Compression - Computerphile Computerphile English Turkish

Compression - ComputerphileYouTube↗ IA↗(long shot)
Education 373.2K views 7K likes 71 dislikes 21 Jun 2013 Show Contributors 1

Computerphile 2.6M subscribers N/A YouTube↗

Contributed subtitles

English Koen Van den Eeckhout

Click to Play Video

Compression is reducing the amount of information but without, in a sense, losing any of it.

Sıkıştırma miktarını azaltıyor bilgi olmadan ama bir anlamda kaybetmek

Trying to compress it and shorten it in such a way that you could in principle recover the full information that you started with,

herhangi biri. Sıkıştırmaya çalışıyorum ve onu kısaltabilecek şekilde kısaltın, Prensip olarak, tam kurtarmak başladığınız bilgiler.

but in terms of transmitting it over a network, it's going to cost you less

Ama onu iletmek açısından bir ağ size daha az mal olacak

because you pay per bit or per byte or whatever.

çünkü bit veya bayt başına ödeme yaparsınız veya her neyse. Eğer sayısını alabilirsen

And if you could get the number of bytes down that you need to transmit to get something across the wire, then that benefits everybody, generally. You do sometimes not compress because the following

bayt aşağı - aktarmanız gereken telin üzerinden bir şey al - o zaman genellikle herkese yarar sağlar. Bazen olmazdın aşağıdaki çünkü sıkıştır

drawback happens. If you compress something then you have to decompress it to get back the full story, that decompression takes time at the other end.

dezavantajı: sıkıştırırsanız Bir şey o zaman onu açmak zorunda hikayenin tamamını geri almak için. o dekompresyon diğer ucunda zaman alır

You have to get a computer on it saying: "this was transmitted compressed,

Evet? Bir bilgisayar bulmalısın bunun sıkıştırılmış olarak iletildiğini söyleyerek

because it saved BT bandwidth cost, but now I'm at this end and I want to see the real picture, I've got to uncompress it."

çünkü kurtardı BT bant genişliği maliyetleri. Ama şimdi bu işteyim Sonunda gerçek resmi görmek istiyorum. Sıkıştırmam lazım.

So, the nice thing about not compressing, if you don't mind the amount of data,

Sıkıştırmamanın iyi tarafı, veri miktarına aldırış etmiyorsanız,

is it's there at the other end and it's instantly processable.

diğer ucunda orada ve anında işlenebilir. Veriyi sıkıştırıyorsun

You compress data essentially by looking for repeated patterns and predictability.

aslında, tekrarlananları arayarak kalıplar ve öngörülebilirlik. Ve düşünüyorum

And I think, if you take an example, shall we say of a text file, something that repeats itself over and over again

eğer bir örnek alırsanız, metin dosyası - kendini tekrar eden bir şey

with the stock buzzphrases used over and over and over again is going to be pretty compressable. If somebody writes a report that's got the phrase

buzz'larla tekrar tekrar tekrar tekrar tekrar kullanılan ifadeler yine oldukça sıkıştırılabilir olacak. Birisi varsa bir rapor yazarsa

"meaningful and relevant scenarios at this point in time going forward",

ifade; "anlamlı ve alakalı İlerleyen zamanda bu noktada senaryolar ",

then you take that out and it's being used a thousand times and it drives you mad

sonra onu dışarı çıkar. Ve oldu bin kere kullanıldı ve kullanıyor

and you make one copy of it at the top of the file,

Kızdın ve bir kopyasını çıkarttın. Dosyanın en üstünde, belki de

and that's maybe, I don't know, 50 characters, 50 bites, and you say "I'm NOT gonna spend 50 bites repeating that phrase everytime in this report, I'm gonna compress it." You take one copy and take a note of where it occurs in the file.

Bilmiyorum, 50 karakter, 50 bayt. Ve "50 bayt harcamam her seferinde bu cümleyi tekrar etmek Rapor, sıkıştırmaya gidiyorum. Bir kopya al ve not alacağım

It occurs at <start position> 20, 800,1500 and so on.

dosyada gerçekleştiği yer. Oluşur pozisyonları 20, 800, 1500 ve benzeri başlar.

And you can save a huge amount because those numbers take three or four bytes each

Ve çok büyük miktarda tasarruf yapabilirsiniz çünkü bu sayılar üç veya dört bayt alır

not a hundred bytes every time.

her biri - yüz tek bayt değil - her seferinde.

Pictures are harder, coming back to this idea of what makes things compressible

Resimler daha zor. Buna geri dönüyorum şeyleri sıkıştırılabilir yapan şeyin ne olduğu fikrini

is predictability.

öngörülebilirlik,

Then, if you think about a photograph some photographs, you could say, do have predictable areas.

o zaman bir fotoğraf düşünürseniz. Bazı fotoğraflarda söyleyebilirsin

You could take, shall we say, a photograph of,

öngörülebilir alanlar. Alabilirsin - olur biz söylüyoruz - bir fotoğraf - Microsoft'taki gibi

like on Microsoft Windows, there's a yellow desert island in the middle of the Pacific Ocean

Windows var sarı bir ıssız ada Pasifik Okyanusunun ortasında

with one green tree. Now that's easy, because the Pacific is totally smooth,

bir yeşil ağaç. Bu kolay çünkü Pasifik tamamen pürüzsüz.

you've got thousands of blue pixels, you've got hundreds of yellow pixels for the desert island,

binlerce mavi pikseliniz var yüzlerce sarı pikseliniz var

a few hundred more for the tree.

çöl adası birkaç yüz daha ağaç.

So you can compress it, not by sending every single pixel individually,

Böylece göndererek sıkıştırabilirsiniz tek tek her piksel

but by saying: "There's the sea,

deniz olduğunu söyleyerek

there's the color blue, there's a thousand of those, just replicate them,

mavi renk var, bir bunlardan bin tanesi, sadece onları çoğaltın.

similarly for the desert island and the tree. So, that's what I mean about the element of predictability or common areas inside a picture.

Benzer şekilde çöl adası ve ağacı. Demek istediğim bu. öngörülebilirlik veya ortak unsur resmin içindeki alanlar. Şimdi ortalama

Now, the average photo you take maybe fairly simple if it's an indoor photo with flat surfaces

çektiğiniz fotoğraf oldukça basit olabilir. Düz yüzeyli bir iç mekan fotoğrafı,

but you imagine taking a photograph, for example,

ama fotoğraf çekmeyi hayal ediyorsun

of a sports car race, or of an impressionist picture with blobs of painting all over,

örneğin, bir spor araba yarışı veya BLOB'ları olan izlenimci bir resim

all over the place, you know, that's much more random and there isn't a pattern that you can pick up on to make it easily compressible.

her yeri boyama - her yere y ' biliyorum - bu çok daha rastgele. Ve orada alabileceğin bir kalıp değil kolayca sıkıştırılabilir hale getirmek için. Temelde sen

You best have to take a deep breath and say: "I'm gonna have to transmit the whole thing

derin bir nefes alıp şöyle demeliyim: "Ben gidiyorum her şeyi iletmek zorundayım çünkü göremiyorum

because I can't see any patterns in here."

Burada herhangi bir desen ".

You were talking about these blue pixels, there may be a thousand blue pixels,

>> Brady: Bu mavi piksellerden bahsediyordun. Bin tane mavi piksel olabilir.

but the computer still has to know where to put every single one, so how are we saving time?

>> DFB: Evet. >> Brady: Ama bilgisayar hala bilmek zorunda her birini nereye koyacağız öyleyse nasıl

You still have to transmit some minimal information

zaman kazanmak? >> DFB: Hala bazı minimal iletmek zorunda nerede döşenmeye başlanacağı bilgisi

as to where to start laying these pixels out on the screen. You say: "start at such and such a position, and the XY, you know how wide the picture is,

Bu pikseller ekranda. Diyorsun böyle bir pozisyonda başlamak, XY, resmin ne kadar geniş olduğunu biliyorsun

just spew out ten thousand blue pixels and see how it fits in."

Sadece 10.000 mavi piksel fırlattım ve görüyorum nasıl uyuyor.

What you don't have to say is "here is the spec of the blue pixel for position 1000, here is the same spec for the blue pixel at position 1001", you don't need to do that.

Söylemene gerek yok: "İşte spec. için mavi pikselin bin pozisyonu. İşte aynı Spec. 2001'deki mavi piksel için ".

You just send the spec once and say "replicate it for hundred, or whatever times".

Bunu yapmana gerek yok. Sen sadece gönder spec. bir kere söyleyin ve çoğaltın 400,

Well, I'm making it simpler than it is. Perhaps one good example would be the JPEG compression. It's very common, has to be done to be able to get photographs down for size

ya da her neyse, kere. Ben onu olduğundan daha basit yapıyorum. Belki de iyi bir örnek JPEG sıkıştırması Bu çok yaygın. Zorunda fotoğraf alabilmek için yapılmalı

to uploading to sites like Picasa and Flickr, they're not going to be happy

gibi sitelere yükleme için boyuta aşağı Picasa ve Flickr. Olmayacaklar

having every single one of your photos taking up 20 MB and being utterly perfect.

her birinizin olması mutlu 20 MB alan ve olmak son derece mükemmel.

They want to compress it down to kilobytes. And the problem is that many, particularly scenery and so on, is inately random enough looking

Sıkıştırmak istiyorlar. kilobayt. Ve sorun şu ki, özellikle manzara vb. doğuştan rasgele yeterince arıyor

that it's not easy to compress. So JPEG is an example of a compression that goes by the name of 'lossy'. When we discussed earlier about compression, in the text case,

sıkıştırmak kolay değil. Yani JPEG bir giden bir sıkıştırma örneği "kayıplı" ismi. Konuştuğumuzda metinde sıkıştırma hakkında daha önce

I put it to you that you could always recover the exact file

dava, senin için yapabileceğini sana koydum her zaman tam dosyayı kurtar çünkü

because you had your buzzphrase, all the places it was replicated,

vızıltı cümleniz vardı - her yer çoğaltıldı - sizi durduracak hiçbir şey

nothing to stop you at the far end undoing all that and building it back exactly as it was with no loss.

uzaktaki son, tüm bunları geri aldım ve tam olarak olduğu gibi geri

In a photographic case, you could try and do that, but you wouldn't get much compression,

kayıpsız. Fotografik bir durumda dene ve yap ama alamazsın

because there's no predictability.

çok sıkıştırma çünkü yok öngörülebilirlik.

So what JPEG does, is it basically says: "if you allow me to do some really clever things,

Öyleyse JPEG'in yaptığı şey temelde şöyle der: "Eğer biraz akıllıca yapmama izin vereceksin

I will try and get more compression out of it but I may make the edges of your picture look a bit blurry and fuzzy as you magnify them."

deneyeceğim ve daha fazlasını alacağım ondan dışarı sıkıştırma, ancak yapabilir Resminizin kenarları biraz bulanık görünüyor ve onları büyütürken bulanık ".

And it's doing it by all sorts of tricks, about dividing the picture up in two, blocks and squares, and saying "well, this is almost the same green,

hakkında her türlü hileyle yapmak resmi bloklara bölmek ve kareler ve şöyle der: "Peki bu neredeyse aynı yeşil

I'll use this as an approximation." It's never recoverable exactly the way you started

Bunu bir yaklaşım olarak kullanacağım. " asla senin olduğu gibi kurtarılamaz

but you get a lot more compression that way, if you don't mind an approximation.

başladım ama çok daha fazlasını aldınız sakıncası yoksa, bu şekilde sıkıştırma

And for people in the human visual system looking at something that can often be pretty good.

Bir yaklaşım. Ve insan görselindeki insanlar için sistem bir şeye bakıyor, ki

Particularly on a screen. What are the compressing geniuses in their compression HQ trying to do at the moment

genellikle oldukça iyi - özellikle ekranda. >> Brady: Sıkıştırma dehaları nelerdir? Sıkıştırma HQ yapmaya çalışıyor an Yoksa onlar böyle mi

or is it kind of, have they reached their limit? Surely, this has a limit?

sınırlarına ulaşmak? Yani, kesinlikle bunun bir sınırı var mı?

There is a limit, this is something that's covered by fascinating topical information theory.

>> DFB: Bir sınır var. Bu bir şey Bu büyüleyici bir konu ile kaplı Bilgi Kuramı olarak adlandırılır.

Information theory will tell you what is called the entropy limit.

Bilgi Teorisi size ne olduğunu söyleyecektir "entropi sınırı" denir.

Now, many viewers of this video will have heard of entropy, and will freeze solid,

Şimdi bu videonun birçok izleyicisi var entropi duydum ve donacak

because they were taught it in physics and chemistry, right?

çünkü onlara fizikte öğretildiler ve kimya. Sağ?! Bir bilgisayar bilimcisi olarak

As a computer scientist, and an ex-chemist, let me tell you learning about entropy is a lot easier from a computer science standpoint.

ve eski bir kimyager, sana söyleyeyim entropi hakkında bilgi edinmek çok daha kolay bilgisayar bilimleri açısından,

No question about it. You can work out, for example,

Bunun hakkında soru yok. Çalışabilirsin Örneğin

what's the minimum number of bits I need to transmit a piece of information in a lossless way.

ihtiyacım olan minimum bit sayısı nedir bir parçasını iletmek bilgi kayıpsız bir şekilde?

Let's concentrate on that. What's the minimum number of bits I can get away with, and, I could,... Let's get you a piece of paper.

Buna konsantre olalım. Bu ne En az kaç bit ile kaçabilirim? >> Brady: Size bir kağıt parçası alalım! >> DFB: 101 gönderirseniz ne olur? iki hata - sadece bir değil ....?

Similar videos:

Entropy in Compression - Computerphile
Computerphile
332.2K views 7.1K likes 69 dislikes 02 Jul 201367% match

Quick Sort - Computerphile
Computerphile
285.1K views 6.4K likes 94 dislikes 25 Jun 201333% match

P vs NP on TV - Computerphile
Computerphile
527.4K views 7.8K likes 537 dislikes 08 Feb 201429% match

The Art of Abstraction - Computerphile
Computerphile
196.3K views 5.9K likes 86 dislikes 31 May 201329% match

Marco's Set-Up - Computerphile
Computerphile
106.6K views 2.6K likes 197 dislikes 05 Apr 201629% match

Unicorn AI - Computerphile
Computerphile
339.5K views 7.8K likes 189 dislikes 04 Jul 201928% match

YouTube's Secret Algorithm - Computerphile
Computerphile
318.7K views 6.3K likes 165 dislikes 24 Apr 201426% match

How Digital Audio Works - Computerphile
Computerphile
176.2K views 3.5K likes 149 dislikes 26 Oct 201525% match

Mac or PC? - Computerphile
Computerphile
587.9K views 9.7K likes 314 dislikes 21 May 201425% match

Elegant Compression in Text (The LZ 77 Method) - Computerphile
Computerphile
420.9K views 8.2K likes 83 dislikes 01 Nov 201324% match

What is Bootstrapping? - Computerphile
Computerphile
375.1K views 5.5K likes 287 dislikes 19 Mar 201424% match

Pascal (Not Just Nickel & Dime) - Computerphile
Computerphile
43.6K views 2.1K likes 18 dislikes 14 Aug 202024% match

The Problem with JPEG - Computerphile
Computerphile
412.2K views 6.5K likes 76 dislikes 09 Jun 201524% match

How Huffman Trees Work - Computerphile
Computerphile
190.2K views 3.2K likes 44 dislikes 18 Oct 201323% match

Getting Sorted & Big O Notation - Computerphile
Computerphile
195.5K views 4.6K likes 41 dislikes 18 Jun 201322% match

What is a Monad? - Computerphile
Computerphile
357.7K views 7.6K likes 1.2K dislikes 24 Nov 201722% match

Botnets - Computerphile
Computerphile
170.8K views 3.8K likes 122 dislikes 30 Mar 201622% match

PDF, What is it FOR? - Computerphile
Computerphile
409K views 12K likes 144 dislikes 16 Sep 201621% match

Regular Expressions - Computerphile
Computerphile
157.4K views 5.3K likes 127 dislikes 09 Jan 202021% match

Triangles to Pixels - Computerphile
Computerphile
193.5K views 3.6K likes 95 dislikes 18 Dec 201321% match

Why C is so Influential - Computerphile
Computerphile
1.6M views 22.5K likes 1.6K dislikes 25 Aug 201721% match

Dijkstra's Algorithm - Computerphile
Computerphile
1.1M views 23.1K likes 392 dislikes 04 Jan 201721% match

What is Big Data? - Computerphile
Computerphile
149.9K views 4.9K likes 101 dislikes 15 May 201921% match

"Anonymous" Location Data Problems - Computerphile
Computerphile
58K views 2.7K likes 62 dislikes 22 Jan 202121% match

Machine Learning Methods - Computerphile
Computerphile
173.7K views 3.3K likes 55 dislikes 02 Sep 201521% match

Mainframes and the Unix Revolution - Computerphile
Computerphile
394.4K views 8.2K likes 61 dislikes 19 Jul 201321% match

Programming in PostScript - Computerphile
Computerphile
181.1K views 3.5K likes 42 dislikes 11 Apr 201421% match

Error Correction - Computerphile
Computerphile
196.7K views 3.7K likes 33 dislikes 10 Sep 201320% match

Where HTML beats C? - Computerphile
Computerphile
551.2K views 11K likes 1.3K dislikes 27 May 201620% match

Lambda Calculus - Computerphile
Computerphile
803.9K views 19.5K likes 567 dislikes 27 Jan 201720% match

Settings Privacy About Contact Donate