- 综合排序
- 最热优先
- 最新优先
- 来自专栏伪架构师
Istio Helm Chart 详解 - Mixer
前言 Mixer 是 Istio 的核心组件之一，负责服务网格中的遥测和策略两部分重要功能，因此 Mixer 的部署也分成了 Policy 和 Telemetry 两部分。 values.yaml 中的全局变量 mixer: enabled: true replicaCount: 1 autoscaleMin: 1 autoscaleMax: 5 image: mixer 端口方面，两个服务都开放了 grpc-mixer、grcp-mixer-mtls 以及 http-monitoring 三个端口： grpc-mixer: 9091：用于 Mixer 的 gRPC API http-monitoring：用于监测 Mixer 存活状态。 ，相信后续版本中，Mixer 还会做出频繁的好的和坏的变更。
97320发布于 2019-07-23 - 来自专栏CVer
MLP-Mixer 里隐藏的卷积
作者：Towser | 已授权转载（源：知乎） https://zhuanlan.zhihu.com/p/370774186 最近 Google 的一篇文章 MLP-Mixer 很火，号称用只用 MLP MLP-Mixer 的卷积本质已经有很多人指出了了，比如 LeCun 的 twitter。 ? 再比如这个问题下的一票回答。当然，最出彩的要数论文自己附录 E 的第 36 行： ? 嘲讽完毕以后，这里还是要详细解释一下 MLP-Mixer 的几个结构到底和卷积如何对应，不然我写这篇文章也就毫无意义了。 在 MLP-Mixer 中，主要有三个地方用到了全连接层，而这些操作全部可以用卷积实现，方法如下： 第一步是把输入切分成若干 16x16 的 patch，然后对每个 patch 使用相同的投影。 现在我们已经学会如何用 F.conv2d 实现 MLP-Mixer 了！ 当 MLP-Mixer 对每个 patch 做相同的线性变换的时候，就已经在用卷积了（这一点在 ViT 里同样成立）。
65410发布于 2021-05-10 - 来自专栏落影的专栏
AUGraph结合RemoteIO Unit与Mixer Unit
本文尝试用AUGraph来管理RemoteI/O Unit和Mixer Unit，实现录音、伴奏播放、人声和伴奏混合的功能。 ? 输入域和输出域都有若干个bus/element，比如说mixer unit有多个输入bus，只有一个输出bus；而splitter unit则有一个输入bus，有多个输出的bus。 2、具体流程 1、初始化文件流和AVAudioSession，分配buffer； 2、新建AUGraph，并添加两个AUNode，一个是RemoteI/O Unit的节点，一个是Mixer Unit的节点 Unit还会通过之前kAudioUnitProperty_SetRenderCallback设置好的回调，要求APP填充两个inputBus的输入； 在Mixer Unit处理好数据之后，会按照之前 这里Mixer Unit是把人声和伴奏混合后，输出给Remote I/O Unit，相当于app发送数据给Remote I/O Unit，所以这里应该填outputBus。
2.3K90发布于 2018-04-27 - 来自专栏人工智能前沿讲习
【源头活水】MLP-Mixer 里隐藏的卷积
作者：知乎—Towser 地址：https://zhuanlan.zhihu.com/p/370774186 最近 Google 的一篇文章 MLP-Mixer(https://arxiv.org/pdf MLP-Mixer 的卷积本质已经有很多人指出了，比如 LeCun 的 twitter，再比如这个问题(https://www.zhihu.com/question/457926000)下的一票回答。 嘲讽完毕以后，这里还是要详细解释一下 MLP-Mixer 的几个结构到底和卷积如何对应，不然我写这篇文章也就毫无意义了。 在 MLP-Mixer 中，主要有三个地方用到了全连接层，而这些操作全部可以用卷积实现，方法如下： 第一步是把输入切分成若干 16x16 的 patch，然后对每个 patch 使用相同的投影。 现在我们已经学会如何用 F.conv2d 实现 MLP-Mixer 了！ 当 MLP-Mixer 对每个 patch 做相同的线性变换的时候，就已经在用卷积了（这一点在 ViT 里同样成立）。
81540发布于 2021-05-20 - 来自专栏绿盟科技研究通讯
Istio系列三：Mixer、Pilot组件分析实践
图3为Mixer的官方架构图，图4为笔者画的Mixer拓扑图，如下所示： ? 图3 Mixer架构图 ? ? 图4 Mixer拓扑图 Mixer组件主要功能为check（前置条件检查）和report（上报遥测数据）， 这两个功能在Mixer中以RPC（Remote Procedure Call）的形式对外呈现， 答案其实也很简单，从图4可看出在Envoy和Mixer组件中包含两级缓存，check rpc返回的引用属性被缓存至Envoy侧所在的一级缓存中，从而避免了多次重复请求给Mixer带来的性能开销，同时Mixer 图6 Mixer Adpater 结合以上Mixer基本概念和图4拓扑图，Mixer的工作流程可描述如下： 用户下发一个新的策略请求至某服务，Envoy根据配置内容提取出Attributes ，并调用Mixer 从而可以有效减少Envoy对Mixer后端的调用频率，在一定程度上降低了网络开销。从图4的Mixer拓扑图可看出绿色框部分即为Mixer缓存模块。
2.7K40发布于 2019-12-11 - 来自专栏DeepHub IMBA
Vision Transformer和MLP-Mixer联系和对比
除此以外一个名为MLP-Mixer的架构受到了广泛关注。这类模型的简单性非常吸引人。与VIT一样，MLP-Mixer的变体也被应用于不同的计算机视觉任务，包括检测和分割。 上图为VIT MLP-Mixer 本文的主要目标是说明MLP-Mixer和ViT实际上是一个模型类，尽管它们在表面上看起来不同。 MLP-Mixer与VIT的关系 MLP-Mixer借鉴了VIT的一些设计思想。最明显的方法是将输入图像分割为小块，并使用线性层将每个小块映射到嵌入向量。 像在MLP-Mixer(平均池化层)中那样跨补丁池化信息似乎并不太重要,但是这可能是需要再详细研究的一点。 MLP-Mixer不使用位置编码。 有趣的是，在没有明确考虑空间信息的情况下，MLP-Mixer仍然表现得非常好，并且与ViT不相上下。在MLP-Mixer中添加空间信息是否可以提高其精度，这也是一个很有趣的研究。
78610编辑于 2022-11-11 - 来自专栏代码GG之家
android SDL系列讲解（十三） 播放音乐库 SDL_mixer教程
下载SDL_mixer库 来到 http://www.libsdl.org/projects/SDL_mixer/ ，下载这里的SDL2_mixer-2.0.1.zip 下载下来，我们放置到jni目录 ，改名字为SDL2_mixer。 配置SDL_mixer库 修改app\src\main\jni下面的Android.mk,新增两行加入 include src/main/jni/SDL2_mixer/external/libmikmod -3.1.12/Android.mk include src/main/jni/SDL2_mixer/external/smpeg2-2.0.0/Android.mk 目的在于，将SDL2_mixer里面包含的开源库编译进来 将我们的SDL2_mixer包含进来。
2.8K100发布于 2018-02-02 - 来自专栏DeepHub IMBA
谷歌MLP-Mixer:用于图像处理的全MLP架构
谷歌新提出的“ MLP-Mixer”取得了与SOTA模型非常接近的结果，该模型是在大量数据上训练的，速度几乎是其三倍。这也是该论文中一个有趣的指标（图像/核心/秒）。 MLP-Mixer无需使用任何卷积或任何自我注意层，但几乎可以达到SOTA结果，这是非常令人深思的。 MLP-Mixer架构 在讨论网络如何工作之前，让我们先讨论网络的各个组成部分，然后将它们组合在一起 我们提出了MLP-Mixer，一个专门基于多层感知器(MLPs)的体系结构。 本质上，这给出了一个非常重要的性能差异，在MLP-Mixer和其他体系结构之间是: 与ViT不同，MLP-Mixer的计算复杂度在输入补丁的数量上是线性的。 MLP-Mixer论文：arxiv：2105.01601 本文作者：Mostafa Ibrahim 原文地址：https://towardsdatascience.com/google-releases-mlp-mixer-an-all-mlp-architecture-for-vision
1.3K20发布于 2021-05-18 - 来自专栏机器学习爱好者社区
Google AI提出MLP-Mixer：只需MLP就在ImageNet达到SOTA！
差别主要体现在layers的不同，ViT采用的是transformer layer，而MLP-Mixer采用的是mixer-layer，mixer-layer很简单，只包括两个MLP（还有skip connection 因次Mixer不需要e position embedding。 Mixer的网络参数设计和ViT较为类似，具体如下： ? Mixer在不同的数据集上pre-training后迁移到其它任务时，其性能与ViT等其它模型对比如下，可以看到Mixer均可以接近SOTA，而且模型inference time也基本类似。 ? 但是这都是需要在比较大的数据集比如ImageNet-21K和JFT-300上进行pre-training，当Mixer训练数据不足时，Mixer容易过拟合，其效果要差于CNN和ViT，下表是不同设置的Mixer
97420发布于 2021-06-10 - 来自专栏机器之心
无需新型token mixer就能SOTA：MetaFormer视觉基线模型开源，刷新ImageNet记录
MetaFormer 使用任意 token mixer 也能工作。 为了探索 MetaFormer 对于 token mixer 的通用性，作者使用全局随机矩阵（随机初始化后固定住）来混合 token。 具体地，对于四阶段模型，作者将后两阶段的 token mixer 设置为随机混合，而前两阶段的 token mixer 仍然保持为恒等映射，以避免引入过多计算量和固定参数。 这一结果证明 MetaFormer 对于 token mixer 有很好的通用性。因此，当引入新奇的 token mixer 时，请放心 MetaFormer 的性能。 相信当引入更先进 token mixer 或者训练策略时，MetaFormer 类模型会打破记录，取得新的 SOTA。
1.1K20编辑于 2022-12-16 - 来自专栏机器学习炼丹术
简单的结构 | MLP-Mixer: An all-MLP Architecture for Vision | CVPR2021
正文开始 我们提供了MLP-Mixer架构，之后简称Mixer。这是一个有竞争力，但是概念和技术都很简单的结构，并且没有用到卷积和自注意力。 下图是Mixer的宏观结构图： ? Mixer Layer就是文章提出的主要创新结构。 其中，每一个Mixer Layer包含一个token-mixing MLP 和一个channel-mixing MLP，这两个结构都是由两个全连接层和GELU激活函数组成。 我们再来看上图的上面部分，体现了Mixer Layer的细节：首先，假设一个图片被分成了9个patch，然后每一个patch经过embedding，变成了一个128的向量。
1.6K30发布于 2021-06-25 - 来自专栏星河造梦坊专栏
Unity精华☀️Audio Mixer终极教程：用《双人成行》讲解它的用途
那下面介绍我们今天的Unity自带工具：Audio Mixer， 来看看是不是可以方便的控制项目音效，优雅的书写代码。 2️⃣ 配置Audio Mixer 建立Audio Mixer 我们看到上图中的MasterMixer、MusicMixer、TalkMixer，是三个AudioMixer，AudioMixer可在Assets 暴露Audio Mixer参数 建好了Audio Mixer，代码还不能直接操作。 就像我们的动画状态机一样，我们需要先知道里面的MusicMixer叫什么名字，才能通过代码找到它，对它进行操作。 Audio Mixer 的使用思路： 原先我们播放音频，都是直接 AudioSource.Play 里面的音乐就可以了，camera上面的 Audiolistener 会监听项目中的声音，播放出来。 编写滑动条控制的代码 我们的滑动条，是控制“喇叭”Audio Mixer，输入要控制的参数和数值， 做到控制音效的效果。
1.6K10编辑于 2024-08-15 - 来自专栏机器之心
ICCV 2023 | 傅里叶算子高效Token Mixer：轻量级视觉网络新主干
基于该核心发现，研究员设计了一种名为 Adaptive Fourier Filter（AFF）的轻量高效 Token Mixer，将 Token 融合的计算复杂度从 O (N^2) 降低到 O (N log 但是本文所提出的 AFF Token Mixer 却可以作为同时满足以上优点的低功耗等效实现，将复杂性从 O (N^2) 降低到 O (N log N)，显著提高了计算效率。 AFFNet：轻量级视觉网络新主干 研究人员将 AFF Token Mixer 作为主要神经网络操作算子，构建了一个轻量级神经网络，称为 AFFNet。 大量实验表明，AFF Token Mixer 在广泛的视觉任务中实现了优越的准确性和效率权衡，包括视觉语义识别和密集预测任务。 4. 实验结果表明，该工作提出的模型设计在广泛的视觉任务上均表现出色，验证了所提出的 AFF Token Mixer 作为新一代轻量高效的 Token 融合算子的潜力。
47610编辑于 2023-09-08 - 来自专栏自然语言处理(NLP)论文速递
斯坦福提出新架构：Monarch Mixer，无需Attention，性能更强~
斯坦福大学和纽约州立大学布法罗分校的一个研究团队不仅为这一问题给出了否定答案，而且还提出了一种新的替代技术：Monarch Mixer。 下面我们看看这篇论文中对 Monarch Mixer 的介绍以及一些实验结果。 举个例子，MLP-mixer 中的 MLP 和 ConvMixer 中的卷积都颇具表现力，但它们都会随输入维度二次扩展。 有关 Monarch Mixer 的更多数学描述和理论分析请参看原论文。 Monarch Mixer 优势非常明显：只需一半的参数量，其表现就能胜过原始 ViT-b 模型。
1.7K20编辑于 2023-10-31 - 来自专栏AiCharm
ICCV 2023 | 傅里叶算子高效Token Mixer：轻量级视觉网络新主干
AFF Token Mixer: 轻量、全局、自适应 为了解决计算昂贵的问题，研究人员构建了一种名为 Adaptive Fourier Filter（AFF）的高效全局 Token 融合算子。 但是本文所提出的 AFF Token Mixer 却可以作为同时满足以上优点的低功耗等效实现，将复杂性从 O (N^2) 降低到 O (N log N)，显著提高了计算效率。 AFFNet：轻量级视觉网络新主干 研究人员将 AFF Token Mixer 作为主要神经网络操作算子，构建了一个轻量级神经网络，称为 AFFNet。 大量实验表明，AFF Token Mixer 在广泛的视觉任务中实现了优越的准确性和效率权衡，包括视觉语义识别和密集预测任务。 4. 实验结果表明，该工作提出的模型设计在广泛的视觉任务上均表现出色，验证了所提出的 AFF Token Mixer 作为新一代轻量高效的 Token 融合算子的潜力。
53930编辑于 2023-09-06 - 来自专栏CNCF
Istio技术与实践04：最佳实践之教你写一个完整的Mixer Adapter
本文中，我们将会为您重点介绍一下Istio的核心组件Mixer与adapter适配器的关系，并且从代码层面向您展示如何去开发配置Mixer中的adapter适配器。 现在我们将逐步向您介绍如何在Mixer中开发、测试和集成一个简单的适配器。该适配器可以支持Mixer附带的metric模板，并且对于每一个请求，在请求时将从Mixer接收的数据打印到文件中去。 所以，让我们给Mixer编写一个简单的yaml配置，以便将数据发送到您的适配器。我们需要将实例，处理程序和规则配置传递给Mixer服务器。 将适配器插入Mixer中 适配器开发完以后，我们还需要将适配器插入进Mixer中，首先要更新inventory.yaml文件并且将新的适配器添加到Mixer的适配器注册列表中。 进而可以实现Mixer在K8S环境中的集成部署。接下来我们就可以将Mixer下的文件编译成二进制文件，然后制作成镜像，将镜像输出为tar包。
1.1K10发布于 2019-12-06 - 来自专栏AIGC 先锋科技
LLM-Mixer 用于时间序列预测的LLMs中的多尺度混合，性能SOTA ！
本研究提出了一种名为LLM-Mixer的框架，通过将多尺度时间序列分解与预训练的LLM（大型语言模型）相结合，来提高预测精度。 多变量预测结果： LLM-Mixer 在多变量长期预测方面表现出色，如表1所示。 这些结果强调了LLM-Mixer在捕捉短期预测任务中的关键时间动态方面的有效性。 LLM-Mixer在大多数数据集上表现出优越的准确性，特别是大多数数据集。这些结果证实了LLM-Mixer在捕捉复杂的时间依赖性方面的有效性，巩固了其进行单变量长期预测的能力。 通过利用多个时间分辨率，LLM-Mixer有效地捕获了短期和长期模式，从而提高了模型的预测准确性。 作者的实验表明，LLM-Mixer在各种数据集上实现了竞争力的性能，超过了最近最先进的方法。
73121编辑于 2024-10-30 - 来自专栏机器之心
高效利用多级用户意图，港科大、北大等提出会话推荐新模型Atten-Mixer
机器之心专栏 作者：罗昊京 Atten-Mixer 模型的研究论文获得了 WSDM2023 最佳论文荣誉提名。 推荐系统作为一种智能化的信息过滤技术，已在实际场景中得到广泛的应用。 实验结果表明，Atten-Mixer 在三个数据集上都在准确性和效率方面超越了基准方法。 离线实验结果显示，Atten-Mixer 在所有数据集上都显著提升了模型性能，尤其是在评价指标中的 K 值较小时，说明 Atten-Mixer 能够帮助原始模型生成更精确和用户友好的推荐。 在线实验结果 作者还于 2021 年 4 月将 Atten-Mixer 部署到了大规模电商在线服务中，线上实验显示多级注意力混合网络 (Atten-Mixer) 在各种线上业务指标上都取得了显著提升。 实验结论 总结一下，Atten-Mixer 具备多级推理能力，在准确性和效率方面展现了优异的在线和离线性能。
47820编辑于 2023-04-21 - 来自专栏linux驱动个人学习
ALSA声卡驱动的DAPM（一）-DPAM详解
6 snd_soc_dapm_mixer 该widget对应一个mixer控件。 Mixer", SND_SOC_NOPM, 0, 0, 223 mi2s_rx_mixer_controls, ARRAY_SIZE(mi2s_rx_mixer_controls)), 224 (primary_mi2s_rx_mixer_controls)), 242 SND_SOC_DAPM_MIXER("MultiMedia1 Mixer", SND_SOC_NOPM, 0, 0 SND_SOC_DAPM_MIXER("MultiMedia4 Mixer", SND_SOC_NOPM, 0, 0, 247 mmul4_mixer_controls, ARRAY_SIZE( _mixer_controls, ARRAY_SIZE(mmul5_mixer_controls)), 250 SND_SOC_DAPM_MIXER("MultiMedia6 Mixer", SND_SOC_NOPM
10.2K61发布于 2018-03-29 - 来自专栏编程之路的专栏
（译）SDL编程入门（21）音效和音乐
/docs/SDL_mixer_86.html [5] Mix_Chunk: http://www.libsdl.org/projects/SDL_mixer/docs/SDL_mixer_85.html /projects/SDL_mixer/docs/SDL_mixer_19.html [9] Mix_FreeMusic: http://www.libsdl.org/projects/SDL_mixer /docs/SDL_mixer_56.html [10] Mix_FreeChunk: http://www.libsdl.org/projects/SDL_mixer/docs/SDL_mixer_24 /projects/SDL_mixer/docs/SDL_mixer_71.html [14] Mix_PlayMusic: http://www.libsdl.org/projects/SDL_mixer /docs/SDL_mixer_57.html [15] Mix_PausedMusic: http://www.libsdl.org/projects/SDL_mixer/docs/SDL_mixer
1.5K20发布于 2021-01-06
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