obs

准备工作： 1. VS2013 的最新更新版或者VS2015 2. QT Creater 5.7 https://www.qt.io/ 3. CMake (cmake-gui) 4. obs 依赖包，下载下来后放在自己的obs主目录下 根据自己的VS版本来下载 VS2013: https://obsproject.com/downloads/dependencies2013.zip VS2015: https://obsproject.com/downloads/dependencies2015.zip 编译步骤： 打开 CMake (cmake-gui).exe ， 然后输入如下配置选项 OBS build path E:\CSource\directx\workplace\obs-studio-master\build OBS path E:\CSource\directx\workplace\obs-studio-master 进入plugins\win-dshow 执行git clone https://github.com/jp9000/libdshowcapture.git ---这个库要另外下载，因为工程中这部分代码给独立成一个单独的仓库 配置目录：（根据自己的QT目录、obs依赖库目录来选择） QTDIR D:/ProgramFiles/QT/5.7

几款效率神器助你走上人生巅峰之园友推荐 https://www.cnblogs.com/hafiz/p/7739838.html 一、背景 　　在上篇文章中，我给大家推荐了我工作和生活中最常用的效率软件，引起了猿友的热烈反响，那么这篇文章，我们就来扒一扒猿友留言推荐的效率软件，望诸君笑纳~ 二、猿友推荐软件清单 　　1. Directory Opus 来自猿友： Snail ° Directory Opus 是一款由澳大利亚 GP 软件公司设计开发的功能强大且简单、易用的文件资源管理工具，其主程序采用与 Windows 系统相似的用户交互界面即具有良好的适应性。与之相媲美的则是我们熟知的 Total Commander 文件管理器，称得上是双峰对峙、二水分流，不过在易用性方面 Directory Opus 更适合于鼠标一族。 Directory Opus 的主要优点体现在内置功能与文件收集两大方面，丰富的资料浏览及窗口排列方式、偏好设置给用户带来极大便利。 通过“ 资源管理器替代 ”设定可完美取代 Windows 资源管理器，使得文件管理操作从此变得流畅、简单、高效且富有个性化，对于拥有大屏幕且经常进行文件操作的鼠标一族来说选它没错。 关于用法： Directory Opus使用教程 下载地址: http://www.xiazaiba.com/html/6048.html

哦，之前一直用的好好的，更新到新的版本会出现这种黑屏状态。网上了解了一下是由于这个显卡的问题。下面我看一下如何解决这个问题。 工具/原料 OBS 显卡驱动。 方法/步骤 命名好视频录制的场景，然后添加捕捉显示器。 这里显然我们添加的这个显示器是电脑桌面。 回到主界面，发现一直是黑屏的状态。 这个时候呢，我们需要在桌面鼠标右击选择，选显卡卡设置选项。如果你没有这个选项的话，需要使用驱动软件更新一下驱动。比如360驱动、驱动精灵等。 在这里搞到3d设置，选择程序设置，然后点击添加。添加之前最好将OBS快捷键放到桌面。 这个时候呢，我们就选中这个OBS。在下面选择使用的显卡模式呢？你需要手动更换一下。不管是集显还是独显，如果当前模式不可使用，你就切换成为另外一种模式。 如此回到录制界面可能还是黑屏。你需要将这个软件彻底关闭掉之后重新打开才会生效，显示出正常的画面来。 来源： oschina 链接： https://my.oschina.net/u/1420/blog/3059367

可以将文章内容翻译成中文,广告屏蔽插件可能会导致该功能失效(如失效，请关闭广告屏蔽插件后再试): 问题: I've recently started learning pymc3 after exclusively using emcee for ages and I'm running into some conceptual problems. I'm practising with Chapter 7 of Hogg's Fitting a model to data . This involves a mcmc fit to a straight line with arbitrary 2d uncertainties. I've accomplished this quite easily in emcee , but pymc is giving me some problems. It essentially boils down to using a multivariate gaussian likelihood. Here is what I have so far. from pymc3 import * import numpy as np import matplotlib.pyplot as plt size = 200 true_intercept =

OBS 源码解析一 obs整体工程 obs obs程序界面，程序入口，基于qt libobs obs的核心集成封装，所有第三方库的集成封装 blake2 hash算法，据说比sha-1快，安全 coreaudio-encoder 音频采集，对coreaudio调用封装 ffmpeg-mux 对ffmpeg封装,解复用 file-updater 自动升级 frontend-tools get-graphics-offsets 注入库时，通过虚表偏移获取d3d8,d3d9,dxgi的函数，从而实现API重定向，即用自己的函数替换原本的函数。 当然还需依附进程间通信，在win-capture中，使用pipe实现。 两种显卡渲染的实现，使用gpu，解放cpu压力，同时提高渲染效率与质量。 使用着色器语言渲染（定点和片着色器，分别控制位置矢量和色值，感兴趣的同学可以详细了解一下）。gpu映射 glad opengl封装 graphics-hook hook显卡api，用于抓取软件窗口 image-source 图片资源，动态图，多张图幻灯片放映 inject-helper 将graphices-hook注入到其他进程。 ipc-util 进程间通信，主要封装了pipe管道的实现，用于在hook 游戏进程时，传递原始画面数据，所以用到。 jansson json 处理 libobs-d3d11

可以将文章内容翻译成中文,广告屏蔽插件可能会导致该功能失效(如失效，请关闭广告屏蔽插件后再试): 问题: I read the following paper( http://www3.stat.sinica.edu.tw/statistica/oldpdf/A10n416.pdf ) where they model the variance-covariance matrix ∑ as: ∑ = diag(S)*R*diag(S) (Equation 1 in the paper) S is the k×1 vector of standard deviations, diag(S) is the diagonal matrix with diagonal elements S, and R is the k×k correlation matrix. How can I implement this using PyMC ? Here is some initial code I wrote: import numpy as np import pandas as pd import pymc as pm k=3 prior_mu=np.ones(k) prior_var=np.eye(k) prior_corr=np.eye(k) prior_cov=prior_var

可以将文章内容翻译成中文,广告屏蔽插件可能会导致该功能失效(如失效，请关闭广告屏蔽插件后再试): 由 翻译 强力驱动 问题: There is an Observable of the array of places: places : Observable < Array <any> >; In template it used with the async pipe: <tr * ngFor = "let place of places | async" > ... </tr> After some user actions I need to remove the place with specific id from this array. I have something like this in my code, but it doesn't work: deletePlace ( placeId : number ): void { this . apiService . deletePlace ( placeId ) . subscribe ( ( res : any ) => { this . places . flatMap (( places ) => places ) . filter (( place ) => place . id != placeId

可以将文章内容翻译成中文,广告屏蔽插件可能会导致该功能失效(如失效，请关闭广告屏蔽插件后再试): 问题: What does this mean and how to resolve it? I am using TPL tasks. The whole error A Task's exception(s) were not observed either by Waiting on the Task or accessing its Exception property. As a result, the unobserved exception was rethrown by the finalizer thread. at System.Threading.Tasks.TaskExceptionHolder.Finalize() mscorlib 回答1: If you create a Task, and you don't ever call task.Wait() or try to retrieve the result of a Task , when the task is collected by the garbage collector, it will tear down your application during finalization. For

强化学习 Q-learning 小例子 https://github.com/MorvanZhou/Reinforcement-learning-with-tensorflow/tree/master/contents/7_Policy_gradient_softmax 本文仅仅是按问题修改了一下代码。 策略梯度算法：（其一个区别于Q-Learning的要点包括： 1、action空间可以是连续的，即可连续抽样得到样本； 2、思想直接继承于基于梯度的优化，这种方式使得使用神经网络进行特征提取变为可能； 3、可以方便地与分类或回归问题直接挂钩建模； 4、与Q-learning每一步都进行Q表更新不同，其积累若干”batch”后进行统一更新。） 例子： 上一节的找宝藏问题。 PolicyGradient类，对原始的该类进行简单修改使得，通过调用valid_distribution函数可以看到类似于上一节的Q表分布，来看算法收敛效果。 _build_net层重新定义网络结构，分单层特征提取及多层特征提取，这里的特征输入仅为位置，是一维特征。 import tensorflow as tf import numpy as np np.random.seed(1) tf.set_random_seed(1) EPSILON = 0.9 class PolicyGradient(object)

官方的 指导 写得过于简略，这里做一下补充，也给自己一个备忘。 1、我的本机环境 2、下载obs源码 3、下载依赖库（网上很多资料提到的链接已经失效，作者的github提供了下面的新地址） https://obsproject.com/downloads/dependencies2013.zip https://obsproject.com/downloads/dependencies2015.zip 4、下载CMake cmake-3.6.1-win64-x64.zip ，解压即可使用。 5、下载安装QT Qt 5.7.0 for Windows 64-bit (VS 2015, 918 MB) Qt 5.7.0 for Windows 32-bit (VS 2015, 924 MB) 6、相关路径 源码路径D:\code\obs-studio 依赖库解压路径D:\code\dependencies2015 CMake工具解压在D:\cmake-3.6.1-win64-x64。 7、开始配置 打开cmake安装目录下D:\cmake-3.6.1-win64-x64\bin\cmake-gui.exe 设置源代码路径 D:\code\obs-studio 设置CMake编译结果路径 D:\code\obs-studio\VSbuild Add Entry，完成下面三步。