1.Beyond Compare输出窗格中显示行号方法
2.易语言不能整除于0的窗口窗口代码怎么写
3.swin transformer理解要点
4.FFmpeg API深度解析：视频流画面合并、拼接与裁剪技巧

Beyond Compare输出窗格中显示行号方法

       Beyond Compare输出窗格中显示行号方法

       步骤一：打开Beyond Compare软件，在主页面左侧“新建会话”目录中，源码源码选择“文本合并”会话，窗口窗口打开会话操作界面。合并合并

       步骤二：分别单击界面两侧“打开文件”按钮，源码源码wifi项目源码搭建选择需要合并的窗口窗口源代码文件，您可以选择在独立窗口中显示文本输出窗格，合并合并如下图图例所示，源码源码默认情况下，窗口窗口窗格中不显示文本行号信息。合并合并

       　Beyond Compare

       步骤三：将光标停留在输出窗格的源码源码左侧任意位置，右键单击并在展开的窗口窗口菜单中选择“行号”命令，其中展开的合并合并菜单内容还包括：切换书签，转到书签，源码源码清除书签。

       　Beyond Compare

       步骤四：完成显示行号的设置后，如下图图例所示，在Beyond Compare文本合并输出窗格的fchain源码左侧显示出文本的行号信息，方便用户进行查看和修改。

易语言不能整除于0的代码怎么写

       注意下：参_宽、参_高 两个参数不能传递0值，在宽与高变量赋值运算前要先将“临_块”变量赋值使其大于0！

       按源代码的算法“临_块”应该将其赋值为物体宽度或高度(正方形)，即要合并的宽度

       参_宽、参_高 两个参数要传递的值应该是合并后物体总宽度、高度！

       .版本 2

       .子程序 __启动窗口_创建完毕

       合并 (,卡尺源码 )

       .子程序 合并

       .参数 参_宽, 整数型, , 合并后的目标物体总宽度

       .参数 参_高, 整数型, , 合并后的目标物体总高度

       .局部变量 宽, 整数型

       .局部变量 高, 整数型

       .局部变量 临_块, 整数型

       临_块 ＝ 8 ' 单块物体()宽度或高度

       宽 ＝ 参_宽 ＼ 临_块 － 1

       高 ＝ 参_高 ＼ 临_块 － 1

swin transformer理解要点

        这是跑通的分类以及分割源码介绍，大家有需要可以参考一下：

        1、 Swin-Transformer分类源码(已跑通)

        2、 Swin-Transformer分割源码(已跑通)

        3、 Swin-Unet(分割改编)

        我们假设图片的大小是×的，窗口大小是固定的，7×7。这里每个方框都是一个窗口，每个窗口是固定有7×7个patch，但是patch的大小是不固定的，它会随着patch merging的操作而发生变化。比如我们看这儿，patch大小是4×4的，那怎么变成8×8呢？我们把周边4个窗口的patch拼在一起，相当于patch扩大了2×2倍，从而得到8×8大小的patch。

        我们发现经过这一系列的操作之后，patch的数目在变少，最后整张图只有一个窗口，7个patch。所以我们可以认为降采样是指让patch的数量减少，但是patch的大小在变大。

        这便是对ViT的一个改进，ViT从头至尾都是对全局做self-attention，而swin-transformer是一个窗口在放大的过程，然后self-attention的计算是以窗口为单位去计算的，这样相当于引入了局部聚合的信息，和CNN的卷积过程很相似，就像是CNN的步长和卷积核大小一样，这样就做到了窗口的不重合，区别在于CNN在每个窗口做的是卷积的计算，每个窗口最后得到一个值，这个值代表着这个窗口的特征。而swin transformer在每个窗口做的是self-attention的计算，得到的是一个更新过的窗口，然后通过patch merging的操作，把窗口做了个合并，再继续对这个合并后的窗口做self-attention的计算。

        其实这边困扰了我一小下，因为我们印象中降采样都是像CNN一样，会变小，但是swin transformer没有给我们变小的感觉。其实这就是感受野没理解到位的问题，CNN到最后，设计适当，最后一个特征图的感受野是可以放大到整张图的，swin transformer最后一个stage也是一个窗口涵盖了整张图。

        Swin-transformer是怎么把复杂度降低的呢？ Swin Transformer Block这个模块和普通的transformer的区别就在于W-MSA，而它就是降低复杂度计算的大功臣。

        关于复杂度的计算，我简单的给大家介绍一下，首先是transformer本身基于全局的复杂度计算，这一块儿讲起来有点复杂，感兴趣的同学我们可以会后一起探讨推导过程。在这里，我们假设已知MSA的复杂度是图像大小的平方，根据MSA的复杂度，我们可以得出A的复杂度是(3×3)²ï¼Œæœ€åŽå¤æ‚度是。Swin transformer是在每个local windows(红色部分)计算self-attention，根据MSA的复杂度我们可以得出每个红色窗口的复杂度是1×1的平方，也就是1的四次方。然后9个窗口，这些窗口的复杂度加和，最后B的复杂度为9。

        W-MSA虽然降低了计算复杂度，但是不重合的window之间缺乏信息交流，所以想要窗口之间的信息有所交流，那么就可以把左图演化成右图这样，但是这就产生了一个问题，如此操作，会产生更多的windows，并且其中一部分window小于普通的window，比如4个window -> 9个window，windows数量增加了一倍多。这计算量又上来了。因此我们有两个目的，Windows数量不能多，window之间信息得有交流。

        我们看到，原来的图被划分了9个窗口，中间的区域A就是信息交流的证明。我们先把左上部分(蓝色以外的窗口)移动到右下，然后再用切分四块的方法去切这个图片，这时候区域A就被隔出来了，达到了我们想要的效果。

        transformer的出现并不是为了替代CNN。因为transformer有着CNN没有的功能性，它不仅可以提取特征，还可以做很多CNN做不到的事情，比如多模态融合。而swin transformer就是一个趋势，将CNN与transformer各自的优势有效的结合了起来。这是暂时对它的一些细节补充。最近听说MLP出来了，还没有细看，时代进展未免也太快了，手里针对ViT改进的文章还没投出去，就已经开始要立不住脚了。

        希望可以帮助到大家，如果你觉得这篇文章对你有一定的帮助，那就点个赞支持一下吧！如果有什么问题的话也可以在文章下面评论，我们一起交流解决问题！

        以下是我所有文章的目录，大家如果感兴趣，也可以前往查看

        👉戳右边： 打开它，也许会看到很多对你有帮助的文章

FFmpeg API深度解析：视频流画面合并、拼接与裁剪技巧

       FFmpeg深度探索：视频流的魔术拼接、裁剪与融合技巧

       1. 神奇拼接，艺术创作

       将视频片段无缝连接，如同艺术创作，FFmpeg API提供强大的工具。av_read_frame如同探索宝箱，av_frame_alloc和av_frame_copy则是大师级的融合手法。了解这些函数，掌握视频流的LyncEntry源码编织艺术。

       2. 无缝对接，画面融合

       新闻直播与录播的无缝结合，FFmpeg为你提供关键步骤。首先，通过av_read_frame获取帧，然后用av_frame_alloc为合并帧备好画布，用av_frame_copy实现画面的无缝对接。注意帧大小和时间戳管理，以保证播放的openplm源码流畅性。

       3. 示例代码的炼金术

       extern "C" { ... // FFmpeg库头文件 ... int main() { ... // 初始化，炼制你的视频魔法 ... } }

       这段代码揭示了如何在FFmpeg的世界中，通过av_frame_copy的精确操作，保持原始帧数据的完整性，为视频处理添加特效和水印。

       4. av_frame_copy的精妙之处

       复制帧数据时，务必注意像素格式、引用计数等问题，理解其背后的原理，以避免潜在问题。深入libavutil/frame.c源码，解锁复制技巧的奥秘。

       5. 拼接艺术的实用技巧

       对于高亮片段或视频组合，FFmpeg的API函数如av_interleaved_write_frame确保了时间顺序的连贯性，让视频片段的融合如诗如画。

       6. 实践操作指南

       以av_read_frame起航，av_interleaved_write_frame完成视频拼接之旅。

       从头到尾，保持清晰的逻辑和代码注释，实现高效与清晰的视频处理。

       Linux内核中的多媒体设备交互代码提供了深入理解的窗口，就像《庄子》中“道生万物”的哲学启示。

       通过细致的参数调整，如时间基准调整和质量优化，FFmpeg API让你在处理视频时游刃有余，无论是裁剪、拼接还是其他复杂任务，都能得心应手。

       7. 结语

       在FFmpeg的世界里，每一行代码都是一次艺术与技术的碰撞。掌握API，你就能驾驭视频流，创造出令人惊叹的作品。记住，知识是智慧的钥匙，谦逊是进步的阶梯。