2017年03月_volvet

11月 10月 09月 08月 07月 06月 05月 04月 03月 02月 01月

原创 guetzli 测试

Google 开源了guetzli项目，它可以在主观质量无损的条件下，将jpeg图片减少20%～30%的码率，相信这个是利用了人眼的视觉特性所得到的增益。今天我对guetzli做了些测试，下面是测试的结果原图 Lena Size = 126KBguetzli处理 with Quality = 95, Size = 83KBguetzli处理

2017-03-20 22:18:16 3215

翻译 WebRTC的带宽评估的新变化

带宽评估(BWE)也许是WebRTC的视频引擎中最关键的模块了, 它将决定视频通信中, 不引发网络拥塞时最多可以产生的视频数据量. 早期的带宽评估算法比较简陋, 大多是基于丢包来估计, 基本的策略是逐步增加发送的数据量, 直到检测到丢包为止. 为了让发送端获悉网络上的丢包信息, 可以使用标准的RTCP的RR来发送周期性的报告. 现代的带宽评估算法则可以在网络链路发送丢包以前就监测到网络

2017-03-15 21:38:39 6488

原创 WebRTC 保持更新的重要性

WebRTC的更新频率很快, 最新的稳定版本已经是branch-heads/58了. 从branch-heads/52开始, 大致是2个月更新一个版本. 编译工具也从gyp+ninja 换到了 gn+ninja. 相比gyp, gn带来的最大的好处是编译速度的提升, 使用gyp生成ninja 文件一般需要10~20秒左右, 使用gn生成ninja文件, 仅仅需要400ms ~

2017-03-14 21:20:25 1881

原创机器学习笔记 - 朴素贝叶斯分类

贝叶斯分类的概率公式如下: P(c|x)=P(c)P(x|c)P(x)P(c|x) = \frac{P(c)P(x|c)}{P(x)} 其中， P(c)P(c)表达了样本空间中各类样本所占的比例，根据大数定理，如果训练集包含了充足的独立同分布样本是， P(c)P(c)可以从训练集中各类样本出现的概率来估计。

2017-03-12 12:41:39 524

原创机器学习笔记 - 贝叶斯决策论

贝叶斯定理条件概率条件概率是指两个事件AA和BB, AA已经发生的条件下, BB发生的概率, 记为 P(B|A)P(B|A), 显然: P(B|A)=P(AB)P(A)P(B|A) = \frac{P(AB)}{P(A)} P(AB)P(AB)是指AA和BB同时发生的概率. 全概率公式设样本空间为SS, A为EE的事件, {B1,B2,...,Bn}\{B_1, B_2, ... ,

2017-03-05 13:12:26 2109

原创在Ubuntu上安装GitLab

GitLab是免费的Git server, 其功能和易用性上与GitHub相比, 并不逊色. 所以内部的代码管理服务器选择上, GitLab理所当然成为首选. GitLab的安装比较简单, 按照官网的说明, 我在Ubuntu 16.4上很轻松的配置了GitLab 服务器. Step 1: 安装必须的工具集sudo apt-get install curl openssh-server

2017-03-04 12:33:54 3377