互联网市场中之所以存在那么多优质的app，都是经过无数次的测试、优化和更新完成的。要想开发一款优质的app并没有那么容易。比如在短视频平台开发时，不仅需要考虑音视频是否同步、首屏打开速度等问题，还需要考虑界面的UI和功能等是否贴近用户需求。所以难免会在开发过程中遇到问题，今天就简单的盘点一下硬编解时可能会遇到的“坑”。
在手机视频播放方面，基于专用芯片的硬解码由于速度快、功耗低，成为了手机视频解码的首选方案。但是，硬解码芯片部署周期长、迭代速度慢，相当程度上制约了手机视频编码技术的更新换代速度。近年来，随着智能手机通用处理能力的不断增强，软件解码由于部署便捷，逐渐开始流行起来。那么，目前硬解码相对于软解码的功耗优势还有多大呢？带着这个问题，我们选择了几款典型手机测试了H.264/AVC硬解、H.264/AVC软解、H.265/HEVC硬解、H.265/HEVC软解和AVS2软解码之间的功耗差异，发现一个重要现象：硬解码相对于软解码的功耗优势正在逐步丧失，近几年生产的智能手机在主流的720P（1280x720）及更小分辨率视频上硬解和软解的功耗差异已经很小。这意味着：手机端视频编码技术的更新迭代速度将会大大加快。下面具体描述测试过程和结果。
我们在知识星球上创建的音视频技术社群关键帧的音视频开发圈已经运营了一段时间了，在这里群友们会一起做一些打卡任务。比如：周期性地整理音视频相关的面试题，汇集一份音视频面试题集锦，你可以看看这个合集：音视频面试题集锦。再比如：循序渐进地归纳总结音视频技术知识，绘制一幅音视频知识图谱，你可以看看这个合集：音视频知识图谱。
我们针对实时音视频用户在后台提交的问题，归纳了近期咨询比较多的问答，供各位用户参考。 QUESTION1 Q ：画面出现呼吸效应（一下清晰一下模糊），是什么原因？ A ：呼吸效应产生主要有2种情况： 1.定焦镜头，I帧太小导致遇到I帧解码时模糊，想办法提高I帧的大小，可以尝试从vbr改为cbr，setVideoEncoderParam中设置videoBitrate=minVideoBitrate即为cbr。 2.变焦镜头，硬件不断聚焦。想办法改善拍摄环境，例如优化光源。 QUESTION2
大家知道目前我们正在进行VR项目的开发，并且EasyPlayer.js视频播放器已经支持VR直播了，这对我们来说是向先进播放技术靠拢的重要一步。EasyPlayer.js视频播放器是TSINGSEE青犀视频开发的网页视频播放器，EasyNVR、EasyDSS等都集成了该播放器，目前在各大项目运用中都稳定可靠。
好多开发者纠结，到底使用GB28181还是RTSP，这里简单的谈下二者使用场景区别，GB28181和RTSP（Real-Time Streaming Protocol）是用于视频监控和流媒体传输的两种不同的协议。
大家好，我是来自PPTV的王斌。接下来我将围绕以下几个话题，为大家分享有关全平台硬件解码的渲染与优化的实践经验。
在之前的文章中，已介绍过APS及规划的相关内容，并对Optaplanner相关的概念和一些使用示例进行过介绍，接下来的文章中，我会自己做一个规划小程序 - 一个关于把任务分配到不同的机台上进行作业的小程序，并在这个小程序的基础上对OptaPlanner中更多的概念，功能，及使用方法进行讲解。但在此之前，我需要先讲解一下OptaPlanner在进行规则运算的原理。所以，本文是讲述一些关于寻找最优解的过程中的原理性的内容，作为后续通过示例深入讲解的基础。但这些原理知识不会涉及过分深奥的数学算法，毕竟我们的目标不是写一个新的规划引擎出来，更不是要研究各种寻优算法；只是理解一些概念，用于理解OptaPlanner是依据什么找出一个相对优解的。以便在接下来的一系列文章中，可以快速无障碍地理解我所讲解的更细化的OptaPlanner功能。
最近两年HDR这个概念可谓是铺天盖地而来，手机也好PC也好电视也好，都拼命往自己头上扣HDR的帽子。而在某些发烧友眼中，如果看片子不带HDR，堪比步兵变骑兵，一下子变得索然无味。然而，新事物往往也伴随着众多新坑，特别是在软硬件环境复杂的PC平台，稍有不慎就会摔得脸青鼻肿，播HDR的效果甚至不如播普通的片子。
在进行APS（高级计划与排程）系统开发时，绝大多数情况下是需要考虑多目标的。但面对多目标问题进行规划求解时，我们往往极容易因处理方法不当，而影响输出结果，令结果与用户期望产生较大差别。事实上很多时候用户，面对此类问题也无法给出一个确定的合理的期望，因为多个目标混合在一起的时候，产生复杂的规划逻辑，用户自身也会被迷惑，到最后就错误地提出一些所有目标都达到极致的“完美”计划要求；但客观上是不存在这种“完美”计划的。
导语：持续准备面试中，准备的过程中，慢慢发现，如果死记硬背的话很难，可当推导一遍并且细细研究里面的缘由的话，面试起来应该什么都不怕，问什么问题都可以由公式推导得到结论，不管问什么，公式摆在那里，影响这个公式的变量就在那，你问什么我答什么，共勉！
实际工作中，我们经常会向其他同事咨询一些技术问题。但是，他给出的答案一定是正确的吗？
持续准备面试中。。。准备的过程中，慢慢发现，如果死记硬背的话很难，可当推导一遍并且细细研究里面的缘由的话，面试起来应该什么都不怕，问什么问题都可以由公式推导得到结论，不管问什么，公式摆在那里，影响这个公式的变量就在那，你问什么我答什么。。共勉！！
之前的文章中，分别从APS，排产到规划引擎叙述了一些理论基础；并介绍了一些Optaplanner大概的情况；并一步步将Optaplanner的示例运行起来，将示例源码导进Eclipse分析了一下它的Hello world入门示例，从本篇开始，我们将分步学习它的一些概念及用法。
之前的文章中，分别从APS，排产到规划引擎叙述了一些理论基础；并介绍了一些OptaPlanner大概的情况；并一步步将OptaPlanner的示例运行起来，将示例源码导进Eclipse分析了一下它的Hello world入门示例，从本篇开始，我们将分步学习它的一些概念及用法。
本文基于之前的Demo添加了FFmpeg使用MediaCodec来硬解码的方式，包括解码出buffer再利用OpenGL进行渲染上屏和直接解码到Surface然后上屏两种方式
硬阈值(Hard Thresholding)并没有软阈值(Soft Thresholding)那么常见，这可能是因为硬阈值解决的问题是非凸的原因吧。硬阈值与软阈值由同一篇文献提出，硬阈值公式参见文献【1】的式( 11)：
在Oracle中，每条SQL语句在正式执行之前都需要经过解析（Parse），根据解析的过程可以分为3种类型：硬解析（Hard Parse）、软解析（Soft Parse）和软软解析（Soft Soft Parse），软软解析也叫快速解析（Fast Parse）。DDL语句是从来不会共享使用的，也就是说DDL语句每次执行都需要进行硬解析。但是，DML语句和SELECT语句会根据情况选择是进行硬解析，还是进行软解析或者进行软软解析。SQL的解析过程大致可以参考下图：
我们针对实时音视频用户在后台提交的问题，归纳了近期咨询比较多的问答，供各位用户参考。
（1）Android：SDK 默认会将 log 写到 /sdcard/Android/data/应用包名/files/log/tencent/liteav/ 下。
自从大半年前接触到SVM以来，感觉一直没怎么把SVM整明白。直到最近上的《模式识别》课程才仿佛打通了我的任督二脉，使我终于搞清楚了SVM的来龙去脉，所以写个博客作个总结。
在视频通话场景（VideoCall），出现Android端推流绿屏现象，具体表现是，房间内其他用户拉流观看，显示该用户的画面出现绿色色块，并且在进房后一直持续出现。这种现象不是该用户每次进房都出现，是偶现的。
根据直播系统开发协议类型（如RTMP、RTP、RTSP、HTTP等），与服务器建立连接并接收数据；
每个组织都面临规划问题：为产品或服务提供有限的受约束的资源（员工、资产、时间和金钱）。OptaPlanner用来优化这种规划，以实现用更少的资源来做更多的业务。 这被称为Constraint Satisfaction Programming（约束规划，这是运筹学学科的一部分）。
我们最早接触到的与运筹学相关的知识可能就是线性规划问题了。求解线性规划问题的基本方法是单纯形法(Simplex algorithm)，与单纯形法相关的方法我们已经有许多推文介绍啦感兴趣的小伙伴可以去看一看。在学习过程中，老师可能会告诉大家这是求解速度比较快的一类问题。但是说归说，有的同学可能对此会有些不解。用单纯形法求解线性规划问题到底有多快呢？随着问题规模的变化，求解所耗的时间是怎么变化的呢？
其实想一下从上学到毕业，学了那么多有多少是真实用到的呢？但是这些事潜移默化影响你的东西，其实我们学习的并不是真实的会这些知识（并且有很多知识现在过时），而是我们学习的是一种快速学习一门知识的能力，要的就是这个快字；怎么一个快字了得，对不光快还要稳；直到今天才真正了解一些教育的含义，并不是死记硬背，而是举一反三，并不是拿来主义，而是针对特定问题特定场景特定解决；并不是随波逐流，而是扬起自己的帆远航；并不是svm，而是一种境界；
播放器如果要提供播放效率和秒开其实本质上是做好解复用（Demux），Demux是指解析视频的封装格式，得到包含的音视频原始码流，Demux时间越短，就越快得到视频流，从而加快秒开速度，实现我们想要的低延迟播放的效果。
本文由花椒直播技术总监唐赓在LiveVideoStack线上交流分享中的演讲内容整理而成。在分享中，唐赓详细介绍了花椒直播在两年多的H.265线上实践过程中所积累的一些经验，以及一些成本、效果优化方案
本文介绍了支持向量机模型，首先介绍了硬间隔分类思想（最大化最小间隔），即在感知机的基础上提出了线性可分情况下最大化所有样本到超平面距离中的最小值。然后，在线性不可分的情况下，提出一种软间隔线性可分方式，定义了一种hinge损失，通过拉格朗日函数和对偶函数求解参数。其次，介绍线性模型中的一种强大操作—核函数，核函数不仅提供了支持向量机的非线性表示能力， 使其在高维空间寻找超平面，同时天然的适配于支持向量机。再次，介绍SMO优化方法加速求解支持向量机，SMO建立于坐标梯度上升算法之上，其思想与EM一致。最后，介绍支持向量机在回归问题上的应用方式，对比了几种常用损失的区别。
我们在做Windows平台Unity播放RTMP或RTSP的时候，遇到这样的问题，比如展会、安防监控等场景下，需要同时播放多路RTMP或RTSP流，这样对设备性能，提出来更高的要求。
除了手机云盾或者软盾适配起来更容易，更方便的优势之外。我们今天来看看手机软（云）盾与手机盾（硬盾、TEE+SE）的区别。首先来看一看，某厂商的手机软盾产品介绍：
Application->Assembly name，大牛直播SDK按照APP名称授权，未授权版本，此处请改成“SmartPlayer”，如需授权，可直接联系商务；
GOM player 是一款本身装有视频播放所需的解码，及占用系统资源少，并且能以最优秀的画质来观看多种格式影片的播放程序。
有印象的差友应该还记得前几天托尼写了一篇有关 HEVC 的文章（ 传送门 )，里边有提到很多浏览器其实都不支持 GPU 硬解 HEVC 视频。
不知道大家小时候是否玩过一种动画小人书，连续翻动的时候，小人书的画面就会变成一个动画，类似现在的gif格式图片。
上一篇已经介绍了H.264和H.265之间的一些关系和基础，简单来说，H.265标准围绕着视频编码标准H.264，保留原来的某些技术，同时对一些相关的技术加以改进。
默认，chrome只会打开错误级别，很多调试日志都不输出。在启动时，通过命令行打开日志级别即可。
ijkPlayer是BiliBili公司维护的一个开源工程，基于ffmpeg开发的一个播放器软件，支持Android和iOS平台，整个ijkplayer就是以ffplay为基础，如果只是使用它进行播放，集成也较为简单，使用也和MediaPlayer差不多，但是要定制化需求，就有一定的门槛高度。支持软硬编解码，支持倍速播放，可以定制化集成需要的功能，集成占用体积也很小，更详细的解释参看下面官方介绍：
软编（解）的时候CPU负载重，性能比硬编（解）低，但是通用性更好；硬编（解）性能高但是兼容性问题比较突出，特别是在Android平台，碎片化严重，MediaCodec的坑也是不少
这里，推荐使用历史版本的potplayer64，因为新版本的功能有点多余，https://www.videohelp.com/download/PotPlayerSetup64-1.7.16291.exe
支持向量机算法是机器学习中最具有代表性的算法，属于监督学习的范畴，用来解决分类问题，最为常见的解决二分类问题。支持向量机用来解决线性分类与非线性分类问题。对于支持向量机中有很多复杂的算法理论问题，也就是数学知识，例如凸优化，最优化问题，以及拉格朗日等，如果想要完整的弄明白需要进行完整的数学推导，相对复杂。支持向量机的理论与分类核心思想还是很好理解的，如下图所示;
6.支持S3C6410 H264、H263、VC-1/WMV3、Mpeg4 480P 30fps播放
SMO（sequential minimal optimization，序列最小优化）算法是一种启发式算法。其基本思路是：如果所有的变量的解都满足此最优问题的KKT条件，那么这个最优问题的解就得到了，因为KKT条件是该最优化问题有解的充要条件。否则，我们就选择两个变量，固定其它变量，针对这两个变量构建一个二次规划问题，这个二次规划的问题关于这两个变量的解应该更接近原始二次规划问题的解，因为这会使得原始二次规划问题的目标函数值变小。
说到音视频云服务，大多数人可能联想到的是网络直播应用场景，实际上，硬件对音视频云服务的需求也在逐渐提升。而这样的市场需求也推动了整个行业的发展，目前，阿里云、腾讯云和网易云等巨头都已入局，除此之外还有
短视频 SDK 实践中主要做的一些事情，这其中最重要的就是短视频 SDK 的架构设计，包括架构设计理念、架构图、整体数据流程、模块架构设计等。今天小编就简单介绍一下短视频APP开发中，选择什么样的厂家，厂家SDK 架构设计理念。
可以看到每个级别都有几个不同的考试科目，一般来说我们只需要选择其中一个科目进行考试即可，考试通过了就可以拿到对应级别的证书。
近些年来，网络直播迅速席卷了我们的生活。人人都可以做主播，打开手机就是看直播。直播已经改变了我们的生活方式，也逐渐改变了我们思想观念。
云渲染在现实⽣活中，得到越来越多的应⽤。其中，云游戏是云渲染最为经典的落地场景，多家游戏互动直播平台⽬前已经对接腾讯云云游戏 PaaS 平台，异常⽕爆。另外，万科南头古城云渲染项⽬也是腾讯云云渲染团队完成的。在可见的未来，云渲染将会有更多更有想象力的落地场景。 和直播场景不同，在云渲染的场景中，用户关注的是⼀个按键发出后，到看到操作的响应，总共需要多少的时间，更关注低时延。我们选择 WebRTC 技术作为我们的低延迟⽅案。 WebRTC 使用 UDP 传输，采⽤ NACK 重传来保证可靠传输。比如 S
号外！号外！常年用 TSP 举例的某干货分享板块终于 倒闭 改革了！小编终于被boss揪去关·禁·闭、学·习·进·阶、突·破·自·我了！ 本着 独学学 不如 装装× 分享分享 的想法，下面来介绍下最近陪伴小编入眠的VRPTW——带时间窗车辆路径规划问题。 惯例奉上小编的 素质三连 攻略三连 帮你十分钟快速搞懂 VRPTW 讲什么、什么样、怎么解，帮助你从零开始快速入门！ ＊ 内容提要： ＊什么是VRPTW ＊CPLEX求解VRPTW实例 ＊CPLEX操作补充说明 1.什么是VRPTW 提到带
各位小伙伴们大家好，这几天弱弱的看了看老掉牙的支持向量机(Support Vector Machine, SVM)与支持向量回归(Support Vector Regression, SVR)，发现知道的太少太弱了，基础知识要好好补一补。 SVM的原理参考 http://en.wikipedia.org/wiki/Support_vector_machine http://zh.wikipedia.org/wiki/%E6%94%AF%E6%8C%81%E5%90%91%E9%87%8F%E6%9C%BA
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频
