iammecn

反馈主题：RTX 5090 在 Vulkan + libplacebo + NVENC 处理 Dolby Vision 增强层时编码速度骤降   环境说明   - pc01：Ubuntu 24.04、RTX 5070 Ti、NVIDIA 驱动 580.65.06、FFmpeg 自行编译（支持 --enable-libplacebo   --enable-nvenc）、CUDA 12.6。HDR→SDR（Dolby Vision → SDR）流程稳定，转码速度 4~6×。   - pc02：Ubuntu 24.04、RTX 5090。最初驱动 580.95.05，后回退到 580.65.06；FFmpeg 与 pc01 同源同配   置（CUDA 12.6，libplacebo 一致），命令完全相同；输入视频是 Dolby Vision Profile 7（包含增强层 NAL   type 63）。   复现命令（示例）   ffmpeg -v error -stats \     -init_hw_device vulkan=vk:0 -hwaccel vulkan \     -hwaccel_output_format vulkan -filter_hw_device vk \     -fflags +genpts -i <DolbyVision_profile7.mp4> \     -map 0:v:0 -r 24 \     -c:v hevc_nvenc -gpu 0 -preset p5 -rc vbr \     -vf   libplacebo=tonemapping=mobius:colorspace=bt709:color_primaries=bt709:color_trc=bt709:format=nv12,hw   download,format=nv12 \     -b:v 12M -maxrate 20M -bufsize 40M \     -pix_fmt yuv...

 发现这一门的相关研究还比较前沿，但基本上很多项目都停留在几年前。很多项目已经被设置为隐私模式，需要登陆，或者直接删库了，难道是因为这种类型的项目发展到了瓶颈，相关人员已经到大厂入职了，所以删库保留自己的工作的价值？ 最早的 GPT 提醒我使用 musicnn 这个项目，但已经6 年没有更新了，我是在低版本的 python 里运行成功了，但是依赖于第三方插件都比较旧，不能支持 GPU 运行。 python3.8 musicNN_tags.py  很多项目是基于这个的，经过几天的折腾，最终放弃，无论是使用 docker 和还是自己编译都不行。 后来 GPT 推荐使用musicnn_keras，说是这个是支持最新的相关 Python 的插件，但实现上在 naivida 的 cuda12 里无法使用，降级到 cuda10，显示内核错误，后面又降级到 cuda11 也不行，放弃。这个项目实际也是很久不更新了，只是比 musicnn 稍晚一些,是基于 TensorFlow 写的，理论上支持最新的硬件吧。 使用 YAMNet模型运行成功了，这个很顺利，但生成的 tag 是有 500 多个，但是后面发现这个不怎么适合对于音乐的打标签，这是一个对声音打标签的工具，也可以提取 embedding 的特征量，提取放到 PostgreSQL后，可以顺利的取出相关相似音乐，已经成功用于 FEB 项目上。 但是这个毕竟不是针对音乐的工具，对于音乐分类不怎么专业，所以还要继续找。 经过几天的折腾，还是这几个项目来回折腾中，找到了 mtg-jamendo-dataset ，这个项目，也成功跑通了，但打出来的标签不怎么满意，很多歌都是有伤感和平静，如下图： 在 Python3.11.9 下运行成功 这个项目本身不带什么模型，自带了一个很小的训练好的模型，测试结果如上。 所以还得继续找，他好像可以自己下载原始的训练数据自己训练，所以还得测试。 带带的小模型只有 53 的标签，和 musicnn 的一样的，但后面有更多扩展的。

  pip3 install browser-cookie3 --break-system-packages python3 -c " import browser_cookie3 import http.cookiejar jar = browser_cookie3.chrome(domain_name='youtube.com') with open('cookies.txt', 'w') as f:     f.write('# Netscape HTTP Cookie File\n')     for cookie in jar:         f.write('%s\t%s\t%s\t%s\t%d\t%s\t%s\n' % (             cookie.domain,             'TRUE' if cookie.domain.startswith('.') else 'FALSE',             cookie.path,             'TRUE' if cookie.secure else 'FALSE',             cookie.expires if cookie.expires else 0,             cookie.name,             cookie.value         )) "

真没有想到这个龙眉大眼的苹果系统连一个万兆的网卡都不稳定。 连续买了两个万兆外置的雷电3接口的网卡就想使用上万兆网络，连续不稳定，心想可能是第三方的网卡兼容不好，又买一个内置万兆的Mac mini M4的机器，发现还是有同样的问题，网上一搜，一堆说这个问题的，很多出现在原来内置万兆Mac Studio的问题反馈上。网上说什么关闭网卡节能什么的，都试了不行。原来以为是交换机的兼容问题，又换了好几种类似的万兆网卡去配合，都出现了同样的问题。 看着手机里一堆设备，我陷入沉思。

 借助于chatGPT 4o1-preview,实现了对C++的代码的简单修改: 配合HUD实际展示效果: 代码地址: https://github.com/5UFKEFU/nload

结论: 经过我的测试,原来直接使用http2,http1.1下载一个资源速度大概可以达到13MB/S.但使用http3后速度只有200-300KB/S左右. 速度下降非常多,这和网上一致说的http3变快完全不一样. 前述: 这个国庆假期由于国际学校并不放假,所以我还得在这里服务于James,而她妈和大果已经回国了,我闲得无聊,就想加速一下国际出国的链接. 一边和GPT聊着,一边测试. 先看看我这边的网络条件: 两个点之间的速度本身也是不错的,只是说下载大文件的时候速度根不上,一些高清视频会卡. 如果使用UDP来测试: 使用TCP方式直接测试 10个进程:默认可以达到: iperf3 -c uk1-lb02.shegu.net -R -t 10  -b 10000M -P 10