AI算力芯片基础知识
AI芯片是智能计算的核心基础设施，对于大模型和其他人工智能技术的发展起着至关重要的作用。
AI计算是一种计算机器学习算法的数学密集型流程，通过加速系统和软件，从大量数据集中提取新的见解并在此过程中学习新能力。
AI计算的三个主要过程包括：
提取/转换/加载数据（ETL）：数据科学家需要整理和准备数据集。
选择或设计AI模型：数据科学家选择或设计最适合其应用的AI模型，一些公司会从一开始就设计并训练自己的模型，另一些公司可能采用预训练模型并根据需求进行自定义。
AI推理：企业通过模型对数据进行筛选，AI在此过程中提供可行的洞察与见解。
算力及AI算力主要芯 ...
视频转码的实时转码和离线转码区别
由于视频的编码格式，封装协议非常多，在视频播放的过程中，会有很多编码不兼容的问题。这种情况下就需要对视频进行转码。
视频转码分为离线转码和实时转码，它们的工作方式和具体的业务要求是完全不同的，其应用的场景也是完全不一样的。所以我们在项目中，如果需要对视频进行转码，需要搞清楚具体的视频转码是要应用在哪种场景下，需要解决什么问题。
离线转码 离线转码的应用非常广泛，我们日常在视频网站追剧，都需要对视频进行转码。还有我们都有这样的经历，从网上下载了一个视频文件，结果无法播放，这都需要对视频进行转码后，让原来的视频适合现有的播放器。
离线转码一般针对视频文件，也就是说我们有一个 ...
GAN网络训练技巧
当判别网络能力过强，传递给生成网络的“提示”信息太少，导致训练网络梯度消失，无法学习；
当判别网络能力太差，颠倒是否，训练网络无法稳定学习，还会扬长避短，“钻空”判别网络弱点，丢失生成样本的多样性(模型崩溃)；
判别器因监督学习而提升，生成器因判别器而提升，同时两者都不能把对方放倒，一旦完全放倒对方，自己就独孤求败了，无法再次提升技能。
从原理上来说，生成器和判别器从一开始都是非常弱的，因此一般不会在训练一开始两者损失就非常剧烈的波动。在训练一段时间达到稳定期后，生成器和判别器的损失都应该在一个小区间内波动，而不会有明显的持续上升/下降趋势。 如果生成器损失持续明 ...
Pytorch的Variable
pytorch两个基本对象：Tensor（张量）和Variable（变量）
其中，tensor不能反向传播，variable可以反向传播。
tensor的算术运算和选取操作与numpy一样，与numpy相似的运算操作都可以迁移过来。
Variable variable是一种可以不断变化的变量，符合反向传播，参数更新的属性。pytorch的variable是一个存放会变化值的地理位置，里面的值会不停变化，像装糖果（糖果就是数据，即tensor）的盒子，糖果的数量不断变化。
在PyTorch中计算图的特点总结如下：autograd根据用户对Variable的操作来构建其 ...
音视频编解码常用知识
视频播放器原理 视频播放器播放一个互联网上的视频文件，需要经过以下几个步骤：解协议，解封装，解码视音频，视音频同步。如果播放本地文件则不需要解协议，为以下几个步骤：解封装，解码视音频，视音频同步。他们的过程如下：
解协议的作用，就是将流媒体协议的数据，解析为标准的相应的封装格式数据。视音频在网络上传播的时候，常常采用各种流媒体协议，例如HTTP，RTMP，或是MMS等等。这些协议在传输视音频数据的同时，也会传输一些信令数据。这些信令数据包括对播放的控制（播放，暂停，停止），或者对网络状态的描述等。解协议的过程中会去除掉信令数据而只保留视音频数据。例如，采用RTMP协议传输的数据，经过解 ...