化水平的概率分布情况，用变长的码字编码每个量化水平
    • 平均码字长
    • 比定长编码量化水平效率高
    • 广泛应用在图像和视频编码中

15. 矢量量化

  • 标量量化：对数据一个一个的进行量化，称为标量量化。
  • 矢量量化：将数据分组，每组K个数据构成K维矢量，再以矢量为处理单元进行量化。
    • 矢量量化是标量量化的多维扩展
    • 标量量化是矢量量化的特殊情况
  • 矢量量化工作过程

视频编解码学习之三：变换，量化与熵编码_第48张图片视频编解码学习之三：变换，量化与熵编码_第49张图片

  • 二维矢量量化

视频编解码学习之三：变换，量化与熵编码_第50张图片

  • 矢量量化优点
    • 只传码字的下标，编码效率高
    • 在相同码率下，比标量量化失真小
    • 在相同失真下，比标量量化码率低
  • 矢量量化缺点：复杂度随着维数的增加呈指数增加

 

第8章 熵编码

1. 熵编码

  • 熵（Entropy）：信源的平均信息量，更精确的描述为表示信源所有符号包含信息的平均比特数
    • 信源编码要尽可能的减少信源的冗余，使之接近熵
    • 用更少的比特传递更多的信源信息
  • 熵编码：数据压缩中根据信源消息的概率模型使消息的熵最小化
    • 无损压缩
    • 变长编码

2. 熵

  • 信息量：

单位：比特

  • 熵：

单位：比特/符号

视频编解码学习之三：变换，量化与熵编码_第51张图片视频编解码学习之三：变换，量化与熵编码_第52张图片

3. 定长编码

视频编解码学习之三：变换，量化与熵编码_第53张图片

4. 变长编码

  • 变长编码：用不同的比特数表示每一个符号
    • 为频繁发生的符号分配短码字
    • 为很少发生的符号分配长码字
    • 比定长编码有更高的效率
  • 常用的变长编码
    • Huffman编码
    • 算术编码

5. Huffman编码

  • 前缀码：任何码字不是其它码字的前缀
    • 如果011为一个有效码字，则0，1，01，11必不是有效码字
    • 不会引起解码歧义
  • Huffman：
    • 二叉树
    • 树节点:表示符号或符号组合
    • 分支:两个分支一个表示"0"，另一个表示"1"

视频编解码学习之三：变换，量化与熵编码_第54张图片

视频编解码学习之三：变换，量化与熵编码_第55张图片

  • Huffman的不唯一性
    • 每次分支有两种选择：0，1

      视频编解码学习之三：变换，量化与熵编码_第56张图片

    • 相同的概率产生不同的组合

      视频编解码学习之三：变换，量化与熵编码_第57张图片

  • 缺点：
    • 数据的概率变化难于实时统计
    • Huffman树需要编码传输给解码器
    • 只有在p(xi)=1/2ki 时是最优编码
    • 最小码字长度为1比特/符号
  • 如果有二值信源，其两个符号的概率相差很大
    • 例如：p(1)=0.0625，p(0)=0.9375则H=0.3373比特/符号，Huffman编码平均码长=1比特/符号
    • 两个符号联合编码有更高效率

6. 扩展Huffman编码

视频编解码学习之三：变换，量化与熵编码_第58张图片

7. 范式Huffman编码

  • 范式Huffman树的建立规则
    • 节点左支设为0，右支设为1
    • 树的深度从左至右增加
    • 每个符号被放在最先满足的叶子节点

视频编解码学习之三：变换，量化与熵编码_第59张图片

  • 特性
    • 第一个码字是一串0
    • 相同长度的码字的值是连续的
    • 如果所有的码字通过在低位补0的方式，使所有码字的长度相同则有 0000<0100<1000<1010<1100<1110<1111
    • 从码字长度n到n+1有如下关系
      • C(n+1,1)=(C(n,last)+1)<<1
    • 从码字长度n到n+2有如下关系
      • C(n+2,1)=(C(n,last)+1)<<2

视频编解码学习之三：变换，量化与熵编码_第60张图片

视频编解码学习之三：变换，量化与熵编码_第61张图片

8. 一元码

  • 编码一个非负整数n为n个1和一个0
  • 不需要存储码表
  • 可以用Huffman树表示

    视频编解码学习之三：变换，量化与熵编码_第62张图片

  • 码长增长太快：n=100，码长101

视频编解码学习之三：变换，量化与熵编码_第63张图片

9. 哥伦布编码

  • 将信源符号等分成几组，每组有相应的编号
  • 编号小的分配码字短，编号大分配码字长
  • 同组的符号有等长的码字，比一元码的码字长度增长慢

  • 码字分配

视频编解码学习之三：变换，量化与熵编码_第64张图片

视频编解码学习之三：变换，量化与熵编码_第65张图片

视频编解码学习之三：变换，量化与熵编码_第66张图片

 

10. 指数哥伦布编码

  • 哥伦布码对信源符号的分组大小相同
  • 指数哥伦布码对信源符号的分组大小按照指数增长
  • 指数哥伦布码依然是一元码加定长码的形式
  • 指数哥伦布码的指数k=0，1，2，…

视频编解码学习之三：变换，量化与熵编码_第67张图片

视频编解码学习之三：变换，量化与熵编码_第68张图片

视频编解码学习之三：变换，量化与熵编码_第69张图片

11. CAVLC（ Context-Based Adaptive Variable Length Code）

  • 当前块的系数分布和其邻块的系数分布情况相关
    • N X为块X的非零系数个数，当前块C的第一个系数的编码码表由N C决定， N C=( N A+ N B )/2

  • 当前待编码系数和前面编码系数有相关性
    • 当前块C的其它系数的编码码表由前一个系数的幅值决定cofN-1=>GolombTab_x，用GolombTab_x编码cofN

视频编解码学习之三：变换，量化与熵编码_第70张图片

12. 算术编码

  • 信息量=>符号编码比特数
  • Huffman编码为每个符号分配一个码字，这说明Huffman编码的压缩上限是1比特/符号
  • 算术编码若干个符号可编码成1bit
  • 算术编码是把信源表示为实数轴上[0,1]区间，信源中每个符号都用来缩短这个区间
    • 输出[0,1]区间的一个实数表示一串编码符号
    • 比Huffman编码更有效
  • 编码思想
    • 编码器用熵编码算法编码一串符号产生一个[0,1]区间的实数，将实数的一个二进制表示传给解码器
    • 解码器用熵解码算法解码得到一串符号
  • 小数的二进制表示

  • 信源符号概率分布

    视频编解码学习之三：变换，量化与熵编码_第71张图片

  • 字符串：X2 X2 X3 X3 X6 X5 X7
  • Huffman编码，01 01 100 100 00 11 1011，18bit

视频编解码学习之三：变换，量化与熵编码_第72张图片视频编解码学习之三：变换，量化与熵编码_第73张图片

视频编解码学习之三：变换，量化与熵编码_第74张图片

  • 算术编码更接近熵
  • 有限精度算术编码是次优（Near-optimal）编码，发送整数比特给解码端
  • 算术编码到最后一个字符编码结束才输出码字
  • 编码复杂度也比较高

13. 二值算术编码

视频编解码学习之三：变换，量化与熵编码_第75张图片视频编解码学习之三：变换，量化与熵编码_第76张图片

视频编解码学习之三：变换，量化与熵编码_第77张图片

13. 自适应二值算术编码

  • 由于信源0和1出现的概率是在不断变化的，因此0和1的概率区间也应该不断改变
  • 自适应二值算术编码每编码一个0或1都重新统计0和1的概率并重新划分[0,1)区间
  • 编解码端的概率统计模型一致，能够得到同样的[0,1)区间划分

视频编解码学习之三：变换，量化与熵编码_第78张图片视频编解码学习之三：变换，量化与熵编码_第79张图片

 

14. CABAC（Context-Based Adaptive Binary Arithmetic Coding）

视频编解码学习之三：变换，量化与熵编码_第80张图片

  • 当前块的语法元素概率分布和其邻块的语法元素概率分布情况相关
    • 当前块C的邻块A和B的语法元素SA与SB可以为编码C块的语法元素SC选择概率模型
  • 二值化
    • 将语法元素值转换成二进制值串
  • 概率模型更新
    • 根据已经编码的比特，重新估计二进制值串的概率并更新概率模型，用新的概率模型编码下一个比特

视频编解码学习之三：变换，量化与熵编码_第81张图片

15. Run Length 编码

  • 利用信源字符的重复性来编码的技术
  • 对有很长，很多重复字符的信源编码非常有效
  • 重复字符称为run，重复的字符个数称为run length
  • Run-length编码能够和其它熵编码一起来压缩数据

视频编解码学习之三：变换，量化与熵编码_第82张图片

视频编解码学习之三：变换，量化与熵编码_第83张图片

16. 字典编码

  • 字典编码：根据信源符号（消息）的组合特点，建立包含各种符号组合的字典，编码这些符号组合的索引
    • LZ78=>Winzip
    • LZW=> GIF
  • 适合一般意义上的数据压缩，去除数据的统计冗余

17. LZW

  • 将信源输出的字符串中，每个第一次出现的字符或者字符串用索引来表示，并将字符或字符串对应的索引编码到码流中
  • 解码端根据从码流中解码的字符，在线的建立和编码器完全一样的字典，并恢复出信源输出的字符串
  • 适用于字符串中有大量的子字符串多次重复出现，重复次数越多，压缩效果越好
  • 单个符号被分配为0-255之间的值
  • 初始码表，使其包含值为0-255的256个符号，值大于255的符号为空
  • 编码器将根据编码的符号情况确定字符组合为从 256 到 4095 之间的值
  • 编码时，编码器识别新的字符组合，并将他们增加到码表中
  • 编码器用码表中的符号组合所对应的值编码

视频编解码学习之三：变换，量化与熵编码_第84张图片

  • 解压时LZW解码器能够产生和编码器完全一样的码表
  • 和编码器一样先初始化所有的单字符，将0-255之间的值分配给它们
  • 除了解码第一个字符外，解码其它字符时都要更新码表
  • 通过读码字并根据码表中的值将它们解码为对应的字符或字符组合

视频编解码学习之三：变换，量化与熵编码_第85张图片

18. LZ78

视频编解码学习之三：变换，量化与熵编码_第86张图片

参考资料：

  • LZW：http://www.cs.usyd.edu.au/~loki/cs2csys/gif-info/lzw.html
  • LZ78：http://www.cs.usyd.edu.au/~loki/cs2csys/gif-info/lz78.html

 

 

 

 

转载于:https://www.cnblogs.com/xkfz007/archive/2012/07/29/2614250.html

你可能感兴趣的:(视频编解码学习之三：变换，量化与熵编码)

  • Java进阶——数组超详细整理 1加1等于 Javajava数据结构
    数组是一种基础且重要的数据结构，广泛应用于各种场景，本文将深入探讨Java数组的相关知识点，并结合实际场景展示其应用。本文目录一、数组声明与初始化1.声明方式2.初始化方法3.长度特性二、内存管理三、数组遍历与操作1.遍历方式2.数组填充四、多维数组五、数组工具类Arrays六、数组与集合的转换1.数组转集合2.集合转数组总结一、数组声明与初始化1.声明方式数组的声明有两种方式：int[]prod
  • P2P通信：WebRTC的原理与实现 幻想彩虹中的绚丽光华 p2pwebrtc网络协议WebRTC
    WebRTC（WebReal-TimeCommunication）是一种用于在Web浏览器之间进行实时通信的开放标准。它提供了一种直接的点对点（P2P）通信方式，使得浏览器之间可以实时传输音频、视频和数据。本文将详细介绍WebRTC的原理和实现，并提供相应的源代码示例。WebRTC的原理：WebRTC利用了多种技术，包括实时传输协议（RTP）、会话发起协议（SDP）、媒体传输控制协议（RTCP）和
  • stlink is not in the dfu mode，please restart it litvm bug解决经验分享
    问题：Keil中使用stlink烧录代码时，提示需要更新驱动，点击更新后，提示：“STLINKisnotintheDFUmodeplesserestartit”，重新拔插之后，还是同样的问题解决方法：stlink已经连接了STM32F103（VCC，GND，SWCLK，SWDIO四个引脚），在连接状态下，插入电脑进行更新是不行的，也就是所谓的notinthedfumode。只需要把stlink与S
  • 【设计模式】C++ 单例模式总结与最佳实践 白码思 c++单例模式开发语言
    1.单例模式简介单例模式（SingletonPattern）是软件开发中常见的设计模式之一，主要用于确保某个类只有一个实例，并提供一个全局访问点。常见的使用场景包括：日志管理：全局唯一的日志记录器。数据库连接池：防止创建多个数据库连接，提高性能。资源管理器：如线程池、驱动管理器等。2.单例模式的实现方式C++中实现单例模式的方式有多种，常见方式如下：2.1普通的单例模式（非线程安全）特点：使用静态
  • WebRTC：构建实时通信应用的利器 Hello-ZHE webrtc
    都已无处不在。而WebRTC（WebReal-TimeCommunication）则为开发者提供了一种简便的方式，来在浏览器中实现实时的音视频通信和数据传输。本文将介绍WebRTC的基本概念、工作原理，以及如何利用WebRTC构建实时通信应用。什么是WebRTC？WebRTC（WebReal-TimeCommunication）是一种开放的网络技术标准，它允许浏览器与浏览器之间进行实时音视频通话、
  • 从零实现KV存储项目实战 程序员老舅 C++Linux后端c++c++存储kv存储分布式存储后端项目c++项目cpp项目
    本项目是从零实现一个完整的、兼容Redis协议的KV数据库项目。通过每一行代码的编写。你会对整个系统了如指拿，这样对自己基本功的锻炼、对编程能力的提升都是很大的项目提供完整的视频教程+代码下面是关于KV存储项目的技术大纲：如果你在学习的过程当中，遇到有任何问题，都可以在项目社群提出了，有专人给大家答疑的。适用人群这个KV存储项目对以下同学应该都非常的合适,包括但不限于:●想入门数据库的同学，存储对
  • http协议与https协议 网络文化 渗透httphttps网络协议网络
    HTTP（HyperTextTransferProtocol：超文本传输协议）是一种用于分布式、协作式和超媒体信息系统的应用层协议。简单来说就是一种发布和接收HTML页面的方法，被用于在Web浏览器和网站服务器之间传递信息。HTTP默认工作在TCP协议80端口，用户访问网站http://打头的都是标准HTTP服务HTTP协议以明文方式发送内容，不提供任何方式的数据加密，如果攻击者截取了Web浏览器
  • 图神经网络实战——分层自注意力网络 盼小辉丶 图神经网络从入门到项目实战神经网络人工智能深度学习
    图神经网络实战——分层自注意力网络0.前言1.分层自注意力网络1.1模型架构1.2节点级注意力1.3语义级注意力1.4预测模块2.构建分层自注意力网络相关链接0.前言在异构图数据集上，异构图注意力网络的测试准确率为78.39%，比之同构版本有了较大提高，但我们还能进一步提高准确率。在本节中，我们将学习一种专门用于处理异构图的图神经网络架构，分层自注意力网络(hierarchicalself-att
  • Radiance Fields from VGGSfM和Mast3r:两种先进3D重建方法的比较与分析 2401_87458718 3d
    VGGSfM和Mast3r:3D场景重建的新方向在计算机视觉和3D重建领域,如何从2D图像重建3D场景一直是一个充满挑战的研究课题。近年来,随着深度学习技术的发展,一些新的方法被提出并取得了显著的进展。本文将重点介绍两种最新的基于深度学习的3D重建方法:VGGSfM和Mast3r,并通过GaussianSplatting技术对它们的性能进行全面比较和分析。VGGSfM:基于视觉几何的深度结构运动恢
  • 封装Socket编程接口 南林yan Linux学习网络linux服务器
    一、Socket编程接口与TCP/UDP的关系Socket是网路通信接口，介于传输层和应用层之间，其封装了传输层的TCP/UDP协议以及网络层的IP协议，允许开发者通过调用编程接口选择使用TCP或UDP协议来实现不同的通信需求。TCP协议特点：面向连接：通过三次握手建立连接（第一次握手：客户端调用connect函数向服务端申请建立连接；第二次握手：服务端处于监听状态，接收客户端的连接；第三次握手：
  • HAL库中使用空闲中断+DMA接收数据，接收失败的问题 litvm bug解决bugHAL库
    问题：串口屏与单片机通过串口（USART1）进行通信，调试时发现问题，现象如下：手动页面的几个文本，输入的数字不会显示出来，比如初始值为0，输入200，200会一闪而过，又恢复到0。检查了页面ID和文本ID，单片机解析的函数都没有问题。①连接上调试器时，文本输入、显示非常正常。②不接调试器时，文本输入、显示时而正常，时而有问题。解决：1，不知道哪里的原因，接上调试器时又运行正常，没法调试。所以只能
  • Python 爬虫实战：舞台剧与演出信息获取 西攻城狮北 python爬虫开发语言
    作为一名对文化艺术活动和数据获取感兴趣的内容创作者，我决定利用Python爬虫技术抓取舞台剧与演出信息。这对于文艺爱好者、文化活动组织者以及相关研究人员来说，是一个极具价值的探索。一、项目背景舞台剧和各类演出活动丰富了人们的精神文化生活。许多城市都有专业的演出场馆，如国家大剧院、上海大剧院等，它们会定期发布演出信息。通过爬虫技术，我们可以自动化地获取这些演出信息，方便用户查询和分析。二、技术选型在
  • R语言入门课| 02 R及Rstudio的下载与安装 Biomamba生信基地 r语言开发语言生信
    视频教程先上教程视频，B站同步播出：https://www.bilibili.com/video/BV1miNVeWEkw完整视频回放可见：R语言入门课回放来啦"R语言入门课"是我们认为生信小白入门不得不听的一个课程，我们也为这个课程准备了许多干货。在第二节课中，我们给大家详细的介绍了R及Rstudio的安装过程，大家赶紧装起图文内容1、R语言安装R是用于统计分析、绘图的语言和操作环境。R是一款属
  • R语言基础常用代码总结 WhyteHighmore 代码r语言开发语言
    基础代码#基础操作ls()#变量列表rm(var.3)cat()#多个输出sink("r_test.txt",split=TRUE)#读写文件分开始与结束#路径操作getwd():获取当前工作目录setwd():设置当前工作目录#基础运算10%/%3#整除<−、=、<<−#左赋值1%in%a#判断元素是否在向量里E%*%t(E)#用于矩阵与它转置的矩阵相乘#数学函数sqrt(n)#n的平方根exp
  • 使用hel-micro微服务实现在jsp项目中引入react组件 小灰灰学编程 微服务微服务react.jsjsphel-micro
    以下是一个完整的示例，涵盖React子应用配置、JSP主应用集成以及样式隔离的实现细节。我们将通过CSSModules和ShadowDOM确保React样式与JSP样式互不干扰。一、React子应用配置1.项目结构react-module/├──src/│├──index.js#模块入口文件│├──App.js#React组件│└──App.module.css#组件样式（CSSModules）├
  • StarRocks中优雅处理JSON与列表字段的初步示例 t.y.Tang 数据库mysqljson
    StarRocks是一种兼容MySQL语法,自带对JSON,ARRAY等格式支持的数据库.文章目录一StarRocks是什么？与MySQL有何关系？二JSON格式的好处三JSON数组字段的应用和缺点四实例:StarRocks处理JSON数组的方法示例表结构场景1:筛选包含特定事件的用户场景2:提取数组中的嵌套字段场景3:展开数组为多行(UNNEST)场景4:复杂条件过滤(结合`$`索引)五,性能优
  • 微服务即时通信系统---（五）框架学习 YangZ123123 微服务即时通信系统学习微服务算法
    目录ODB介绍安装build2安装odb-compiler安装ODB运行时库安装mysql和客户端开发包安装boostprofile库安装总体打包安装总体卸载总体升级头文件包含和编译时指明库ODB常见操作介绍类型映射ODB编程类与接口介绍mysql连接池对象类mysql客户端操作句柄类mysql事务操作类针对可能为空的字段封装的类似于智能指针的类型针对查询结果所封装的容器类和条件类mysql操作句
  • 基于 PyTorch 的 MNIST 手写数字分类模型 欣然～ pytorch分类人工智能
    一、概述本代码使用PyTorch框架构建了一个简单的神经网络模型，用于解决MNIST手写数字分类任务。代码主要包括数据的加载与预处理、神经网络模型的构建、损失函数和优化器的定义、模型的训练、评估以及最终模型的保存等步骤。二、依赖库torch：PyTorch深度学习框架的核心库，提供了张量操作、自动求导等功能。torch.nn：PyTorch的神经网络模块，包含了各种神经网络层、损失函数等。torc
  • linux内核路由子系统,深入理解Linux网络技术内幕——路由子系统的概念与高级路由... 罗心澄 linux内核路由子系统
    本文讨论IPv4的路由子系统。(IPv6对路由的处理不同)。基本概念路由子系统工作在三层，用来转发入口流量。路由子系统主要设计路由器、路由、路由表等概念。路由器：配备多个网络接口卡(NIC)，并且能利用自身网络信息进行入口流量转发的设备。路由：流量转发，决定目的地的过程路由表：转发信息库，该库中储存路由需要本地接收还是转发的信息，以及转发流量时所需要的信息。(即，信息库用来判断，要不要转发，如果要
  • 使用Couchbase实现高效的AI应用缓存与数据存储 scaFHIO 人工智能缓存python
    在当今AI应用的开发中，除了模型本身的性能，数据存储和缓存的效率也至关重要。Couchbase作为一款分布式NoSQL云数据库，其性能、可扩展性以及对AI、边缘计算应用的支持能力，使其成为优秀的选择。在本文中，我们将探讨如何通过Couchbase来实现高效的数据存储与缓存，尤其是在AI应用中。技术背景介绍随着AI应用规模的扩大和复杂度的增加，我们需要可靠的数据存储解决方案来满足实时性要求，同时减少
  • React的状态管理——Redux miraculous111 react.jsjavascript前端
    Redux与计数器配套工具使用ReactToolkit创建counterStore为React注入storeReact组件使用store中的数据React组件修改store中的数据绑定用户交互效果展示action传参Redux异步状态管理React中的Redux就像Vue中的Vuex和Pinia一样，都是状态管理工具，通过这种方式可以很方便的实现各个组件中的通信。下面的代码是通过Redux实现一个
  • STM32:关于NVIC的工作与优先级分组方式 sewinger stm32学习笔记单片机嵌入式硬件stm32
    一，NVIC是什么NVIC，全称是NestedVectoredInterruptController，即嵌套向量中断控制器。它是ARMCortex-M系列处理器内核的一个重要组成部分，主要用于管理中断请求，协调中断的优先级，以及控制中断的嵌套执行，使得处理器能够高效、有序地响应和处理多个中断源。这个名称是如何体现的，下面一一说明。二，“嵌套”体现在哪？NVIC的嵌套体现在它能够处理多个中断的嵌套执
  • Angular与ASP.NET Core：解决表单数据传输问题 t0_54coder 编程问题解决手册angular.jsasp.net前端个人开发
    在现代Web开发中，Angular和ASP.NETCore是两个非常流行的框架，它们的组合可以构建出高效且易于维护的应用程序。然而，在使用Angular发送表单数据到ASP.NETCoreAPI时，开发者常常会遇到一些数据传输的问题。今天我们就来探讨如何正确地处理这种情况，并通过实际例子来展示解决方案。问题描述假设我们有一个Angular前端应用，需要将一个包含文件和其他数据的表单提交到ASP.N
  • 数据结构——链表专项 seven——seven linuxmailbox之线程邮箱数据结构链表算法
    数据结构的总结1.定义一组用来保存一种或者多种特定关系的数据的集合（组织和存储数据）程序的设计：将现实中大量而复杂的问题以特定的数据类型和特定的存储结构存储在内存中，并在此基础上实现某个特定的功能的操作；程序=数据结构+算法高内聚，低耦合2.数据与数据之间的关系数据的逻辑结构：数据元素与元素之间的关系集合：关系平等线性结构：元素之间一对一的关系（表，队列。栈。。。）树型结构：元素之间一对多的关系（
  • TVBOX最新配置地址,TVBOX直播源接口配置地址,TVBOX最新直播接口 keysoso TV电视盒子电视盒子电视电视机
    TVbox直播源最新配置地址如何获取与设置？TVbox直播源的配置与获取是许多用户关心的问题，因为这关系到能否顺利观看各类直播节目。下面，我们将逐步向大家介绍如何获取和设置TVbox最新的直播源配置地址。一、TVbox直播源的基本认识TVbox直播源最新配置地址如何获取与设置？上述标题满足了您的要求，它是一个带疑问的中文长标题，且符合用户搜索需求，同时包含了tvbox直播源和最新配置地址的关键词，
  • Linux内核中的数据结构与算法（三）哈希链表 木木0o0欧尼 Linux链表数据结构linux
    四，哈希链表谈到链表就不得不谈Linux内核中另外一个重要的结构，哈希链表。讨论这个结构前，你需要对哈希的最基本的概念要清楚哦，由于我们已经讲过Linux内核中的普通链表的结构，这里我们对比他们的区别来了解哈希链表会直观一些。Linux链表认为双指针表头双循环链表对于HASH表来说过于浪费，因而设计了一套用于HASH表的hlist的数据结构，单指针表头双循环链表。hlish表头仅有一个指向首节点的
  • win32汇编环境,网络编程入门之九 一品人家 汇编
    ;在上一教程里，我们学习了在连接成功网站后，应该发送什么数据给网站;在前面的几个教程里，简单地运行了套接字机制连接网站的方式，这是字节级的网络连接，扩展几乎是无限的。;想了想，这个开个头就行了，暂时放下来，再讲下去越搞越复杂，还是把一些基础运用的方式讲一讲。以后回头再来研究它。;从这个教程开始，讲一下部分微软专用网络API的运用。;微软网络API有2个值得一提，1个是WinInet,还1个是Win
  • 无再暴露源站！群联AI云防护IP隐匿方案+防绕过实战 群联云防护小杜 安全问题汇总人工智能tcp/ip网络协议网络安全http服务器
    一、IP隐藏的核心原理群联AI云防护通过三层架构实现源站IP深度隐藏：流量入口层：用户访问域名解析至高防CNAME节点（如ai-protect.example.com）智能调度层：基于AI模型动态分配清洗节点，实时更新节点IP池回源层：防护节点通过加密隧道与源站通信，源站仅接受来自群联节点的流量二、IP隐藏配置全流程1.DNS配置（域名指向群联CNAME）#域名DNS记录示例@CNAMEai-pr
  • 四层协议攻防手册：从SYN Flood到UDP反射的深度防御 群联云防护小杜 安全问题汇总udp网络网络协议服务器爬虫运维web安全
    一、四层协议攻击类型与特征攻击类型协议层特征SYNFloodTCP大量半开连接，SYN_RECV状态堆积UDP反射放大UDP小请求包触发大响应（如NTP、DNS响应）TCP分片攻击TCP发送异常分片耗尽重组资源连接耗尽攻击TCP建立大量空闲连接占用端口资源二、TCP层定制防御方案1.SYNCookie防护（内核参数优化）#启用SYNCookieecho1>/proc/sys/net/ipv4/tc
  • 小程序被黑客攻击，如何防御！ 群联云防护小杜 安全问题汇总小程序安全web被攻击阿里云waf
    在当今数字化时代，小程序作为连接用户与服务的桥梁，其安全性至关重要。随着小程序生态的日益壮大，也吸引了越来越多的不法分子试图通过各种手段进行攻击，如注入攻击、盗取用户数据、恶意篡改等。为了保护用户隐私和业务安全，开发者必须采取有效的防御措施。本文将深入探讨几种常见的小程序攻击方式及其解决方案，并附带示例代码，以确保您的小程序能够稳健运行。1.SQL注入攻击防范问题描述：攻击者通过在输入字段中插入恶
  • 强大的销售团队背后 竟然是大数据分析的身影 蓝儿唯美 数据分析
    Mark Roberge是HubSpot的首席财务官，在招聘销售职位时使用了大量数据分析。但是科技并没有挤走直觉。 大家都知道数理学家实际上已经渗透到了各行各业。这些热衷数据的人们通过处理数据理解商业流程的各个方面，以重组弱点，增强优势。 Mark Roberge是美国HubSpot公司的首席财务官，HubSpot公司在构架集客营销现象方面出过一份力——因此他也是一位数理学家。他使用数据分析
  • Haproxy+Keepalived高可用双机单活 bylijinnan 负载均衡keepalivedhaproxy高可用
    我们的应用MyApp不支持集群，但要求双机单活（两台机器：master和slave）： 1.正常情况下，只有master启动MyApp并提供服务 2.当master发生故障时，slave自动启动本机的MyApp，同时虚拟IP漂移至slave，保持对外提供服务的IP和端口不变 F5据说也能满足上面的需求，但F5的通常用法都是双机双活，单活的话还没研究过 服务器资源 10.7
  • eclipse编辑器中文乱码问题解决 0624chenhong eclipse乱码
    使用Eclipse编辑文件经常出现中文乱码或者文件中有中文不能保存的问题，Eclipse提供了灵活的设置文件编码格式的选项，我们可以通过设置编码 格式解决乱码问题。在Eclipse可以从几个层面设置编码格式：Workspace、Project、Content Type、File 本文以Eclipse 3.3（英文）为例加以说明： 1. 设置Workspace的编码格式： Windows-&g
  • 基础篇--resources资源 不懂事的小屁孩 android
    最近一直在做java开发，偶尔敲点android代码，突然发现有些基础给忘记了，今天用半天时间温顾一下resources的资源。 String.xml    字符串资源   涉及国际化问题  http://www.2cto.com/kf/201302/190394.html   string-array
  • 接上篇补上window平台自动上传证书文件的批处理问卷 酷的飞上天空 window
    @echo off : host=服务器证书域名或ip，需要和部署时服务器的域名或ip一致 ou=公司名称, o=公司名称 set host=localhost set ou=localhost set o=localhost set password=123456 set validity=3650 set salias=s
  • 企业物联网大潮涌动：如何做好准备？ 蓝儿唯美 企业
    物联网的可能性也许是无限的。要找出架构师可以做好准备的领域然后利用日益连接的世界。 尽管物联网（IoT）还很新，企业架构师现在也应该为一个连接更加紧密的未来做好计划，而不是跟上闸门被打开后的集成挑战。“问题不在于物联网正在进入哪些领域，而是哪些地方物联网没有在企业推进，” Gartner研究总监Mike Walker说。 Gartner预测到2020年物联网设备安装量将达260亿，这些设备在全
  • spring学习——数据库（mybatis持久化框架配置） a-john mybatis
    Spring提供了一组数据访问框架，集成了多种数据访问技术。无论是JDBC，iBATIS(mybatis)还是Hibernate，Spring都能够帮助消除持久化代码中单调枯燥的数据访问逻辑。可以依赖Spring来处理底层的数据访问。 mybatis是一种Spring持久化框架，要使用mybatis，就要做好相应的配置： 1，配置数据源。有很多数据源可以选择，如：DBCP，JDBC，aliba
  • Java静态代理、动态代理实例 aijuans Java静态代理
    采用Java代理模式，代理类通过调用委托类对象的方法，来提供特定的服务。委托类需要实现一个业务接口，代理类返回委托类的实例接口对象。 按照代理类的创建时期，可以分为：静态代理和动态代理。 所谓静态代理：　指程序员创建好代理类，编译时直接生成代理类的字节码文件。 所谓动态代理：　在程序运行时，通过反射机制动态生成代理类。   一、静态代理类实例： 1、Serivce.ja
  • Struts1与Struts2的12点区别 asia007 Struts1与Struts2
    1) 在Action实现类方面的对比：Struts 1要求Action类继承一个抽象基类；Struts 1的一个具体问题是使用抽象类编程而不是接口。Struts 2 Action类可以实现一个Action接口，也可以实现其他接口，使可选和定制的服务成为可能。Struts 2提供一个ActionSupport基类去实现常用的接口。即使Action接口不是必须实现的，只有一个包含execute方法的P
  • 初学者要多看看帮助文档 不要用js来写Jquery的代码 百合不是茶 jqueryjs
    解析json数据的时候需要将解析的数据写到文本框中,  出现了用js来写Jquery代码的问题;   1, JQuery的赋值  有问题    代码如下: data.username 表示的是:  网易            $("#use
  • 经理怎么和员工搞好关系和信任 bijian1013 团队项目管理管理
            产品经理应该有坚实的专业基础，这里的基础包括产品方向和产品策略的把握，包括设计，也包括对技术的理解和见识，对运营和市场的敏感，以及良好的沟通和协作能力。换言之，既然是产品经理，整个产品的方方面面都应该能摸得出门道。这也不懂那也不懂，如何让人信服？如何让自己懂？就是不断学习，不仅仅从书本中，更从平时和各种角色的沟通
  • 如何为rich:tree不同类型节点设置右键菜单 sunjing contextMenutreeRichfaces
    组合使用target和targetSelector就可以啦，如下： <rich:tree id="ruleTree" value="#{treeAction.ruleTree}" var="node" nodeType="#{node.type}" selectionChangeListener=&qu
  • 【Redis二】Redis2.8.17搭建主从复制环境 bit1129 redis
    开始使用Redis2.8.17 Redis第一篇在Redis2.4.5上搭建主从复制环境，对它的主从复制的工作机制，真正的惊呆了。不知道Redis2.8.17的主从复制机制是怎样的，Redis到了2.4.5这个版本，主从复制还做成那样，Impossible is nothing! 本篇把主从复制环境再搭一遍看看效果，这次在Unbuntu上用官方支持的版本。   Ubuntu上安装Red
  • JSONObject转换JSON--将Date转换为指定格式 白糖_ JSONObject
    项目中，经常会用JSONObject插件将JavaBean或List<JavaBean>转换为JSON格式的字符串，而JavaBean的属性有时候会有java.util.Date这个类型的时间对象，这时JSONObject默认会将Date属性转换成这样的格式：   {"nanos":0,"time":-27076233600000,
  • JavaScript语言精粹读书笔记 braveCS JavaScript
    【经典用法】：   //①定义新方法 Function .prototype.method=function(name, func){ this.prototype[name]=func; return this; } //②给Object增加一个create方法，这个方法创建一个使用原对
  • 编程之美-找符合条件的整数 用字符串来表示大整数避免溢出 bylijinnan 编程之美
    import java.util.LinkedList; public class FindInteger { /** * 编程之美 找符合条件的整数 用字符串来表示大整数避免溢出 * 题目：任意给定一个正整数N，求一个最小的正整数M(M>1)，使得N*M的十进制表示形式里只含有1和0 * * 假设当前正在搜索由0，1组成的K位十进制数
  • 读书笔记 chengxuyuancsdn 读书笔记
    1、Struts访问资源 2、把静态参数传递给一个动作 3、<result>type属性 4、s:iterator、s:if c:forEach 5、StringBuilder和StringBuffer 6、spring配置拦截器 1、访问资源 (1)通过ServletActionContext对象和实现ServletContextAware,ServletReque
  • [通讯与电力]光网城市建设的一些问题 comsci 问题
          信号防护的问题,前面已经说过了,这里要说光网交换机与市电保障的关系       我们过去用的ADSL线路,因为是电话线,在小区和街道电力中断的情况下,只要在家里用笔记本电脑+蓄电池,连接ADSL,同样可以上网........     
  • oracle 空间RESUMABLE daizj oracle空间不足RESUMABLE错误挂起
    空间RESUMABLE操作  转 Oracle从9i开始引入这个功能，当出现空间不足等相关的错误时，Oracle可以不是马上返回错误信息，并回滚当前的操作，而是将操作挂起，直到挂起时间超过RESUMABLE TIMEOUT，或者空间不足的错误被解决。 这一篇简单介绍空间RESUMABLE的例子。 第一次碰到这个特性是在一次安装9i数据库的过程中，在利用D
  • 重构第一次写的线程池 dieslrae 线程池 python
    最近没有什么学习欲望,修改之前的线程池的计划一直搁置,这几天比较闲,还是做了一次重构,由之前的2个类拆分为现在的4个类. 1、首先是工作线程类:TaskThread,此类为一个工作线程,用于完成一个工作任务,提供等待(wait),继续(proceed),绑定任务(bindTask)等方法 #!/usr/bin/env python # -*- coding:utf8 -*-
  • C语言学习六指针 dcj3sjt126com c
    初识指针，简单示例程序： /* 指针就是地址，地址就是指针 地址就是内存单元的编号 指针变量是存放地址的变量 指针和指针变量是两个不同的概念 但是要注意： 通常我们叙述时会把指针变量简称为指针，实际它们含义并不一样 */ # include <stdio.h> int main(void) { int * p; // p是变量的名字， int *
  • yii2 beforeSave afterSave beforeDelete dcj3sjt126com delete
    public function afterSave($insert, $changedAttributes) { parent::afterSave($insert, $changedAttributes); if($insert) { //这里是新增数据 } else { //这里是更新数据 } }  
  • timertask shuizhaosi888 timertask
    java.util.Timer timer = new java.util.Timer(true); // true 说明这个timer以daemon方式运行（优先级低， // 程序结束timer也自动结束），注意，javax.swing // 包中也有一个Timer类，如果import中用到swing包， // 要注意名字的冲突。 TimerTask task = new
  • Spring Security（13）——session管理 234390216 sessionSpring Security攻击保护超时
    session管理 目录   1.1     检测session超时 1.2     concurrency-control 1.3     session 固定攻击保护         
  • 公司项目NODEJS实践0.3[ mongo / session ...] 逐行分析JS源代码 mongodbsessionnodejs
        http://www.upopen.cn   一、前言         书接上回，我们搭建了WEB服务端路由、模板等功能，完成了register 通过ajax与后端的通信，今天主要完成数据与mongodb的存取，实现注册 / 登录 /
  • pojo.vo.po.domain区别 LiaoJuncai javaVOPOJOjavabeandomain
    　　POJO = "Plain Old Java Object"，是MartinFowler等发明的一个术语，用来表示普通的Java对象，不是JavaBean, EntityBean 或者 SessionBean。POJO不但当任何特殊的角色，也不实现任何特殊的Java框架的接口如，EJB， JDBC等等。 　　 　　即POJO是一个简单的普通的Java对象，它包含业务逻辑
  • Windows Error Code OhMyCC windows
    0 操作成功完成. 1 功能错误. 2 系统找不到指定的文件. 3 系统找不到指定的路径. 4 系统无法打开文件. 5 拒绝访问. 6 句柄无效. 7 存储控制块被损坏. 8 存储空间不足, 无法处理此命令. 9 存储控制块地址无效. 10 环境错误. 11 试图加载格式错误的程序. 12 访问码无效. 13 数据无效. 14 存储器不足, 无法完成此操作. 15 系
  • 在storm集群环境下发布Topology roadrunners 集群stormtopologyspoutbolt
    storm的topology设计和开发就略过了。本章主要来说说如何在storm的集群环境中，通过storm的管理命令来发布和管理集群中的topology。   1、打包 打包插件是使用maven提供的maven-shade-plugin，详细见maven-shade-plugin。 <plugin> <groupId>org.apache.maven.
  • 为什么不允许代码里出现“魔数” tomcat_oracle java
    　　在一个新项目中，我最先做的事情之一，就是建立使用诸如Checkstyle和Findbugs之类工具的准则。目的是制定一些代码规范，以及避免通过静态代码分析就能够检测到的bug。 　　迟早会有人给出案例说这样太离谱了。其中的一个案例是Checkstyle的魔数检查。它会对任何没有定义常量就使用的数字字面量给出警告，除了-1、0、1和2。 　　很多开发者在这个检查方面都有问题，这可以从结果
  • zoj 3511 Cake Robbery(线段树) 阿尔萨斯 线段树
    题目链接：zoj 3511 Cake Robbery 题目大意：就是有一个N边形的蛋糕，切M刀，从中挑选一块边数最多的，保证没有两条边重叠。 解题思路：有多少个顶点即为有多少条边，所以直接按照切刀切掉点的个数排序，然后用线段树维护剩下的还有哪些点。 #include <cstdio> #include <cstring> #include <vector&
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他