Java学习日记之分身有术:线程

程序运行中,有进程和线程两个概念。他们分别对应一个动态执行过程并相互联系,是程序运行中比较重要的执行过程。

程序是静态的代码,当程序执行一个程序的时候就是进程。进程从准备执行,等待资源,到最终释放退出资源,有一个独立的生存空间和完整的生命周期。

每一个任务就是一个进程,用于损失险一项具体功能。线程是进程的一部分,一个任务可以分为多个子过程,这就是线程。多线程可以提高进程的执行效率。线程也有自己的运行空间和生命周期。

使用线程可以是开发过程简单高效。当硬件系统为多处理核心的时候,使用多线程能发挥多出咯I的最大功效。

线程的生命周期是一个动态的过程,其生命周期包括5个状态:

·新建状态:使用new关键字创建了线程对象之后,线程处于新建状态,此时的线程还没有分配资源,不能执行。

·就绪状态:线程调用start()方法之后就会进入就绪状态,此时的线程拥有了部分资源,只等待Java虚拟机分配CPU时间片执行。

·运行状态:线程获得CPU时间片之后进入运行状态,开始执行。

·阻塞状态:线程运行的时候,当资源不足的时候就会处于阻塞状态,一旦资源条件具备,Java虚拟机就会再度分配时间片,继续执行线程体。

·死亡状态:线程完成工作或者强制终止的时候就处于死亡状态。

这5种状态可以相互转换。

1.线程的实现:线程的创建可以通过Thread类或Runnable接口实现。

示例:

public class Thread001 {

	/**
	 * 线程的创建和实现
	 * @param args
	 */
	public static void main(String[] args) {
		// TODO Auto-generated method stub
		ThreadExample thread1,thread2,thread3;//生成三个子线程,依次执行
		thread1=new ThreadExample("a");
		thread2=new ThreadExample("b");
		thread3=new ThreadExample("c");
		thread1.start();       //执行后会调用run()方法
		thread2.start();
		thread3.start();
	}

}
class ThreadExample extends Thread       
//Thread类是java.lang包中的类,该类是系统默认加载的,所以不需要自己手动导入包
{
	ThreadExample(String s)
	{
		setName(s);
	}
	public void run()
	{
		System.out.println("执行子线程"+getName());
		System.out.println("执行子线程"+getName());
		System.out.println("执行子线程"+getName());
	}
}

示例2:

public class Thread002 {

	/**
	 * 通过继承Runnable接口实现多线程
	 * Runnable接口也在java.lang包中。Runnable接口中只有一个方法run(),用于实现线程的执行。
	 * 继承该接口就要重写run()方法。
	 * Runnable接口不直接实现多线程功能,需要在Thread类的构造方法public Thread(Runnable target)中实现
	 * @param args
	 */
	public static void main(String[] args) {
		// TODO Auto-generated method stub
		Thread thread1,thread2,thread3;
		thread1=new Thread(new ThreadExample2("a"));//线程参数是为了实现Runnable接口的对象
		thread2=new Thread(new ThreadExample2("b"));
		thread3=new Thread(new ThreadExample2("c"));
		thread1.start();
		thread2.start();
		thread3.start();
	}
}
class ThreadExample2 implements Runnable     //实现Runnable接口的类
{
	String name;
	ThreadExample2(String s)
	{
		name=s;
	}
	public void run()//重写run()方法
	{
		System.out.println("执行子线程:"+name);
	}
}

2.线程的调度与优先级

线程都是并发执行的,当有多个线程处于运行状态的时候,需要确定其优先级。

一般情况下,多个线程是同时运行的,优先级相同,程序按照线程的先后顺序依次执行。Java还提供了一种方式,我们可以给线程赋予不同的优先级。

Java线程的优先级有10个级别,个级别的代号为1~10,数字越大优先级越高,程序就最先被执行。

示例3:

public class Thread003 {

	/**
	 * 线程的调度和优先级
	 * @param args
	 */
	public static void main(String[] args) {
		// TODO Auto-generated method stub
		ThreadExample3 thread1,thread2,thread3;
		thread1=new ThreadExample3("a");
		thread2=new ThreadExample3("b");
		thread3=new ThreadExample3("c");
		
		thread3.setPriority(Thread.MAX_PRIORITY);//设置子线程的优先级
		thread2.setPriority(5);
		thread1.setPriority(1);
		
		thread1.start();
		thread2.start();
		thread3.start();
	}

}
class ThreadExample3 extends Thread
{
	ThreadExample3(String s)
	{
		setName(s);
	}
	public void run()
	{

		System.out.println("执行子线程:"+getName());
	}
}

3.线程的互斥

多线程的设计中,为避免多个线程访问同一资源而出现冲突,我们在程序中设置了“互斥锁”的概念。

我们把共享的资源称为临界资源,通过一个信号装置通知各个线程,同一时间只能有一个线程访问该临界资源。这个信号装置就是互斥锁。

示例4:

public class Thread004 {

	/**
	 * 线程互斥
	 * 互斥锁的关键字是synchronized,使用方法如下:
	 * synchronized(临界资源)
	 * {
	 * 	   //临街资源处理
	 * }
	 * @param args
	 */
	public static void main(String[] args) {
		// TODO Auto-generated method stub
		Account account1=new Account(100);
		ThreadExample4 thread1,thread2,thread3;
		thread1=new ThreadExample4(account1);
		thread2=new ThreadExample4(account1);
		thread3=new ThreadExample4(account1);
		
		thread1.start();
		thread2.start();
		thread3.start();
	}

}
class ThreadExample4 extends Thread
{
	Account ac;
	ThreadExample4(Account ac)
	{
		
		this.ac=ac;
	}
	public void run()        //取钱
	{
		ac.get(100);
	}
}
class Account  //账户类
{
	double balance;
	public Account(double d)
	{
		balance=d;
	}
	public synchronized void get(double i)    //取钱的方法
	{
		if(balance>0)
		{
			try{
				Thread.sleep(1000);
			}catch(Exception e){}
			balance=balance-i;
			System.out.println("取了"+i+",还剩"+balance);
		}
		else
		{
			System.out.println("余额不足,无法操作");
		}
	}
}

4.线程的同步

线程的同步问题典型是生产者-消费者模型。线程的同步实在线程的互斥的情况下,十多个不同的线程能够以此执行存取操作。线程同步使用wait()方法和notify()方法,这两个方法在object类中默认集成到所有的类中,可以直接调用。

示例5:

public class Thread005 {

	/**
	 * 实现一个货架类,货架的最大容量是100,可以存货和取货。
	 * 另外实现连个线程类,分别执行存货操作和取货操作,使他不空的时候可以取货,满的时候不能存货。
	 * @param args
	 */
	public static void main(String[] args) {
		// TODO Auto-generated method stub
		Shelf shelf=new Shelf(100);              //货栈类
		GetThread thread1=new GetThread(shelf);  //取货类
		PutThread thread2=new PutThread(shelf);  //存货类
		
		thread1.start();                         //取货
		thread2.start();						 //存货
	}

}
class GetThread extends Thread
{
	Shelf sh;
	GetThread(Shelf sh)
	{
		this.sh=sh;
	}
	public void run()              //取货5次,每次60件
	{
		for(int i=0;i<5;i++)
		{
			sh.get(60);
		}
	}
}
class PutThread extends Thread
{
	Shelf sh;
	PutThread(Shelf sh)
	{
		this.sh=sh;
	}
	public void run()         //存货5次,每次40件
	{
		for(int i=0;i<5;i++)
		{
			sh.put(40);
		}
	}
}
class Shelf                  //货架类
{
	int number;
	public Shelf(int i)
	{
		number=i;
	}
	public synchronized void get(int i)  //取货方法,带有互斥锁,不能同时两次取货
	{
		System.out.println("想要取货"+i+"件,货还有"+number+"件");
		if(number-i<0)              //货不够,不能取
		{
			try{
				System.out.println("货不够,暂时不能取货");
				wait();               //等待被唤醒
			}catch(Exception e){}
		}
		number=number-i;
		System.out.println("可以取货,取了"+i+"件,还有"+number+"件");
		notify();               //唤醒其他互斥锁
	}
	
	public synchronized void put(int i)             //存货方法
	{
		System.out.println("想要存货"+i+"件,货栈中还有"+number+"件");
		if(number+i>100)               //表示货栈已满
		{
			try{
				System.out.println("货栈已满,暂时不能存货");
				wait();                //等待被唤醒
			}catch(Exception e){}
		}
		number=number+i;
		System.out.println("可以存货,存了"+i+"件,还有"+number+"件");
		notify();  //唤醒其他互斥锁
	} 
}

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值