- 综合排序
- 最热优先
- 最新优先
- 来自专栏陈磊的专栏
Google Guetzli图片压缩算法预研报告
本文将通过比较libjpeg, Guetzli,webp的压缩率、压缩延时、压缩资源、解压性能，评估Guetzli可用性。 （此原理描述摘自文章《Guetzli：谷歌家的东西可能也没有想像的辣么美》） 压缩率 压缩率：描述压缩文件的效果名，是文件压缩后的大小与压缩前的大小之比 质量系数：图片压缩级别，质量系数1表示最低图像质量和最高的压缩 ，质量系数100表示最佳的图片质量和最低效的压缩。 下图是libjpg、Guetzli、webp不同质量系数下的压缩率，可以看出： 整体压缩效果：webp>Guetzli>libjpg guetzli比libjpg优12%-33%， webp比Guetzli 优20%左右 guetzli在高质量系数下，压缩率表现更好 图片肉眼观察质量 对于相同质量系数压缩的图片，各算法肉眼是看不出区别 压缩延时 模型：这里假设业务需要转5档图，这里压缩延时计算模型是一张图片转换成业务需要的五档图的总延时
4K00发布于 2017-03-31 - 来自专栏图与推荐
近期必读 ICLR 2021 【模型压缩】&【预训练】相关论文】
本期的关注焦点是【模型压缩】&【预训练】的7篇论文。点击文末“阅读原文”，获取正在接受盲审的论文列表。 模型压缩 Task-Agnostic and Adaptive-Size BERT Compression 本文的目标是通过压缩可以得到模型对不同大小和延迟的限制下的小模型；另外压缩后的模型是任务不可知 为了实现这个目标，本文使用的方法是基于NAS架构搜索的方法，由于待搜索的空间非常大，对于预训练任务难度较大，本文提供了3种策略来优化。 ? 解决预训练和精调的不匹配问题（精调时没有 MASK）。文中提出了两类策略，Disentangled Attention：增加计算 “位置-内容” 和 “内容-位置” 注意力。 在本文中，我们提出了K-PLUG，一种基于编解码转换器的知识注入的预训练语言模型，它既适用于自然语言理解任务，也适用于生成任务。
81650发布于 2020-11-10 - 来自专栏深度学习自然语言处理
近期必读 ICLR 2021 【模型压缩】&【预训练】相关论文】
模型压缩 Task-Agnostic and Adaptive-Size BERT Compression 本文的目标是通过压缩可以得到模型对不同大小和延迟的限制下的小模型；另外压缩后的模型是任务不可知 为了实现这个目标，本文使用的方法是基于NAS架构搜索的方法，由于待搜索的空间非常大，对于预训练任务难度较大，本文提供了3种策略来优化。 ? 解决预训练和精调的不匹配问题（精调时没有 MASK）。文中提出了两类策略，Disentangled Attention：增加计算 “位置-内容” 和 “内容-位置” 注意力。 在本文中，我们提出了K-PLUG，一种基于编解码转换器的知识注入的预训练语言模型，它既适用于自然语言理解任务，也适用于生成任务。 具体来说，我们提出了五个具有知识意识的自我监督的预训练目标，以实现特定领域的知识学习。 ? 论文链接：https://openreview.net/forum?
1.5K10发布于 2020-11-11 - 来自专栏全栈程序员必看
WinZip Pro 9 for Mac(专业zip压缩解压工具)
Winzip Mac是Mac上的老牌解压缩软件，老字号的压缩软件当然更稳定更靠谱。 Winzip Mac注册版率先支持ribbon界面， 支持 ZIP、CAB、TAR、GZIP、MIME, 以及更多格式的压缩文件。您可以压缩并加密文件更快捷，更安全。 安装：WinZip Pro 9 for Mac(专业zip压缩解压工具) zip压缩工具Mac版功能亮点 压缩文件以节省空间并发送更快的电子邮件 压缩文件可节省宝贵的存储空间，减少文件上载/下载时间， – 使用“快速查看”工具，以便在决定是否解压缩之前浏览Zip文件的内容。 – 加密文件和/或调整Zip文件中的图像大小，而无需解压缩然后再次压缩。 在Mac和PC之间共享压缩文件 专为Mac用户设计的WinZip Mac 6.5可帮助您克服从PC用户共享或接收压缩文件夹或存档的障碍。
2.3K10编辑于 2022-11-09 - 来自专栏reizhi
opera mini 9携视频压缩技术全新上线
opera 公司近日为 IOS 设备发布了新版 opera mini 浏览器，新版浏览器采用了新的浏览器压缩技术，能够大幅度降低视频浏览的流量占用。 在收购 skyfire 一年之后，视频压缩技术正式被 opera mini 9 采用。该技术能够对网络视频进行重新压缩，以适应移动设备的带宽。 值得一提的是，chrome 也已经提供了类似的流量压缩技术，但仅支持页面元素压缩。 据10月统计显示，opera 目前拥有 2.7亿用户，其中2.45亿用户正在使用 opera mini。 由于新的流量压缩技术上线，opera 将17.5PB流量请求压缩到了仅仅4.7PB，节省了的数据流量73%。 由于 Apple 限制，将这一技术部署到 IOS 平台并非易事。 在收看这类网站的视频时，opera 将无法提供流量压缩。 另一方面，高分辨率设备的普及也带来了新的问题：视频压缩技术很难在保持流量压缩比例的同时，在高清晰屏幕上保持足够的画质。
60020编辑于 2022-09-26 - 来自专栏iSharkFly
Java 9 中的字符串（String）压缩的改进
在 JDK 9 之前，Java 不管什么字符都一股脑的使用 2 字节存储，在 JDK 9 以后，Java 对这里进行了改进。 在本页面中，我们将会讨论在 JDK 6 中使用的 Java String 的压缩选项和在 JDK 9 中使用的新的方法。 https://www.ossez.com/t/java-9-string/14024
91830编辑于 2022-07-07 - 来自专栏圆圆的算法笔记
ACL 2022 杰出论文：华为&港大提出SOTA预训练语言模型量化压缩方法
3 量化压缩在PLM中的问题 将以前在BERT上取得成功的量化压缩方法应用到预训练语言模型（PLM）上，会存在比较明显的效果下降。 下图是之前的PACT、LSQ等量化压缩方法随着压缩后的bit减少困惑度的变化。可以看到压缩到2-bit时出现非常明显的效果折损。 为什么之前的量化压缩方法应用到预训练语言模型上效果会这么差的？ 这些问题在预训练语言模型这种单向结构中更加严重，因为单向的学习会导致量化误差累计问题。 6 总结 本文以ACL 2022杰出论文——量化压缩预训练语言模型为出发点，首先介绍了经典的量化压缩方法，包括BinaryConnect、PACT等，又进一步介绍了在BERT上的量化压缩工作。 通过以上工作在预训语言模型上应用的不足，带大家理解了本文面临的难点和核心解法。
82710编辑于 2022-12-19 - 来自专栏Java知识图谱
Nginx网络压缩 CSS压缩 图片压缩 JSON压缩
1、网络压缩原理 网络压缩的原理是消耗CPU资源，减少文件在公网传输的大小，提高响应速度。 二、网络压缩 此部分所有的压缩内容在浏览器端都会还原，特别需要指出的是图片，图片在网络间是压缩状态传输的，到达浏览器后是会被还原的。 技术实现依托gzip压缩，仅仅在服务器与客户端网络传输时对静态资源进程压缩，文件的大小在压缩前与还原后保持不变。 图片压缩分为两类：一是等比压缩；二是固定宽高压缩。根据应用场景的不同也分为两类：一是固定参数；二是动态参数。 此部分图片压缩后到达浏览器不会被还原。 （一）等比压缩 使用关键词resize实现等比压缩，指定宽度或者高度即可在原尺寸图片的基础上等比率压缩图片。如果同时指定宽度和高度，只有一个参数生效。
6.7K41编辑于 2022-02-08 - 来自专栏h5学习笔记
预解析
1.预解析的相关概念 JavaScript 代码是由浏览器中的 JavaScript 解析器来执行的。 JavaScript 解析器在运行 JavaScript 代码的时候分为两步：预解析和代码执行。 预解析：在当前作用域下, JS 代码执行之前，浏览器会默认把带有 var 和 function 声明的变量在内存中进行提前声明或者定义。 代码执行： 从上到下执行JS语句。 预解析会把变量和函数的声明在代码执行之前执行完成。 2. 变量预解析 预解析也叫做变量、函数提升。 变量提升（变量预解析）： 变量的声明会被提升到当前作用域的最上面，变量的赋值不会提升。 函数预解析 函数提升： 函数的声明会被提升到当前作用域的最上面，但是不会调用函数。
96020发布于 2020-09-30 - 来自专栏软件安装
9款在线PDF转word工具，支持多种格式转换压缩编辑
DF 压缩、加密、加水印。 免费在线生成 PDF。 重隐私安全：在线版工具自动加密在处理后一小时内从处理服务器上自动删除，桌面版软件数据完全本地化存储。 1、pdf365 网址：www.pdf365.cn PDF365是一个在线处理PDF文件的网站，拥有PDF转Word、PDF转图片、PDF合并拆分、PDF压缩、PDF加水印等数十项功能。 将PDF转成Office、PDF合并拆分，加密PDF，解密PDF，压缩PDF等，还可以将Office和图片转换成PDF，上传源文件，下载输出文件 6、超级PDF 网址：https://xpdf.cn/ 超级PDF功能非常强大，基本可以满足PDF处理的所有需求，比如，PDF转Word，PDF转Excel，PDF转PPT，PDF拆分合并，PDF压缩等等。 9、PDF转Word客户端 这个需要下载，是一个客户端 网址：foxitsoftware.cn/pdf2word/ 福昕PDF转Word是一款操作简洁的PDF转换器，共集合了8项常用的PDF转换功能，支持
31610编辑于 2026-03-26 - 来自专栏韩曙亮的移动开发专栏
【JavaScript】预解析 ② ( 预解析示例分析 | 分步骤分析预解析过程 )
一、预解析示例分析一 1、要分析的代码 要分析的 代码示例 : <! ); var num = 888; } </script> </head> <body> </body> </html> 执行结果如下 : 2、代码预解析分析 console.log(num); var num = 888; } 分析上述代码 的 预解析过程 : 全局作用域 的 var num = 666; 变量 , 进行 预解析 , 提升该变量 到 全局作用域 顶部 , 提升后的效果如下 : // ★ 本步骤要点 var num; num = 666; fun(); function fun() { console.log(num); var num = 888; } 全局作用域 的 fun 函数 预解析
51810编辑于 2024-04-20 - 来自专栏前端学习笔记
预解析
预解析 1.预解析的相关概念 JavaScript 代码是由浏览器中的 JavaScript 解析器来执行的。 JavaScript 解析器在运行 JavaScript 代码的时候分为两步：预解析和代码执行。 预解析：在当前作用域下, JS 代码执行之前，浏览器会默认把带有 var 和 function 声明的变量在内存中进行提前声明或者定义。 代码执行： 从上到下执行JS语句。 预解析会把变量和函数的声明在代码执行之前执行完成。 2. 变量预解析 预解析也叫做变量、函数提升。 变量提升（变量预解析）： 变量的声明会被提升到当前作用域的最上面，变量的赋值不会提升。 结果：undefined 注意：**变量提升只提升声明，不提升赋值** 3.函数预解析 函数提升： 函数的声明会被提升到当前作用域的最上面，但是不会调用函数。
1.1K51发布于 2020-10-26 - 来自专栏韩曙亮的移动开发专栏
【JavaScript】预解析 ① ( 变量预解析 - 变量提升 | 函数预解析 - 函数提升 | 函数表达式预解析 )
一、JavaScript 预解析 JavaScript 代码 是 由 浏览器 的 JavaScript 解析器 执行的 , 执行过程分如下两步 : 预解析 正式执行代码 JavaScript 的 " 预解析 的位置在哪里 , 解析器 在 预解析 阶段 都会把它们提升到它们各 自的作用域的最顶部 ; 二、变量预解析 1、变量预解析 - 变量提升 变量预解析 又称为 " 变量提升 " , 就是 把 所有的 变量声明 1、函数预解析 - 函数提升 函数预解析 又称为 " 函数提升 " , 与 变量提升类似 , 使用 function 关键字 的 函数声明 也会被提升到它们所在的作用域的顶部 , 因此可以 在函数声明之前 hello(); 2、代码示例 - 函数预解析 代码示例 : <! 1、函数表达式预解析 函数表达式 的 本质是一个 变量 , 只是将 函数 赋值给了 变量 ; 由于 变量预解析 时 , 只是将 var 关键字的 变量声明 提升到了 作用域的最顶端 , 变量的 初始化
51110编辑于 2024-04-09 - 来自专栏新智元
GitHub超9千星：一个API调用27个NLP预训练模型
新智元报道 来源：GitHub 编辑：元子 【新智元导读】只需一个API，直接调用BERT, GPT, GPT-2, Transfo-XL, XLNet, XLM等6大框架，包含了27个预训练模型 前几日，著名最先进的自然语言处理预训练模型库项目pytorch-pretrained-bert改名Pytorch-Transformers重装袭来，1.0.0版横空出世。 ? 只需一个API，直接调用BERT, GPT, GPT-2, Transfo-XL, XLNet, XLM等6大框架，包含了27个预训练模型。 简单易用，功能强大。 目前已经包含了PyTorch实现、预训练模型权重、运行脚本和以下模型的转换工具： BERT，论文：“BERT: Pre-training of Deep Bidirectional Transformers 项目中提供27个预训练模型，下面是这些模型的完整列表，以及每个模型的简短介绍。 ?
83320发布于 2019-07-23 - 来自专栏Jack96
压缩解压缩命令
Linux 压缩解压命令 zip/unzip，文件后缀名为zip 压缩: zip 123.zip *.txt # 将所有的txt文件压缩成123.zip文件 zip -r test.zip 压缩： bzip2 1.txt # 将1.txt压缩成1.txt.bz2 解压： bunzip2 1.txt.bz2 bzip2 -d 1.txt.bz2 bzip2 -dk -z: 调用gzip/gunzip进行压缩解压操作，后缀名是.tar.gz -j: 调用bzip2/bunzip2进行压缩解压操作，后缀名是.tar.bz2 -C: 指定解压位置 Copy 注意：tar 只是用来打包和解包的工具，它本身是没有压缩和解压缩的功能。但是，通过添加参数，可以调用gzip或者bzip2进行压缩解压操作。 tar -z: 使用 gzip方式打包并压缩文件，后缀名为 .tar.gz,可以简写为 .tgz tar -j: 使用 bzip2 方式打包并压缩文件，后缀名为 .tar.bzip2,可以简写为
2.2K20编辑于 2023-03-07 - 来自专栏集智书童
微软提出MiniViT | 把DeiT压缩9倍，性能依旧超越ResNet等卷积网络
此外，使用单层参数，MiniViT能够将DeiT-B压缩9.7倍，从86M到9M的参数，而不会严重影响性能。最后，通过MiniViT在下游基准上的性能来验证其可迁移性。 Weight Multiplexing由Weight Transformation和Weight Distillation两个组件组成，共同压缩预训练好的Vision Transformer。 图1 实验表明，Weight Multiplexing方法在Baseline上实现了明显的精度提高，并将预训练好的Vision Transformer压缩了2倍。 2、Weight Distillation 为了压缩大型预训练模型并解决权重共享导致的性能下降问题，作者进一步采用权重蒸馏法将知识从大型模型转移到小型且紧凑的模型。 阶段2：用Weight Distillation训练压缩后的模型 在这一步中使用所提出的Weight Distillation方法，将知识从大的预训练模型转移到小的模型。
93820编辑于 2022-05-26 - 来自专栏Unity3D学习笔记
Javascript预解析
为什么会讲到这个预解析呢，个人认为工作了很多年的前端可能都不一定搞清楚这个机制，所以还是将这个记录下来作为自己的学习笔记，同时也分享给广大的其他爱学习的前端开发者们。 这就牵扯到JS的预解析，首先Javascript会预解析代码中所有的变量和函数，因此在执行sum(2, 10)函数前已经将sum函数进行解析了，所以在调用sum函数的时候能正常输出。 我们来看下预解析后的情况吧 function sum(a, b){ return a+b; } sum(2, 10); 。。。。。。 -------------------------------------------------------------------------------------- c 让我们来还原一下代码的预解析过程
35410编辑于 2023-12-23 - 来自专栏生如夏花绚烂
js预解析
这里主要是因为JS的预解析造成的 js引擎运行分为两步：预解析和代码执行 预解析 js引擎会把js里面所有的var 还有function 提升到当前作用域的最前面 预解析分为变量预解析（变量提升 ）和函数预解析（函数提升） 变量预解析：把所有的var变量提升到当前作用域的最前面，这里只提升变量声明，不提升赋值操作 这里我们就可以解释情景二出现undefined的情况 由于变量提升情景二的代码其实最后是这样执行的 把所有的函数声明提升到当前作用域的最前面 这也解释了情景三的执行是没有异常的 代码执行 按照代码顺序从上到下执行 预解析案例 下面代码执行的结果是什么？ console.log(a) console.log(b) console.log(c) } 答案 9 9 9 9 9 Uncaught ReferenceError // 相当于var a = 9 b = 9 c = 9 //b和c没有var 变成了全局变量 console.log(a) console.log
3.8K20编辑于 2022-09-08 - 来自专栏鲸落学习笔记
C++ 中的预增（或预减）
在 C++ 中，预增（或预减）可用作左值，但后增（或后减）不能用作左值。
1.2K30编辑于 2022-11-14 - 来自专栏飞鸟的专栏
RabbitMQ预取值
RabbitMQ的预取值（Prefetch Value）是指消费者在从队列中获取消息时，一次性获取的消息数量。通过设置合适的预取值，可以优化消息的分发和消费者的负载均衡。 通过设置合适的预取值，可以提高消息处理的效率，减少网络延迟和消费者之间的通信开销。预取值的工作原理RabbitMQ的预取值机制基于信道（Channel）级别，可以对每个消费者进行个性化的设置。 当消费者连接到队列并准备接收消息时，它可以通过以下两种方式设置预取值：预取值为0： 将预取值设置为0意味着消费者不进行预取操作，即每次只获取一条消息。 预取值大于0： 将预取值设置为大于0的数值，表示消费者可以一次性获取指定数量的消息。例如，设置预取值为10，表示消费者可以一次性获取10条消息进行处理。 为了实现负载均衡，我们可以通过设置预取值来优化任务的分发。以下是一个基于Java的RabbitMQ消费者示例，演示了设置预取值的方式：：import com.rabbitmq.client.
2.2K20编辑于 2023-05-16
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号