腾讯云
开发者社区
文档
建议反馈
控制台
登录/注册
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
首页
学习
活动
专区
工具
TVP
最新优惠活动
返回腾讯云官网
媒矿工厂
专栏成员
举报
917
文章
1139226
阅读量
239
订阅数
订阅专栏
申请加入专栏
全部文章(917)
模型(142)
数据(107)
编程算法(98)
视频(95)
图像处理(92)
tcp/ip(69)
其他(67)
api(64)
网络(62)
编码(57)
神经网络(56)
深度学习(53)
渲染(52)
文件存储(50)
cdn(50)
http(49)
性能(47)
腾讯云测试服务(44)
机器学习(41)
云直播(40)
人工智能(37)
网络安全(32)
优化(32)
函数(31)
设计(31)
https(29)
框架(29)
开源(26)
压缩(26)
网站(25)
视频处理(24)
缓存(23)
云点播(22)
存储(21)
video(21)
javascript(18)
工作(18)
论文(18)
算法(18)
5g(17)
对象(15)
量化(15)
流媒体(14)
系统(14)
音频(14)
scale(13)
打包(11)
游戏(11)
数据分析(11)
media(11)
测试(11)
ide(10)
容器(10)
uml(10)
rtc(10)
vr(10)
动画(10)
架构(10)
unix(9)
分布式(9)
udp(9)
媒体处理(9)
变量(9)
工作流(9)
python(8)
linux(8)
微服务(8)
连接(8)
php(7)
html(7)
云计算(7)
效率(7)
android(6)
github(6)
移动直播(6)
安全(6)
nat(6)
视频分析(6)
点云压缩(6)
streaming(6)
工具(6)
基础(6)
索引(6)
ios(5)
node.js(5)
git(5)
自动化(5)
html5(5)
强化学习(5)
dns(5)
系统架构(5)
fpga(5)
虚拟化(5)
沉浸式媒体(5)
db(5)
facebook(5)
iso(5)
youtube(5)
二进制(5)
内存(5)
语音(5)
重构(5)
NAT 网关(4)
图像识别(4)
flash(4)
机器人(4)
windows(4)
webgl(4)
sdn(4)
自由视角(4)
ip(4)
profile(4)
text(4)
web(4)
代理(4)
客户端(4)
流量(4)
路由(4)
排序(4)
视频编码(4)
实时通信(4)
协议(4)
虚拟现实(4)
区块链(3)
tensorflow(3)
bash(3)
css(3)
批量计算(3)
命令行工具(3)
监督学习(3)
unity(3)
socket编程(3)
数据结构(3)
canvas(3)
processing(3)
sdk(3)
云游戏(3)
acm(3)
aws(3)
bit(3)
codec(3)
dynamic(3)
ffmpeg(3)
image(3)
jpeg(3)
live(3)
time(3)
程序(3)
计算机视觉(3)
配置(3)
搜索(3)
通信(3)
音视频(3)
元宇宙(3)
人脸识别(2)
go(2)
react(2)
json(2)
arm(2)
硬件开发(2)
数据库(2)
apache(2)
nginx(2)
spring(2)
短视频(2)
SSL 证书(2)
vr 视频解决方案(2)
serverless(2)
卷积神经网络(2)
二叉树(2)
迁移学习(2)
大数据(2)
物联网(2)
腾讯云开发者社区(2)
腾讯云图数据可视化(2)
alpha(2)
amazon(2)
apple(2)
broadcast(2)
buffer(2)
data(2)
gaussian(2)
google(2)
gpu(2)
it(2)
metrics(2)
nvidia(2)
precision(2)
project(2)
self(2)
simulation(2)
slice(2)
sum(2)
transactions(2)
transfer(2)
布局(2)
队列(2)
服务(2)
互联网(2)
解决方案(2)
开发者(2)
可视化(2)
内核(2)
日志(2)
事件(2)
硬件(2)
语法(2)
LLM(2)
费用中心(1)
云服务器(1)
(1)
数字货币(1)
NLP 服务(1)
iphone(1)
swift(1)
xcode(1)
c++(1)
c#(1)
.net(1)
jquery ui(1)
xml(1)
typescript(1)
qt(1)
单片机(1)
嵌入式(1)
sql(1)
容器镜像服务(1)
访问管理(1)
对等连接(1)
人脸融合(1)
机器翻译(1)
通用视频解决方案(1)
DevOps 解决方案(1)
高性能计算(1)
企业(1)
正则表达式(1)
gui(1)
推荐系统(1)
决策树(1)
线性回归(1)
pytorch(1)
rpc(1)
gcc(1)
ntp(1)
数据可视化(1)
内容安全(1)
腾讯会议(1)
ipv6(1)
迁移(1)
性能测试(1)
负载测试(1)
es(1)
学习方法(1)
服务网格(1)
多媒体处理(1)
应用安全开发(1)
手势识别(1)
视频理解(1)
即时通信 IM(1)
汽车(1)
adapter(1)
adobe(1)
aes(1)
animation(1)
app(1)
backbone(1)
bandwidth(1)
bi(1)
camera(1)
com(1)
comparison(1)
cpu(1)
cuda(1)
dataset(1)
directshow(1)
distribution(1)
draw(1)
driver(1)
dst(1)
edge(1)
expression(1)
feed(1)
flatten(1)
format(1)
frame(1)
gnu(1)
gps(1)
gpt(1)
icon(1)
instagram(1)
intel(1)
io(1)
label(1)
load(1)
lock(1)
ls(1)
mask(1)
matrix(1)
maya(1)
meta(1)
microsoft(1)
mime(1)
model(1)
mp3(1)
nas(1)
network(1)
networkx(1)
package(1)
post(1)
protocols(1)
ref(1)
rgb(1)
scaling(1)
screen(1)
servicenow(1)
set(1)
sf(1)
show(1)
simd(1)
similarity(1)
src(1)
standards(1)
state(1)
static(1)
stream(1)
super(1)
svm(1)
system(1)
title(1)
tizen(1)
token(1)
union(1)
unmanaged(1)
vimeo(1)
voiceover(1)
vpn(1)
webrtc(1)
xmpp(1)
zero(1)
遍历(1)
编译(1)
表格(1)
递归(1)
反射(1)
翻译(1)
服务器(1)
高性能(1)
集合(1)
计算机网络(1)
脚本(1)
教程(1)
交换机(1)
开源框架(1)
开源软件(1)
跨域(1)
路由器(1)
苹果(1)
数据存储(1)
数据类型(1)
数学(1)
数组(1)
图表(1)
网络协议(1)
隐私(1)
重定向(1)
主机(1)
人机协作(1)
搜索文章
搜索
搜索
关闭
ACM SIGCOMM 2023 | 使用 DeepFlow 以网络为中心的分布式跟踪:以零代码排除微服务故障
分布式
微服务
acm
内核
网络
本文提出了 DeepFlow,一种以网络为中心的分布式跟踪框架,用于排除微服务故障。DeepFlow 通过以网络为中心的跟踪平面和隐式上下文传播提供开箱即用的跟踪。此外,它消除了网络基础设施中的盲点,以低成本的方式捕获网络指标,并增强了不同组件和层之间的关联性。DeepFlow 能够节省用户数小时的仪器工作,并将故障排除时间从几个小时缩短到几分钟。
用户1324186
2023-12-12
543
0
流媒体生态系统的分布式请求追踪
cdn
分布式
打包
在流媒体视频世界中,慢启动、低码率、高失速率(stall rate)和播放失败可谓是四大“世界末日”,无论这四个中的哪一个发生都会导致糟糕的用户体验。当问题发生的时候,找到根本原因是十分重要的,可能是播放器的问题,也可能是缓冲算法或比特率选择的问题,或者是内容编码或打包的问题。为此,流媒体视频联盟发布了端到端工作流监控的最佳实践,这份文档中提出跨流媒体视频工作流的级联效应可以通过多点监控来观察记录和相互分离,这意味着从各个点(CDN、播放器、源或编码器)收集数据,然后将这些数据整合在一起。然而这些数据往往是孤立的,即使您可以尝试以某种方式连接它,那些从中派生的孤立的日志和指标通常也不足以驱动 QOE 或以真正有效的方式解决问题。
用户1324186
2022-05-25
733
0
远程制作
分布式
远程制作正在发生变化。它意味着把一些团队留在基地而不是派他们去看足球比赛的日子已经过去了。现在,它可以意味着集中式的远程制作,正如欧洲体育台最近所展示的,欧洲各地的电视台可以远程使用托管在两个私有云位置的设备。随着大流行的到来,它也开始意味着分布式远程制作,现在人们不再在一起了。这遵循了远程制作行业的趋势,即把数据全部搬到一个地方,然后把处理工作搬到媒体上。这意味着公共或私人云现在保存着你的文件,或者在像欧洲体育台这样的现场制作的情况下,媒体和处理也在那里。这取决于你是否在集中的 MCR 式的地点使用多显示器或在家里与许多人一起监控。
用户1324186
2022-05-25
692
0
基于 5G 边缘计算的媒体娱乐
5g
云直播
分布式
5G 和边缘计算给媒体和娱乐方式都带来了极大影响。边缘计算是指分布式的计算体系 (多接入、多云等),将算力和存储能力分布在用户附近,以最大程度上利用带宽资源、降低延时,并且可以在一定程度上提供离线可靠性 (即使网络在短时间内掉线,也保有基本的运行能力)。通过与 AI/ML 等技术结合,可以带来更好的用户体验。
用户1324186
2022-04-11
411
0
Milan 视频技术交流会分享
javascript
tcp/ip
cdn
缓存
分布式
会议由来自 videodeveloper.io 的 Andrea Fassina 主持。他首先回顾了上一期(6th Milan Meetup)中的内容:直播、数据质量、可交互体积视频以及智能编码,并简介了本场会议的其他三位嘉宾:来自 Evolution 的 Behnam Kakavand、来自 Akamai 的 Luca Moglia、来自 Elecard 的 Alexey Malikov。
用户1324186
2022-02-18
594
0
基于 AWS Lambdas 的实时分布式编码
分布式
我们的生活中通常需要编码,那为什么我们需要自适应码率或 ABR?因为我们的观众是庞大的来自全球的,有各种设备,为了给所有这些设备和网络连接提供最佳的体验,我们需要能够提供不同的副本,不同的分辨率和比特率的编码,然后让设备将选择最合适的。
用户1324186
2021-12-31
485
0
在通信约束下从样本中学习分布
分布式
本篇是来自Standford CompressionWorkshop 2019的演讲,演讲者是来自斯坦福大学的Leighton Barnes,演讲题目是在通信约束下从样本中学习分布。
用户1324186
2019-12-06
352
0
深度卷积神经网络压缩
文件存储
神经网络
强化学习
深度学习
分布式
本文是来自Stanford Compression Workshop 2019的演讲,作者是来自MIT的助理教授韩松。本次演讲的主要内容是深度卷积神经网络压缩。深度学习的一个挑战是模型太大,对计算资源的消耗极大,很难在手机等嵌入式设备上进行部署,同时也很难以在网络上实时下载;另一个挑战就是深度学习模型对能源的消耗极大,比如AlphaGo每场比赛需要消耗3000美元的电费,而韩松的工作就是使AI更高效:低延迟、高吞吐量、低耗、自动设计和鲁棒。在演讲中,韩松从三个方面讲解了模型压缩:神经网络的内存带宽、工程师的人力资本、分布式网络训练消耗的带宽。
用户1324186
2019-11-19
626
0
基于机器学习技术的非迭代内容自适应分布式编码
机器学习
分布式
存储
http
分布式编码是缩短内容准备云工作流程的周转时间的一种有效方法。当前已经提出了内容自适应比特分配的策略以保证存储和传输的效率。但这些方法中的许多方法本质上倾向于使用迭代,需要消耗大量额外的计算资源,我们应限制计算复杂度的这种增加。本文提出了一种非迭代的代码同义方法,它采用机器学习技术来实现平均比特率的节省,同时保证目标质量。方法是以一种方式为每个自适应比特率(ABR)表示中的每个ABR段选择内容自适应比特率和分辨率,使它同样适用于实时和按需工作流程。初步结果表明,所提出的方法可以通过更详细的技术实现约85%的比特节省可能,而其计算复杂度仅为双通可变比特率(VBR)编码的15%-20%。
用户1324186
2018-12-18
977
0
没有更多了
社区活动
【纪录片】中国数据库前世今生
穿越半个世纪,探寻中国数据库50年的发展历程
立即查看
Python精品学习库
代码在线跑,知识轻松学
立即查看
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
立即体验
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
立即查看
领券
问题归档
专栏文章
快讯文章归档
关键词归档
开发者手册归档
开发者手册 Section 归档