高基數類別特徵預處理：平均數編碼 | 京東雲技術團隊

一 前言 對於一個類別特徵，如果這個特徵的取值非常多，則稱它為高基數（high-cardinality）類別特徵。在深度學習場景中，對於類別特徵我們一般採用Embedding的方式，通過預訓練或直接訓練的方式將類別特徵值編碼成向量。在經典機器學習場景中，對於有序類別特徵，我們可以使用LabelEncoder進行編碼處理，對於低基數無序類別特徵（在lightgbm中，默認取值個數小於等於4的類別特徵

噴泉碼淺談

01、噴泉碼簡介 噴泉碼（Fountain Code）是一種在無線通信、數據傳輸和網絡編碼領域中使用的錯誤糾正技術。它與傳統的糾錯碼和編碼方法有所不同，噴泉碼被設計用於在不確定信道條件下的高效數據傳輸。傳統的糾錯碼（如海明碼、RS碼等）通常需要在發送方對數據進行編碼，接收方則使用相同的編碼進行解碼和糾錯。這些方法一般具有固定的碼率（Code Rate），即針對一定長度的原始數據，編碼後的長度是固定

你知道h.265吧？但關於AV1編碼格式你也來了解一下嗎？

介紹一下av1格式 AV1（AOMedia Video 1）是一種開放、免版税的視頻編碼格式，旨在用於視頻傳輸和存儲。它由開放媒體聯盟（Alliance for Open Media, AOM）開發，這是一個由Google、Mozilla、Cisco、Amazon、Intel、Microsoft、Netflix等多家公司組成的聯盟。AV1旨在取代VP9併成為與HEVC（H.265）競爭的主要視頻編

ColBERT——以詞元級別的向量嵌入提升信息檢索效果

介紹 檢索增強一代 （RAG） 自成立以來就風靡全球。RAG 是大型語言模型 （LLM） 提供或生成準確和事實答案所必需的。我們通過RAG解決LLM的事實性，我們嘗試為LLM提供一個與用户查詢上下文相似的上下文，以便LLM將處理此上下文並生成事實正確的響應。我們通過以向量嵌入的形式表示我們的數據和用户查詢並執行餘弦相似性來做到這一點。但問題是，所有傳統方法都以單個嵌入表示數據，這對於良好的檢索系統

解鎖！智能代碼助手 Baidu Comate 硬核能力

近日，在全球軟件開發大會上暨智能軟件開發生態展上，來自 Baidu Comate 的資深研發工程師分享了精彩的專題演講，小編整理了演講精華，和大家一起玩轉“大模型+軟件研發”。 今天帶來——吳瑋琦《智能代碼助手 Baidu Comate 的核心能力揭秘》，一起解鎖 Baidu Comate 硬核能力。 AI 如何助推軟件生產領域代際變革 在過去的幾十年裏，軟件發展經歷了幾個重要時代。借鑑行業和學

七牛雲基於 AV1 的轉碼系統實踐

什麼是 AV1？ 以 Google 為代表的開放媒體聯盟(AOM, Alliance for Open Media)所制定的 AV1 標準，在保持相同畫質的條件下，碼率可比 H.265 低 20%左右。同時其免費的專利政策與廣泛的生態支持（尤其是瀏覽器的支持），相比於 H.265 等視頻編碼標準，優勢顯著，成為產業界推廣 AV1 的重要原因之一。 AV1 中的編碼技術 AV1 依然採用了混合編碼

深入理解Base64編碼原理

前言 上篇文章有涉及到Base64編碼的內容，今天我們再來詳細瞭解一下Base64的編碼原理以及應用場景。 通過這篇文章你能夠學習到： 什麼是Base64，為什麼需要Base64？ Base64的編碼原理 Base64的應用場景 什麼是Base64？ Base64是一種用於傳輸8bit字節數據的編碼方式，Base64 的字符集包含 64 個字符（A-Z、a-z、0-9、+、/）以及補

TRAE SOLO Hackathon 深圳場 歡迎報名｜從靈感到落地，SOLO 一步到位

量子機器學習入門：三種數據編碼方法對比與應用

在傳統機器學習中數據編碼確實相對直觀：獨熱編碼處理類別變量，標準化調整數值範圍，然後直接輸入模型訓練。整個過程更像是數據清洗，而非核心算法組件。 量子機器學習的編碼完全是另一回事。 傳統算法可以直接消化特徵向量 [0.7, 1.2, -0.3]，但量子電路運行在概率幅和量子態的數學空間裏。你的每個編碼決策——是用角度旋轉、振幅映射還是基態表示——都在重新定義信息在量子系統中的存在形式。這不是簡單的

C#.NET DbContext 池化機制深入解析：提升 EF Core 性能的關鍵

簡介 DbContext 池是 Entity Framework Core 中的高性能數據庫連接管理機制，通過重用已初始化的 DbContext 實例，顯著減少創建和銷燬上下文對象的開銷，特別適合高併發場景。尤其在高併發場景（如 Web API）中，頻繁創建和釋放 DbContext 會導致： 性能瓶頸：實例化 DbContext 涉及反射、元數據初始化和連接池分配。 內存壓力：頻繁創建和釋

C#.NET Random 深入解析：隨機數生成原理與最佳實踐

簡介 Random 是 .NET 中 System 命名空間提供的一個類，用於生成偽隨機數。它廣泛應用於需要隨機化操作的場景，如生成隨機數據、模擬、遊戲開發或測試用例生成。 偽隨機數生成 在計算機中，Random 類用於生成偽隨機數，這些數值在一定程度上看起來是隨機的，但它們實際上是通過數學公式從一個初始種子值計算得到的，因此稱之為“偽隨機數”。 廣泛應用 Random 類常用於遊戲開

在 .NET AI 聊天應用中升級到 Microsoft 代理框架

在 .NET AI 聊天應用中升級到 Microsoft 代理框架 引言 隨着人工智能技術的快速發展，簡單的聊天機器人已經不能滿足複雜業務場景的需求。Microsoft 代理框架（Microsoft Agent Framework）為 .NET 開發者提供了構建智能代理（AI Agent）的能力，使應用程序能夠實現多步推理、工具調用和複雜工作流編排。本文將詳細介紹如何將一個基礎的 .NET AI

C#.NET SemaphoreSlim 深入解析：輕量級異步鎖與併發控制

簡介 SemaphoreSlim 是 .NET 中 System.Threading 命名空間提供的一個輕量級同步原語，用於限制對共享資源的併發訪問。它是傳統 Semaphore 類的輕量替代，專為高性能、異步場景設計，特別適合結合 async/await 的現代 .NET 應用（如 ASP.NET Core）。 在多線程或高併發應用中，共享資源的訪問需要同步以避免競爭條件。傳統的 Semapho

百度視頻搜索架構演進

導讀 隨着信息技術的迅猛發展，搜索引擎作為人們獲取信息的主要途徑，其背後的技術架構也在不斷演進。本文詳細闡述了近年來視頻搜索排序框架的重大變革，特別是在大模型技術需求驅動下，如何從傳統的多階段級聯框架逐步演變為更加高效、靈活的端到端排序框架。 01 背景 過去近十年，搜索引擎的主流框架為多階段級聯框架，分為召回，粗排，精排幾個階段。在每個階段中，系統會基於相關性、質量、時效性和點擊率等維度獨立建模

長風網視頻—網課刷課腳本&console控制枱粘貼回車即用

思路 一些視頻學習網站，在學生觀看一段時間後，就自動暫停，防止學生掛機 針對於這個情況，我們可以寫一個腳本去處理，從而做到電腦不關機 睡覺的時候，也能夠自動播放，就很嗨皮 大致就是，通過setInterval定時檢查判斷視頻狀態 並且派發點擊事件讓視頻播放 這樣的話，就可以掛機了 其他的視頻類網站也是類似的思路... 腳本一 document.querySelector(".btn

在EasyNVR平台實現大華攝像頭推流的配置步驟

近期，我們收到了用户關於在EasyNVR平台上使用大華攝像頭進行推流的諮詢。為此，我們特別整理了以下詳細步驟，以幫助用户順利完成推流設置： 首先，您需要登錄到EasyNVR平台。在平台界面中，找到並點擊【設備列表】，然後選擇【添加】功能。在彈出的添加設備窗口中，請選擇RTMP協議作為推流協議，並複製生成的推流地址。這個地址將用於在大華攝像頭中進行配置。 接下來，您需要進入大

在視頻匯聚平台EasyNVR平台中使用RTSP拉流的具體步驟

之前有用户反饋，在EasyNVR平台中添加Pull時使用海康設備的RTSP流地址無法播放。經過研發的優化及一系列嚴謹的驗證流程，我們已確認優化後的EasyNVR平台，通過Pull方式添加海康設備的RTSP流已經能夠正常播放。以下是具體的操作步驟：第一步：我們需要獲取一個有效的海康設備的RTSP流地址。第二步：登錄至EasyNVR平台。在平台界面中，依次點擊【設備列表】和【添加】，然後選擇【Pull

三分鐘掌握音視頻處理 | 在 Rust 中優雅地集成 FFmpeg

前言 音視頻處理看似高深莫測，但在開發中，我們或多或少都會遇到相關需求，比如視頻格式轉換、剪輯、添加水印、音頻提取等。 FFmpeg 作為行業標準，幾乎無所不能，很多流行的軟件（如 VLC、YouTube、OBS）都依賴它。然而，FFmpeg 也有讓開發者頭疼的地方： 入門門檻高，需要理解複用/解複用、編解碼、像素格式、採樣率等概念。 C 語言實現，直接調用時容易踩內存管理的坑，稍有不慎就可

三分鐘掌握音視頻信息查詢 | 在 Rust 中優雅地集成 FFmpeg

前言 在音視頻處理領域，開發者常常需要獲取媒體文件的詳細信息，如時長、格式、元數據，以及音視頻流的編碼參數等。這些信息對於媒體管理、轉碼調度、播放控制等場景至關重要。 然而，直接使用 FFmpeg 命令行工具或其原生 API 存在以下挑戰： 命令行工具的複雜性：FFmpeg 的命令行參數眾多且複雜，使用不當可能導致錯誤。例如，處理包含空格的文件名時，需要特別注意正確的轉義和引用方式，否則可能導

三分鐘掌握視頻剪輯 | 在 Rust 中優雅地集成 FFmpeg

前言 在當今的短視頻時代，高效的視頻剪輯已成為內容創作者和開發者的迫切需求。無論是裁剪視頻開頭結尾、提取高光時刻，還是製作 GIF、去除廣告，剪輯都是必不可少的一環。 然而，批量處理大量視頻並非易事，常見的挑戰包括： 手動剪輯：費時費力，效率低下。 使用專業軟件（如 Premiere、After Effects）：適合專業剪輯，但自動化批量處理難以實現。 FFmpeg 命令行：功能強大，但

從FFmpeg命令行到Rust：多場景實戰指南

FFmpeg作為功能強大的多媒體處理工具，被廣泛應用於視頻編輯、格式轉換等領域。然而，直接使用FFmpeg的命令行界面（CLI）可能會遇到以下挑戰： 命令複雜度高：FFmpeg的命令行參數眾多且複雜，初學者可能難以掌握，配置錯誤時調試困難。 集成困難：在Rust等現代編程語言中，直接調用FFmpeg的C語言API需要處理複雜的內存管理和安全性問題，可能引發內存泄漏、非法訪問等問題。 為了解

三分鐘掌握視頻分辨率修改 | 在 Rust 中優雅地使用 FFmpeg

前言 在視頻處理領域，調整視頻分辨率是一個繞不過去的需求。比如，你可能需要將一段視頻適配到手機、平板或大屏電視上，或者為了節省存儲空間和網絡帶寬而壓縮視頻尺寸。然而，傳統的FFmpeg命令行工具雖然功能強大，但複雜的參數和格式往往讓人頭疼，尤其是對於Rust開發者來説，直接在項目中調用命令行不僅繁瑣，還容易出錯。那麼，如何在Rust中簡潔、高效地搞定視頻分辨率修改？這篇文章將帶你一步步解決這個痛點

三分鐘掌握音頻提取 | 在 Rust 中優雅地處理視頻音頻

前言 在多媒體開發中，從視頻中提取音頻是一個常見需求。比如，你可能需要分離背景音樂來單獨欣賞，或者提取對白用於語音分析，甚至為視頻生成字幕。無論目的如何，音頻提取都是多媒體處理中的基礎操作。 傳統上，我們可以通過 FFmpeg 命令行工具快速實現這一功能，例如： ffmpeg -i input.mp4 -vn -acodec copy output.aac 這條命令用 -vn 禁用視頻流，-aco

Rust 開發者必備：三分鐘搞定視頻縮略圖生成

引言：從痛點出發 視頻縮略圖生成是開發者常遇到的需求，比如為視頻網站生成預覽圖，或為內容管理系統提供封面圖。傳統方案大多依賴 FFmpeg 命令行工具，但實際操作時，開發者往往會被複雜的參數配置搞得焦頭爛額：縮放比例怎麼調？時間點怎麼選？幀率和質量如何平衡？不僅容易出錯，還得花時間查文檔、調命令。對於 Rust 開發者來説，有沒有更簡單的方式？答案是肯定的——ez-ffmpeg 這個庫能幫你省時省