sframe

WebRTC 的现状和未来:专访 W3C WebRTC Chair Bernard Aboba

谁说胖子不能爱 提交于 2021-01-19 08:39:49
WebRTC 无疑推动和改变了互联网视频,而这仅仅是刚刚开始,除了大家熟悉的 WebRTC-PC、Simulcast 和 SVC,有太多的新技术和新架构出现在 WebRTC 新的标准中,比如 WebTransport、WebCodecs、AV1、E2EE、SFrame、ML 等等,这篇文章详细介绍了未来的 WebRTC-NV,不容错过。 说明: 本文为阿里云视频云翻译的技术文章 原文标题:WebRTC Today & Tomorrow: Interview with W3C WebRTC Chair Bernard Aboba 原文链接: https://webrtchacks.com/webrtc-today-tomorrow-bernard-aboba-qa/ 作者:乍得・哈特(Chad Hart) 翻译:忘篱、致凡、开视、仲才、海华 Bernard 是一直聚焦在 RTC 领域的专家,W3C WebRTC 联席 Chair,WEBTRANS 和 AVTCORE 的联席 Chair,ORTC、WebRTC-SVC、WebRTC-NV 用例、WebRTC-ICE、WebTransport 和 WebRTC-QUIC 等文档的主编,微软 Teams 媒体组的首席架构师。 WebRTC 标准现状 作为 W3C WebRTC 工作组 的 Chair 之一,Bernard 是 WebRTC

call function use .apply in python

戏子无情 提交于 2020-08-02 04:48:49
问题 I have a shortcode as following. try to use .apply to call a function. but it always gives me the error saying the function is not callable. def awesome_count(): return 10 products['awesome'] = products['word_count'].apply(awesome_count()) AssertionError Traceback (most recent call last) <ipython-input-45-493b4bfe94cc> in <module>() ----> 1 products['awesome'] = products['word_count'].apply(awesome_count()) C:\Users\twu\AppData\Local\Dato\Dato Launcher\lib\site-packages\graphlab\data

12.1 ROS NavFn全局规划源码_1

拟墨画扇 提交于 2020-04-24 02:12:35
博客转载自: https://blog.csdn.net/Neo11111/article/details/104643134 Movebase使用的全局规划器默认为 NavFn,默认使用Dijkstra算法 ,在地图上的起始点和目标点间规划出一条最优路径,供局部规划器具体导航使用。在理解这部分的过程中也参考了很多博客,NavFn的源码中实际上是有A*规划算法的函数的,但关于为什么不在NavFn中使用A*,ROS Wiki上对提问者的回答是,早期NavFn包中的A*有bug,没有处理,后来发布了global_planner,修改好了A*的部分。global_planner封装性更强,它和NavFn都是用于全局路径规划的包。 【相关文件】 navfn/src/navfn_ros.cpp navfn/src/navfn.cpp navfn_ros.cpp中定义了NavfnROS类,navfn.cpp中定义了NavFn类,ROS Navigation整个包的一个命名规则是,带有ROS后缀的类完成的是该子过程与整体和其他过程的衔接框架和数据流通,不带ROS后缀的类中完成该部分的实际工作,并作为带有ROS后缀的类的成员。 本篇记录对navfn_ros.cpp中定义的NavfnROS类的阅读和理解。 【代码分析】 navfn_ros.cpp –目录– 准备工作 NavfnROS:

工程中的算法应用

廉价感情. 提交于 2020-04-06 11:03:54
目录 前言 二分查找 应用背景 对照算法 存在的问题 解决方案 代码方案 二维平均卷积 应用背景 对照算法 存在的问题 解决方案 代码方案 异步改同步 应用背景 对照算法 存在的问题 解决方案 代码方案 后记 前言 其实这篇文章早就想写了,因为自己太懒,到现在才更新。虽然这三个例子都是最简单的算法,但是不得不说,相比较暴力的做法,确实提升了效率,也节省了程序员的时间。三个例子中用到的分别是二分查找、二维平均卷积、异步改同步。 二分查找 应用背景 给定一个URL资源接口,如XXX_001.mp4代表视频的第一秒、XXX_002.mp4代表视频的第二秒,以此类推;如何写一个多线程爬虫,把整个视频资源快速爬下来? 对照算法 容易想到的就是顺序爬取,直接假设资源具有999个,将URL生成好存在队列里,开50个线程依次获取,当有线程返回404时,通知队列清空,其他排在之后的线程也停止工作,等待未下载完毕的线程处理,之后程序退出。 存在的问题 假设资源只有20个,50个线程很明显一瞬间打出来30个404,这对网站也是一种攻击行为,很容易被反爬策略限制。 各个线程之间的调度需要有效处理,假设2号线程返回404,在它之后从队列里拿取URL的所有线程都需要被停止,虽然Python的队列是线程安全的,但是需要操作已经运行的其他线程仍存在一定的问题。 因为网络io的不稳定问题