分类目录归档:未分类

批处理中for/call/errorlevel返回值

因为做软件代码签名,在做脚本时,发现批处理脚本真是坑爹货,太多问题,故在以下记录一下。

rem @echo off

rem 必须使用setlocal,否则for()do(call)语句call函数返回值是无法正常返回的,故务必加上此句。
setlocal enabledelayedexpansion
set path_script=%~dp0
echo %path_script%

set myfile=%~1
set "myfile=%myfile:"=%"
for %%i in ("http://sha256timestamp.ws.symantec.com/sha256/","http://tsa.wosign.com/timestamp","http://timestamp.digicert.com") do (
    call :signmain "%%i" "%myfile%"

    rem 因为for语句的影响,必须和setLocal一起使用,才能返回errorlevel.
    rem 因为是延后扩展返回值,不能使用%errorlevel%必须使用双叹号。
    set retval=!errorlevel! 
    echo "retval:!retval!"
rem rem lss equ neq gtr geq leq
    if !retval! neq 0 (
        rem 必须加上/b参数,否则会是脚本退出,而不是call调用返回。
        exit /b 0 
    ) 
)

rem 此处不需要使用双叹号,能直接返回值。
call :signmain "a" "b"
echo "errorlevelLast:%errorlevel%"
exit /b 12

:signmain
set timeserver=%~1
set "timeserver=%timeserver:"=%"
set signfile=%~2
set "signfile=%signfile:"=%"
set /a num=0
:loop
echo "try to do the %num% time"
echo "timeserver:%timeserver%"
echo "signfile:%signfile%"
signtool sign /v /fd sha256 /sha1 8cff6301fbee55b05364e6f11d2e5ed090abcdef /tr "%timeserver%" /td sha256 "%signfile%"
set errcode=%errorlevel%
echo "errorlevel:%errcode%"
if %errcode% == 0 (
    echo "success:%signfile%"
    echo "-------------------------------------------------------------------"
    exit /b 0
) else (
    set /a num+=1
    if %num% lss 2 goto :loop
)
set /a retval=10+%num%
exit /b %retval%

Centos6编译gcc4.8.5

因为项目使用了Open-H264,如果要启用H264,则需要编译gcc4.8.5版本,取代系统的gcc4.47版本。

下载安装及依赖包

https://mirrors.tuna.tsinghua.edu.cn/gnu/gmp/gmp-4.3.2.tar.gz
https://mirrors.tuna.tsinghua.edu.cn/gnu/mpfr/mpfr-2.4.2.tar.gz
https://gcc.gnu.org/pub/gcc/infrastructure/mpc-0.8.1.tar.gz
http://ftp.tsukuba.wide.ad.jp/software/gcc/releases/gcc-4.8.5/gcc-4.8.5.tar.gz
编译指令:
第一步:gmp / mpfr / mpc默认编译安装,相关库会安装至/usr/local/lib目录下
第二步:export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/lib
第三步:./configure --enable-checking=release --enable-languages=c,c++ --disable-multilib --build=x86_64-redhat-linux

Centos6.5的软件源配置

当前只有阿里云软件源可用,配置如下:

sed -i "s|enabled=1|enabled=0|g" /etc/yum/pluginconf.d/fastestmirror.conf
mv /etc/yum.repos.d/CentOS-Base.repo /etc/yum.repos.d/CentOS-Base.repo.backup
curl -o /etc/yum.repos.d/CentOS-Base.repo https://www.xmpan.com/Centos-6-Vault-Aliyun.repo 
yum makecache
yum list
yum groupinstall "Development Tools"

PTY终端连接实现的颜色无法输出问题

自已根据文档实现PTY时,发现终端连接上时没有颜色,折腾很久了看了很久网上文章,该做也做了,但就是无法输出颜色。后来单步调试发现,输出的颜色是256色或真彩色,而本地配置的颜色表只是16色。

仔细研究一下这个颜色库:https://github.com/mbadolato/iTerm2-Color-Schemes
它全都是只有16色,而PTY终端进程配置的256色或真彩色,故输出的颜色范围几本不在正常可视的范围内,故无法显示出颜色。

QProcessEnvironment env = QProcessEnvironment::systemEnvironment();
env.insert("TERM", "xterm"); // 这个默认情况下是16颜色的。
env.insert("TERM", "xterm-16color"); // 这个强制指定为16颜色的。
//env.insert("TERM", "xterm-256color"); //这个颜色指定后,上述颜色表均不会显示。
setProcessEnvironment(env);

检查颜色表是否启用,可在终端执行:env命令。如下图:

macOSX安装第三方应用提示unidentified developer。

因为woterm是没有进行应用签名,故从互联网下载此应用时,会被系统标记为非信任应用的属性,此时需要手动执行以解除此属性。

打开终端,进入系统的下载目录,如Download下,找到woterm的安装文件如woterm-macosx-xxxx.dmg。执行如下指令:xattr -d  com.apple.quarantine woterm-macosx-xxxx.dmg

多次执行该命令后,会提示如下,则代表解除成功。

xattr: woterm-macosx-x86_64-xxx.dmg: No such xattr: com.apple.quarantine

开启或禁止本机发送UDP包

禁用本机UDP发送:iptables -A OUTPUT -p udp -j DROP
检查刚才添加的规执序号:iptables -nL OUTPUT –line-number

删除刚才添加的规执:iptables -D OUTPUT 2
确认刚才删除的规执是否删除:iptables -nL OUTPUT –line-number

iptables -F #清空所有规则:

iptables -I INPUT -p UDP -j ACCEPT

接受某个UDP端口:iptables -I INPUT -p UDP –dport 11111 -j ACCEPT

开启1111端口:
iptables -I INPUT -p UDP –dport 11111 -j ACCEPT
service iptables save

vi /etc/sysconfig/iptables
#插入下面这一行
-A INPUT -p udp -m udp –dport 11111 -j ACCEPT
#vi保存退出
wq
#重启
iptables service iptables restart

无损压缩算法

https://dzone.com/articles/crunch-time-10-best-compression-algorithms

1. LZ77

2. LZR

3. LZSS

4. DEFLATE

5. LZMA

6. LZMA2

4种基于深度学习的图像/视频压缩算法

除了上面介绍的静态压缩算法,还有基于深度学习的压缩算法可供选择。

4种基于深度学习的图像/视频压缩算法

除了上面介绍的静态压缩算法,还有基于深度学习的压缩算法可供选择。

1. 基于多层感知机的压缩算法

多层感知机(Multi-Layer Perceptron,MLP)技术使用多层神经元来获取、处理以及输出数据。它能够被应用到数据降维任务和数据压缩。首个基于MLP的算法于1988年被提出,目前已经被应用到:

  • 二进制编码——标准的双符号编码
  • 量化——限制从连续集到离散集的输入
  • 特定领域内的转换——像素级的数据变更

MLP算法利用分解神经网络上一步的输出来确定最佳的二进制码组合。后面,使用预测技术优化这个方法。预测技术能够通过反向传播基于相邻数据来提升数据准确度。

2. DeepCoder — 基于视频压缩的深度神经网络

DeepCoder是一个基于卷积神经网络(CNN)的框架,它是传统视频压缩技术的替代。该模型为预测信号和残留信号使用单独的CNN。它使用标量量化技术和一个传统的文件压缩算法——霍夫曼编码——将编码特征映射到一个二进制流中。一般认为,该模型的性能要优于著名的H.264/AVC视频编码规范。

3. 基于CNN的压缩算法

CNN是分层的神经网络,通常用于图像识别和特征检测。当应用到压缩时,这些神经网络使用卷积操作来计算相邻像素点之间的相关性。CNN展示出了比基于MLP算法更好的压缩结果,提升了超分辨率下的性能以及减少了伪影。另外,基于CNN的压缩还提升了JPEG图像的品质,因为它减少了峰值信噪比(PSNR)和结构相似性(SSIM)。基于CNN的压缩通过使用熵估计法还实现了HEVC的性能。

4. 基于生成式对抗网络(GAN)的压缩算法

GAN属于神经网络的一种,它使用两个神经网络彼此竞争的方式来产生更精确的分析和预测。最早基于GAN的压缩算法于2017年被提出。这些算法的文件压缩比例是其他常见方法(如JPEG、WebP等)的2.5倍。你可以使用基于GAN的方法通过并行化处理来实现实时压缩。主要的原理是基于最相关的特征来压缩图片。当解码的时候,算法基于这些特征来重建图像。和基于CNN算法相比,基于GAN的压缩算法通过消除对抗损失能够产生更高品质的图像。