映象新闻

最近很多小夥伴想了解rtp-038，今天小編專門整理了rtp-038的相關內容分享給大家，讓我們一起看看吧。

本文目錄一覽：

• 1、億高消櫃怎麽樣 億高消櫃價格
• 2、如何根據Wowza服務器日誌中的出錯信息進行故障排查
• 3、【筆記】機器如何“猜你喜歡”-阿裏技術

億高消櫃怎麽樣 億高消櫃價格

現在社會也可以說是一個物質的社會，價格始終是人們最為關注的問題。今天小編要介紹的是億高消櫃，那麽，億高消櫃怎麽樣呢?價格如何呢?

一、億高消櫃怎麽樣

億高消櫃是一個知名的消櫃品牌。其產品的樣式是多種多樣的，產品包涵的消方式也有很多種，像紫外線、遠紅外線、高溫、臭氧等等，各種樣式價位的消櫃都有。作為品牌產品而言，億高消櫃也是因品質好逐漸被大家認可的，所以億高消櫃的消能還是很棒的。億高消櫃的價格有便宜也有貴的，比較便宜的就六百元錢左右，貴一些的要上千元，價格也不是特別高。

億高消櫃怎麽樣，看功能：

億高消櫃設計新穎，適合廚房、餐廳、理發店、洗浴中心、美容院等保潔場所。可進行使用用具消，塑料餐具消，毛巾保溫，幹衣潔淨。

億高消櫃怎麽樣，看滅菌效果：

億高消櫃對各種細菌、病、破壞乙肝表麵抗原的滅菌率達99.9%，效果符合國家消標準要求。

億高消櫃怎麽樣，看節能：

億高消櫃采用紫外線臭氧保護加中溫烘幹方式高效節能。特設超溫保護，有效控製櫃內溫度，多重保護裝置，安全放心。

二、億高消櫃價格

億高RTP700H消櫃價格：￥4580.00

億高RTP350H消櫃價格：￥2895.00

億高RTP680A-2消櫃價格：￥1980.00-2120.00

億高RTP350A消櫃價格：￥1850.00

億高RTP320K消櫃價格：￥1160.00

以上就是小編為您介紹的億高消櫃怎麽樣及價格，希望能夠幫助到您。更多關於億高消櫃的相關資訊，請繼續關注土巴兔裝修網。

土巴兔免費為大家提供“各家裝修報價、1-4家本地裝修公司、3套裝修設計方案”，還有裝修避坑攻略！點擊此鏈接：【;wb】，就能免費領取哦~

如何根據Wowza服務器日誌中的出錯信息進行故障排查

Wowza Media Server 的日誌

Code:

server ERROR 500 - server core failure: java.net.BindException: Address already in use

vost WARN 200 _defaultVHost_ Bind failed, try again ([any]:1935): java.net.BindException: Address already in use

原因: 通常的原因是這台服務器上已經有另一個Wowza Media Server正在運行。 wowzamediaserver_service.log 記錄了安裝的信息以及啟動信息。 關閉掉所有Wowza Media Server的實例，然後重新啟動。Wowza 可以作為一個服務運行，或作為獨立模式(standalone mode)運行，或者在Wowza IDE中運行，但是在同一個時間隻能運行一個。 要對JMX訪問進行配置，請閱讀管理和監控(JMX 和 JConsole)。

Code:

comment server ERROR 500 - Failed to connect: org.apace.mina.common.RuntimeIOException: Failed to get te session[ConnectException: Connection refused].

comment server WARN 200 - RTPSessionDescriptionDataProviderBasic.getStreamIn fo: RTSP/RTP re-streaming. Cannot connect to server: rtsp://[wowza-ip-address]/myStream.sdp

原因:試圖用不正確的憑證/授權去連接一個IP攝像頭(被拒絕連接了)。

Code:

server WARN 200 - LiveStreamPacketizerSmootStreaming.andlePacket[live/_definst_/myStream]: Fragment duration greater tan suggested range of 1-4 seconds. Adjust keyframe interval accordingly: Fragment durations: [5.0,5.0,5.0]

原因: 對於Silverligt Smoot Streaming (僅針對直播流)，關鍵幀的間隔(可以直接在一些編碼器上設置，或者是gop除以fps)需要在1到4秒之間，推薦2秒。任何超過4秒的設置就會引起播放暫停。 如果你沒有用Smoot Streaming，請在Streams/LiveStreamPacketizers中刪除smootstreamingpacketizer。

Code:

comment server WARN 200 - RTPPacket.write: Bad packet: Incomplete NAL Units.

原因: 大多數是因為丟包。請打開丟包日誌記錄的功能以驗證是否是這個問題。(請閱讀Configure an RTP jitter buffer and packet loss logging (RTP/MPEG-TS over RTP).)

Code:

comment server ERROR 500 RTPDePacketizerMPEG4LATM.andleRTPPacket: Bad packet lengt: 200:105

原因: 這暗示著網絡連接故障。請試著在你本機或本地局域網來測試相同的流，來排除網絡問題。

Code:

ERROR server comment HTTPUtils.HTTPRequestToByteArray: java.io.FileNotFoundException: ttp://[ip-address]/latest/meta-data/product-codes

WARN server comment Server.run: License key specified in [install-dir]/conf/Server.license file is malformed.

ERROR server comment error: java.lang.NullPointerException

ERROR server comment ERROR: Cannot write to license key file:

原因: 這個錯誤可能是由於您使用了錯誤的授權碼(license key)。例如，你將Wowza Media Server 2 的license key 用在了 Wowza Media Server 3 上。

Code:

ERROR: License key is not valid or license file does not exist and running as a service (exiting)

原因: 這個錯誤是由於使用了永久授權的插件，但沒有合法的Wowza服務器永久授權。

Code:

server comment ERROR com.wowza.wms.server.LicensingException: Server.license

原因: 當使用能測試工具時，在每一次能測試腳本運行時，你會看到2個服務器license 錯誤。這個問題在Wowza的能測試工具文檔中有說明，可以忽略這個錯誤信息。

Code:

ERROR server comment - Te Wowza Media Systems Software licensing system as determined tat your serial number is not valid. Please validate tat your are using te correct serial number. If tis problem persists, please visit for up to date information.

ERROR server comment - system.exit

原因: 這個錯誤是由於你沒有購買合法的license。請聯係lling@wowza.com 解決。

Code:

comment server ERROR 500 - invoke(onHTTPCupertinoStreamingSessionDestroy): java.lang.NullPointerException: com.ptin.wms.module.AbortSession.onHTTPCupertinoSt reamingSessionDestroy(EndSession.java:10)

原因: 在這個案例中，在用戶自定義模塊AbortSession的第10行有一個錯誤。必須由這個模塊的開發者來檢查這個錯誤。

Code:

Comment server WARN 200 Application folder ([install-location]/applications/_defapp_) is missing

原因: 這個錯誤發生在當你連接Wowza Media Server時，Wowza沒有找到對應的應用名。

Code:

comment server WARN 200 - Application folder ([install-location]/applications/:80) is missing

原因: 通常這是由於在使用ffmpeg作為編碼器時，它沒有正確的發送應用名。

Code:

comment server INFO 200 - RTPMediaCaster.create[9936743] - - - 2.469

comment server INFO 200 - RTPMediaCaster.init[9936743] - - - 2.47

comment server INFO 200 - RTPMediaCaster.Reconnector[9936743:live/_definst_:live/customer.stream]: start: 1 - - - 2.473

comment server INFO 200 - VHost.startStartupStreams: Stream successfully started [live/_definst_]: flv:live/customer.stream - - - 2.486

comment server ERROR 500 - Failed to connect: org.apace.mina.common.RuntimeIOException: Failed to get te session[java.net.NoRouteToHostException: No route to ost]. - - - 5.603

comment server WARN 200 - RTPSessionDescriptionDataProviderBasic.getStreamIn fo: RTSP/RTP re-streaming. Cannot connect to server: rtsp://[wowza-ip-address]/customer.mp4 - - - 5.618

comment server ERROR 500 - Failed to connect: org.apace.mina.common.RuntimeIOException: Failed to get te session[java.net.NoRouteToHostException: No route to ost].

原因: 這個MediaCaster的問題通常是由於一些網絡錯誤引起的。例如SHOUTcast服務器沒有啟動。在這裏我們看見有一個直播流啟動了，接下來的警告和錯誤暗示Wowza Media Server被它依賴的網絡連接錯誤影響。

Code:

Application (vod) is not defined

原因: 如果是在使用例子播放器時遇到這個錯誤，並且應用'vod'是正確定義好的，那麽可能是有另外一個應用已經占用了Wowza Media Server用的端口。在這種情況下， 不會向你期望的那樣返回build number 並且在日誌中不會有其它記錄，因為服務器無法連接。

Code:

ERROR server comment RTPSessionDescriptionDataProviderBasicRTSPConnecti on.connect[wowza-ip-address]:[port-number]: Failed to connect: org.apace.mina.common.RuntimeIOException: Failed to get te session[ConnectException: Connection refused: no furter information].

WARN server comment LiveMediaStreamReceiver.doWatcdog: streamTimeout: Resetting connection

原因: Wowza Media Server無法連接到MediaCaster流。這可能是網絡的問題或輸入流的問題。例如，攝像頭可以被訪問，但是拒絕連接。Wowza Media Server 將會繼續嚐試連接直到流重新可用了。

【筆記】機器如何“猜你喜歡”-阿裏技術

本文主要介紹了WideDeep、PNN、DeepFM、WideResnet模型結構，並嚐試在1688猜你喜歡的真實數據場景中進行應用。

不同於搜索，這種用戶帶有明確目的的行為，猜你喜歡是在用戶沒有明確目的時讓用戶“逛起來”，挖掘用戶的潛在喜好商品，增強用戶體驗。

整個猜你喜歡的框架如圖。用戶產生的實時數據放在ABFS上，通過TPP傳入BE，在BE中通過swing、c2i等算法召回1000個商品（粗排），再把這1000個商品通過TPP傳入RTP中打分，最後把分數最高的600個商品按得分展現給用戶（精排）。離線在Porsce平台上調試模型，調到最優結果再發布到RTP看線上效果。

ABFS (Ali Basic Feature Server)，統一特征服務平台： 該模塊主要負責用戶實時數據的處理以及特征的統計工作，如基礎行為特征（點擊、收藏、加購等），統計特征（點擊次數、點擊率等），並傳遞到TPP供BE係統調用；

TPP（Te Personalization Platform），阿裏個化平台： 集成RTP、IGrap、BE等常用服務，方便數據的流動調用，降低開發成本，幫助業務和算法快速上線迭代；

BE（Basic Engine），向量化召回 。是DII上的一個為推薦場景定製的召回引擎服務，負責從多種類型的索引表中召回商品，並關聯具體的商品信息進行過濾和粗排。線上召回效率極高，可以在幾毫秒內對全庫商品召回結果；

iGrap平台： 超大規模分布式圖存儲和檢索。在我們的流程中主要用來儲存一些用戶特征，用戶偏好類目和熱門商品召回等。因為這些信息不需要頻繁更新，存到iGrap上方便存取和調用；

RTP（Real Time Prediction），實時打分服務係統： 利用Swift增量傳輸模型，使用實時BUILD索引技術來實現特征和模型的秒級更新，RTP係統在收到TPP推薦係統的前端請求後，進行FG的實時特征產出，並對請求的item list中每個item計算出一個分值，是CTR、CVR各種機器學習模型預估的專用服務器；

Porsce學習平台： Porsce是基於Blink的分布式流式計算框架，提供了日誌處理、特征計算和實時建模的插件接口。實時更新的模型和特征通過swift秒級別同步RTP等服務端。從用戶發生交互行為、行為樣本被實時係統接收和解析、加入訓練、將更新的模型參數發送給服務端到最終新的推薦結果被用戶感知，這個過程高度實時化、化。

1. 搭積木

深度學習模型很大程度上來自不同基礎模塊的組合，通過不同方式組合不同模塊，構建不同的模型。 最經典的就是Google的WideDeep模型 ，結合深度模塊DNN和線模塊LR，讓模型同時擁有記憶和泛化。

在WDL之後，學術界和工業界在此結構上有很多其他的嚐試。下麵分析幾個我試過的網絡。

2. WideDeep

這是Google提出的非常經典的網絡結構，論文見《Wide Deep Learning for Recommender Systems》。離散特征經過Embedding和連續特征一起輸入到DNN側，Wide側是一些人工交叉（如用笛卡爾積）特征，主要交叉的是id類特征，來學習特征間的共現。主要公式如下：

Wide側LR模型的記憶很強，比如用戶買了一本科幻書，下一次再出現這樣的組合，模型就會記住判斷正確。但若此時來了一本科學書，LR模型不一定能分對，所以需要Deep側DNN模型的補充。

Deep側DNN模型通過Embedding層挖掘特征間的語義相關，比如上個例子中，通過Embedding模型可以學到“科學”和“科幻”是相似的，從而也能推出用戶也可能喜歡科學書。這樣，通過DNN和LR模型的結合，WideDeep模型有很好的記憶和泛化。這也是我們目前猜你喜歡線上在用的模型。

3. PNN

PNN的思想來自於對MLP學習的交叉特征的補充，論文見《Product-based Neural Networks for User Response Prediction》。作者認為MLP不能很好地學出特征間的交叉關係，所以提出了一種product layer的思想，也就是基於乘法的運算強行顯式地進行二階特征交叉，結構如下圖：

從結構圖可以看出，product layer可以分成z和p兩部分。線部分z直接從Embedding結果得到，非線部分也就是乘積部分，這裏的乘積有兩種選擇，內積或者外積。

但這種結構的受限之處在於，它要求輸入特征Embedding到相等的維度，因為維度相同才能做乘積運算。

4.DeepFM

DeepFM由華為諾亞方舟實驗室和哈工大共同提出，論文見《DeepFM:A Factorization-Macine based Neural Network for CTR Prediction》。它的結構很像WideDeep與PNN的結合，它是把WideDeep中Wide側的LR換成了乘積結構FM，通過FM和DNN分別提取低階和高階特征。而且這兩部分共享Embedding輸入。結構如下圖：

FM部分是一個因子分解機。關於因子分解機可以參閱Steffen Rendle 在ICDM, 2010發表的文章《Factorization Macines》。因為引入了隱變量的原因，對於幾乎不出現或者很少出現的隱變量，FM也可以很好的學習。FM的公式如下：

而且在FM的文章中，作者還給出了求解交叉項的化簡公式：

跟PNN一樣，因為FM強製特征間二階交叉，所以需要把特征Embedding到相等長度的維度，且DeepFM結構兩邊的輸入是共享的，不需要像WideDeep一樣人工給LR模型構造交叉特征，節省了人力。但在集團實際應用中，不同特征的維度相差很大，比如別隻有3維（男、女、未知），而id類特征多達上億維，不可能都Embedding到相同的長度。這裏可以參考淘寶搜索團隊的做法，通過Group product的方式分組Embedding：雙11實戰之大規模深度學習模型。他們在雙十一中也取得了不錯的效果。

5.WideResnet

這個結構是我自己在工作中的嚐試。想法來源於對WideDeep模型的改進，把原來WideDeep結構中DNN部分改成了一個類似Resnet那樣skip connection的結構，也就是信號分成兩路，一路還是經過兩個relu層，另一路直接接到第二層relu，形成類似殘差網絡的結構。這樣做的好處是，可以把不同層級的特征進行組合，豐富特征的信息量。兩個模型的對比圖如下：

此外，我還發現單純從DNN改到Resnet的結構並沒有多少作用，但是在Resnet中加入batc normalization，即BN層後，網絡的表達能力得到了很大的提高。可以從離線CTR實驗的準確率中得以提現。離線效果見第四部分。

三、訓練數據

訓練數據來自目標日前七天內用戶在1688首頁猜你喜歡模塊行為數據，曝光點擊label為1，曝光未點擊則label為0。

1688猜你喜歡使用的數據特征體係如下：

圖中滑窗期指目標前1/3/5/7/15/30天的行為窗口。

1688平台與淘寶等傳統的B2C平台不同，1688是一個B2B的平台，意味著我們的買家和賣家都是B類用戶。B類用戶與C類用戶在特征上有明顯的不同，比如：

四、實驗結果

在Porsce平台上做離線實驗，可以看到帶BN層的WideResnet的模型比baseline的WideDeep模型在訓練集和測試集上的AUC基本都要高1個多百分點。經過三次增量，即每批數據從上一次訓練的模型基礎上進一步迭代訓練，AUC能提高5%~6%。

從loss曲線中更能明顯看出，加了BN後的模型，loss基本在0.3之下，穩定在一個較小水平；而原來WideDeep模型的loss波動範圍較大。所以BN對模型的穩定起到了很明顯的效果。

五、調參經驗

分享一些其他的調參經驗：

六、總結

本文在WideDeep模型上進行改進，提出WideResnet結構，並通過Batc Normalization的方式大幅提升網絡效果，是一次有意義的探索。

以上就是rtp-038的相關介紹，希望能對大家有所幫助。

本文到此結束，希望對大家有所幫助呢。