node笔记记录54网络通信2
2023-02-10
43
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《
阿里云开发者社区用户服务协议》和
《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写
侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介：
node笔记记录54网络通信2
目录
相关文章
|
2月前
|
Linux
开发工具
Android开发
FFmpeg开发笔记（六十）使用国产的ijkplayer播放器观看网络视频
ijkplayer是由Bilibili基于FFmpeg3.4研发并开源的播放器，适用于Android和iOS，支持本地视频及网络流媒体播放。本文详细介绍如何在新版Android Studio中导入并使用ijkplayer库，包括Gradle版本及配置更新、导入编译好的so文件以及添加直播链接播放代码等步骤，帮助开发者顺利进行App调试与开发。更多FFmpeg开发知识可参考《FFmpeg开发实战：从零基础到短视频上线》。
189
2
2
|
2月前
|
机器学习/深度学习
数据可视化
计算机视觉
目标检测笔记(五)：详细介绍并实现可视化深度学习中每层特征层的网络训练情况
这篇文章详细介绍了如何通过可视化深度学习中每层特征层来理解网络的内部运作，并使用ResNet系列网络作为例子，展示了如何在训练过程中加入代码来绘制和保存特征图。
67
1
1
|
2月前
|
JavaScript
前端开发
程序员
|
2月前
|
机器学习/深度学习
数据可视化
Windows
|
2月前
|
机器学习/深度学习
编解码
算法
轻量级网络论文精度笔记(三)：《Searching for MobileNetV3》
MobileNetV3是谷歌为移动设备优化的神经网络模型，通过神经架构搜索和新设计计算块提升效率和精度。它引入了h-swish激活函数和高效的分割解码器LR-ASPP，实现了移动端分类、检测和分割的最新SOTA成果。大模型在ImageNet分类上比MobileNetV2更准确，延迟降低20%；小模型准确度提升，延迟相当。
75
1
1
|
2月前
|
机器学习/深度学习
网络架构
计算机视觉
目标检测笔记(一)：不同模型的网络架构介绍和代码
这篇文章介绍了ShuffleNetV2网络架构及其代码实现，包括模型结构、代码细节和不同版本的模型。ShuffleNetV2是一个高效的卷积神经网络，适用于深度学习中的目标检测任务。
97
1
1
|
2月前
|
XML
开发工具
Android开发
FFmpeg开发笔记（五十六）使用Media3的Exoplayer播放网络视频
ExoPlayer最初是为了解决Android早期MediaPlayer控件对网络视频兼容性差的问题而推出的。现在，Android官方已将其升级并纳入Jetpack的Media3库，使其成为音视频操作的统一引擎。新版ExoPlayer支持多种协议，解决了设备和系统碎片化问题，可在整个Android生态中一致运行。通过修改`build.gradle`文件、布局文件及Activity代码，并添加必要的权限，即可集成并使用ExoPlayer进行网络视频播放。具体步骤包括引入依赖库、配置播放界面、编写播放逻辑以及添加互联网访问权限。
177
1
1
|
2月前
|
机器学习/深度学习
数据采集
算法
目标分类笔记(一): 利用包含多个网络多种训练策略的框架来完成多目标分类任务（从数据准备到训练测试部署的完整流程）
这篇博客文章介绍了如何使用包含多个网络和多种训练策略的框架来完成多目标分类任务，涵盖了从数据准备到训练、测试和部署的完整流程，并提供了相关代码和配置文件。
64
0
0
|
2月前
|
编解码
人工智能
文件存储
轻量级网络论文精度笔记(二)：《YOLOv7: Trainable bag-of-freebies sets new state-of-the-art for real-time object ..》
YOLOv7是一种新的实时目标检测器，通过引入可训练的免费技术包和优化的网络架构，显著提高了检测精度，同时减少了参数和计算量。该研究还提出了新的模型重参数化和标签分配策略，有效提升了模型性能。实验结果显示，YOLOv7在速度和准确性上超越了其他目标检测器。
54
0
0
|
2月前
|
机器学习/深度学习
Python
