大家好，一次偶然机会知道了这次活动，并报名参加了。有幸参加了亚马逊云科技与CSDN联合组织的 BuildOn第二季 动手实验 —— AIoT 视频识别的专场，这次参加的目的主要是想认识一下物联网的相关操作以及扩展一些AWS的相关云服务的知识。
目录
下面我们简单分享一下实验过程。
首先我们打开实验手册。
我个人第一次接触这个，感觉前面比较简单，按照实验手册操作就可以，不过，后面，我就卡住了。
我们先说说什么是AWS?
AWS 提供物联网 (IoT) 服务和解决方案来连接和管理数十亿台设备。连接、存储和分析工业、家居消费、商业和汽车业工作负载的 IoT 数据。
- 使用最为完备的 IoT 服务套组加速创新，借助 AWS IoT 不断扩展、快速行动，并节省成本。从安全设备连接到管理、存储和分析，AWS IoT 能够为您提供广泛而深入的服务，满足您构建完整解决方案之所需。
- 从云端到边缘，确保您 IoT 应用程序的安全，AWS IoT 服务能够解决您应用程序中每一层遇到的问题，并确保设备安全性。借助预防性机制保护您的设备数据，例如加密和访问权控制，以持续审计和监控您的 AWS IoT Device Defender 配置。
- 借助高级 AI 和机器学习（ML）整合构建智能 IoT 解决方案,借助高达 25 倍的性能提升以及低于 1/10 的运行时足迹，在云中创建模块并将其部署到设备中。 AWS 结合人工智能 (AI)、机器学习（ML）和 IoT，力求打造更为智能的设备。
- 便捷可靠地进行扩展，以安全、可靠和弹性的云基础设施构建创新且独特的解决方案，能够将规模扩展至数十亿台设备以及数万亿条消息。AWS IoT 能够轻松与其他 AWS 服务集成。
本次实验我们学习了KVS视频流的相关操作。
Amazon Kinesis Video Streams（KVS） 是一项完全托管的亚马逊云科技服务，您可以使用 Kinesis Video Streams 捕获来自数百万种源 (包括智能手机、安全摄像头、网络摄像头、车载摄像头、无人机及其他源) 的海量实时视频数据传输到 Amazon云，或者构建应用程序以进行实时视频处理或进行面向批处理的视频。Amazon KVS 的优势包括：
- 可以为海量设备提供实时视频传输服务。
- 通过与 Amazon Rekognition 等托管服务集成可以非常方便的构建智能视觉应用。
- 使用 KVS HTTP 实时流 (HLS) 可以轻松地将 KVS 中的实时和录制媒体流式传输到您的浏览器或移动应用程序。
- KVS 让您能够使用 IAM 控制对流的访问，并且提供对静态与动态数据的安全保护。完全托管无需管理基础设施。
- KVS 使用 S3 作为底层数据存储，借助 KVS能够根据设备和服务生成的时间戳，快速搜索和检索视频片段。
Amazon KVS 可以分为 Producer、Stream、Consumer 三个组成部分，分别提供了 Producer SDK、KVS Stream API 和 Consumer SDK 方便开发者与 KVS 做功能集成。
目前 Rekognition Streaming Video Events 这个功能支持的 AWS 的区域是：US East (Ohio), US East (N. Virginia), US West (Oregon), Asia Pacific (Mumbai), and Europe (Ireland)后续会陆续在其他的 Region 提供该功能，本次实验我们选择在 Ireland。
4.1中操作比较简单，按提示就可以了，比如讲在 IAM 里点击用户，在点击添加用户（官方配图非常详细）我就 不细说了。
后面生成视频流，这个操作不难。
- 打开 Amazon Kinesis 视频流控制台（Kinesis Video Streams）
- 确认这个地区与您在 前面实验中选择的地区相同
- 单击左侧菜单中的 “视频流”，然后单击 “创建视频流” 按钮
- 在表格中填写以下信息，然后单击 “创建视频流” 按钮
接下来，要在自己电脑运行cmd
运行完之后，自己的账号能打开生成的视频就可以了。
不过，做这个实验的最大特点就是记住一大堆id和ACCESS_KEY，要做到一一对应。
创建 SNS 并配置邮件订阅（步骤 13）
- 在 Amazon SNS（Simple Notification Service）里创建 Topic，选型类型为：Standard类型，Topic 名称命名为：video-event-sns。
- 记录该 Topic 的 ARN，后续实验环节需要使用
- 创建完成后，需要到刚刚填写的邮箱里面点击确认，确认成功。
邮件订阅要自己在邮箱确认的。这一块也没有什么要注意的。后面就是安照提示搞策略和用户。
4.5.1可以直接跳过，4.5.2
创建 rekognition-stream-processor（步骤 15）
这一块就比较难了，理解了就可以。实验就基本上结束了。
一定要注意本次创建的所有资源都需要创建在爱尔兰（eu-west-1），有些资源如果创建错了，有可能你要花半个小时甚至一个小时重做。
一定要在IAM里创建子账号，并且本次实验一定要用子账号登录来创建各个资源，不然最后一步会出错，实验所有步骤得重来。
SNS的Topic邮箱一定要登录邮箱订阅，并进入Topic检查，不然最后一步邮件收不到分析结果。
再次提醒邮箱要确认。
还有一些细小的问题就不做过多的描述了，主要问题已陈列。
目录前言滤波电路科普主要分类实际情况单位的概念常用评价参数函数型滤波器简单分析滤波电路构成低通滤波器RC低通滤波器RL低通滤波器高通滤波器RC高通滤波器RL高通滤波器部分摘自《LC滤波器设计与制作》，侵权删。前言最近需要学习放大电路和滤波电路，但是由于只在之前做音乐频谱分析仪的时候简单了解过一点点运放，所以也是相当从零开始学习了。滤波电路科普主要分类滤波器：主要是从不同频率的成分中提取出特定频率的信号。有源滤波器：由RC元件与运算放大器组成的滤波器。可滤除某一次或多次谐波，最普通易于采用的无源滤波器结构是将电感与电容串联，可对主要次谐波（3、5、7）构成低阻抗旁路。无源滤波器：无源滤波器，又称
最近在学习CAN，记录一下，也供大家参考交流。推荐几个我觉得很好的CAN学习，本文也是在看了他们的好文之后做的笔记首先是瑞萨的CAN入门，真的通透；秀！靠这篇我竟然2天理解了CAN协议！实战STM32F4CAN！原文链接：https://blog.csdn.net/XiaoXiaoPengBo/article/details/116206252CAN详解（小白教程）原文链接：https://blog.csdn.net/xwwwj/article/details/105372234一篇易懂的CAN通讯协议指南1一篇易懂的CAN通讯协议指南1-知乎(zhihu.com)视频推荐CAN总线个人知识总
深度学习部署：Windows安装pycocotools报错解决方法1.pycocotools库的简介2.pycocotools安装的坑3.解决办法更多Ai资讯：公主号AiCharm本系列是作者在跑一些深度学习实例时，遇到的各种各样的问题及解决办法，希望能够帮助到大家。ERROR:Commanderroredoutwithexitstatus1:'D:\Anaconda3\python.exe'-u-c'importsys,setuptools,tokenize;sys.argv[0]='"'"'C:\\Users\\46653\\AppData\\Local\\Temp\\pip-instal
我完全不是程序员，正在学习使用Ruby和Rails框架进行编程。我目前正在使用Ruby1.8.7和Rails3.0.3，但我想知道我是否应该升级到Ruby1.9，因为我真的没有任何升级的“遗留”成本。缺点是什么？我是否会遇到与普通gem的兼容性问题，或者甚至其他我不太了解甚至无法预料的问题？ 最佳答案 你应该升级。不要坚持从1.8.7开始。如果您发现不支持1.9.2的gem，请避免使用它们(因为它们很可能不被维护)。如果您对gem是否兼容1.9.2有任何疑问，您可以在以下位置查看:http://www.railsplugins.or
有没有办法跳过CSV文件的第一行，让第二行作为标题？我有一个CSV文件，第一行是日期，第二行是标题，所以我需要能够在遍历它时跳过第一行。我尝试使用slice但它会将CSV转换为数组，我真的很想将其读取为CSV，以便我可以利用header。 最佳答案 根据您的数据，您可以使用另一种方法和skip_lines-option此示例跳过所有以#开头的行require'csv'CSV.parse(DATA.read,:col_sep=>';',:headers=>true,:skip_lines=>/^#/#Markcomments!)do|
如何学习ruby的正则表达式？(对于假人) 最佳答案 http://www.rubular.com/在Ruby中使用正则表达式时是一个很棒的工具，因为它可以立即将结果可视化。 关于ruby-我如何学习ruby的正则表达式？，我们在StackOverflow上找到一个类似的问题： https://stackoverflow.com/questions/1881231/
深度学习12.CNN经典网络VGG16一、简介1.VGG来源2.VGG分类3.不同模型的参数数量4.3x3卷积核的好处5.关于学习率调度6.批归一化二、VGG16层分析1.层划分2.参数展开过程图解3.参数传递示例4.VGG16各层参数数量三、代码分析1.VGG16模型定义2.训练3.测试一、简介1.VGG来源VGG（VisualGeometryGroup）是一个视觉几何组在2014年提出的深度卷积神经网络架构。VGG在2014年ImageNet图像分类竞赛亚军，定位竞赛冠军；VGG网络采用连续的小卷积核（3x3）和池化层构建深度神经网络，网络深度可以达到16层或19层，其中VGG16和VGG
文章目录1、自相关函数ACF2、偏自相关函数PACF3、ARIMA(p,d,q)的阶数判断4、代码实现1、引入所需依赖2、数据读取与处理3、一阶差分与绘图4、ACF5、PACF1、自相关函数ACF自相关函数反映了同一序列在不同时序的取值之间的相关性。公式：ACF(k)=ρk=Cov(yt,yt−k)Var(yt)ACF(k)=\rho_{k}=\frac{Cov(y_{t},y_{t-k})}{Var(y_{t})}ACF(k)=ρk=Var(yt)Cov(yt,yt−k)其中分子用于求协方差矩阵，分母用于计算样本方差。求出的ACF值为[-1,1]。但对于一个平稳的AR模型，求出其滞
写在之前Shader变体、Shader属性定义技巧、自定义材质面板，这三个知识点任何一个单拿出来都是一套知识体系，不能一概而论，本文章目的在于将学习和实际工作中遇见的问题进行总结，类似于网络笔记之用，方便后续回顾查看，如有以偏概全、不祥不尽之处，还望海涵。1、Shader变体先看一段代码......Properties{ [KeywordEnum(on,off)]USL_USE_COL("IsUseColorMixTex?",int)=0 [Toggle(IS_RED_ON)]_IsRed("IsRed?",int)=0}......//中间省略，后续会有完整代码 #pragmamulti_c
按照目前的情况，这个问题不适合我们的问答形式。我们希望答案得到事实、引用或专业知识的支持，但这个问题可能会引发辩论、争论、投票或扩展讨论。如果您觉得这个问题可以改进并可能重新打开，visitthehelpcenter指导。关闭9年前。我来自C、php和bash背景，很容易学习，因为它们都有相同的C结构，我可以将其与我已经知道的联系起来。然后2年前我学了Python并且学得很好，Python对我来说比Ruby更容易学。然后从去年开始，我一直在尝试学习Ruby，然后是Rails，我承认，直到现在我还是学不会，讽刺的是那些打着简单易学的烙印，但是对于我这样一个老练的程序员来说，我只是无法将它
