logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

视频抽帧到底慢在哪?ffmpeg、pipe 与 decord 的底层原理拆解

本文深入探讨了视频处理中抽帧这一关键环节的三种优化方案。首先指出原生OpenCV方案存在全解码和Python层数据拷贝两大性能瓶颈,随后详细对比了三种优化方案:A方案(ffmpeg直接抽帧)适合离线批处理,但存在编码和磁盘IO开销;B方案(ffmpeg管道)省去磁盘IO,但只能顺序读取;C方案(decord)通过关键帧索引实现O(1)随机访问,支持GPU加速,特别适合训练推理和多模态场景。文章重点

文章图片
#音视频
LeetCode二叉树路径和专题:最大路径和与路径总和计数的策略

文章介绍了二叉树路径总和三和二叉树中的最大路径和两个编程问题的解析,展示了深度优先搜索、前缀和优化和递归等方法的具体代码实现,方便读者理解和运用。

文章图片
#leetcode#算法#职场和发展
LeetCode209之长度最小的子数组(相关话题:滑动窗口,前缀和,二分)

这道题可以有效的复习之前学习过的各种解题技巧,非常值得练习

文章图片
#leetcode#蓝桥杯#散列表
系统架构设计师(软考高级)设计模式备考指南

【摘要】本文系统梳理了架构师考试中设计模式的备考要点。核心考察点在于"权衡"和"质量属性",而非单纯记忆代码。文章将23种设计模式分为必考(T0)、常考(T1)和了解(T2)三类,重点分析行为型、结构型和创建型模式的典型应用场景。针对不同考试科目提供具体策略:上午题采用"关键词秒杀法",案例分析侧重UML识别与填空,论文写作建议套用电商项

文章图片
#系统架构#设计模式
深度解密:Facebook、Airbnb、YouTube和阿里巴巴如何用深度学习重塑推荐系统

本文介绍了推荐系统在业界的深度学习实践,包括Facebook的GBDT+LR模型和DLRM模型,Airbnb的Embedding实时搜索推荐系统,YouTube的两级深度学习视频推荐系统,以及阿里巴巴深度学习推荐系统的进化过程。这些实践展示了深度学习在推荐系统中的应用和优化。

文章图片
#深度学习
文心一言发布的个人看法

富有创造力的人通常有他们自己的理论,而且彼此间的理论相当不同。罗伯特·高尔文说创造力包含预期与奉献:预期是指在其他人认识到之前,便预见到某个事物将来会变得很重要;奉献是一种信念,它能够使一个人不受怀疑与挫折的干扰,坚持去实现愿景。

文章图片
#人工智能#知识图谱
视频抽帧到底慢在哪?ffmpeg、pipe 与 decord 的底层原理拆解

本文深入探讨了视频处理中抽帧这一关键环节的三种优化方案。首先指出原生OpenCV方案存在全解码和Python层数据拷贝两大性能瓶颈,随后详细对比了三种优化方案:A方案(ffmpeg直接抽帧)适合离线批处理,但存在编码和磁盘IO开销;B方案(ffmpeg管道)省去磁盘IO,但只能顺序读取;C方案(decord)通过关键帧索引实现O(1)随机访问,支持GPU加速,特别适合训练推理和多模态场景。文章重点

文章图片
#音视频
为什么你的推荐系统总是不准?MIND、SDM、TDM揭示背后真相!

MIND模型用多兴趣向量解决用户兴趣多样化问题,SDM融合长短兴趣建模,图召回通过DeepWalk、node2vec等方法实现,TDM通过树结构将召回复杂度从O(N)降至O(log N),极大提升推荐效率。

文章图片
#机器学习#人工智能
    共 212 条
  • 1
  • 2
  • 3
  • 22
  • 请选择