自我总结论1

文章讨论了在操作系统中,哪些资源如堆、全局变量和静态变量是多线程可以共享的,而栈和寄存器是独享的。接着,解释了死锁的四个必要条件:互斥、不可剥脱、请求与保持、循环等待,并提出了预防死锁的策略,包括破坏这些条件。
摘要由CSDN通过智能技术生成

一操作系统与编译原理

  1. 哪些资源可以多线程共享的

a.堆 理由:堆是在进程空间开辟出来,相当于公共空间,new出来的堆也是共享的

(在16位平台分全局堆和局部堆,局部堆是独享的)

b.全局变量:它不与某个函数或特定线程有关联,它是做用于全局的,可以共享

C.静态变量:对比局部变量来说,虽然它”放“在某些函数中,但是它存放在堆中开辟的.bss和data段是共享的,所以它共享

d.文件等公用资源:这属于公共资源必须同步更新,,属于共享的

  1. 哪些资源是独享的

a.栈

b.寄存器

3.多线程带来了什么问题?死锁的四个条件?如何预防死锁?讲讲你知道的锁

答:(1)多线程因为多个线程并发,就导致线程出现争用的情况

(2)死锁触发条件(必要)

a.互斥条件

在某段时间某个资源被某个进程占用时,如果有其他进程请求则等待,换句话说就是电梯满了等人下了在上

b.不可剥脱条件

进程所获得的资源没用完之前,其他进程不得夺取,只能等使用进程用完

c.请求与保持条件

进程已经保持了至少一个资源,但又想要新的资源请求,但是该资源被其他进程占用,此时请求进程被阻塞,但又对拥有的资源保持不放。

d.循环等待条件

存在一种进程资源的循环等待链,链中每一个进程已获得的资源同时被链中下一个进程所请求中

(3)如何预防死锁

a.破坏”互斥“条件

就是在系统里取消互斥。若资源不被一个进程独占使用,那么死锁是肯定不会发生

的。但一般来说在所列的四个条件中,“互斥”条件是无法破坏的。因此,在死锁预防

里主要是破坏其他几个必要条件,而不去涉及破坏的“互斥”条件。注意:互斥条件不

能被破坏,否则会造成结果的不可再现性。

b.破坏”请求与保持“条件

破坏“占有并等待”条件,就是在系统中不允许进程在已获得某种资源的情况下,申请

其他资源。即要想出一个办法,阻止进程在持有资源的同时申请其他资源。

i. 方法一:创建进程时,要求它申请所需的全部资源,系统或满足其所有要求,或

什么也不给它。这是所谓的 “ 一次性分配”方案。

ii. 方法二:要求每个进程提出新的资源申请前,释放它所占有的资源。这样,一个

进程在需要资源 S 时,须先把它先前占有的资源 R 释放掉,然后才能提出对 S 的

申请,即使它可能很快又要用到资源 R

c.破坏“不可抢占”条件

破坏“不可抢占”条件就是允许对资源实行抢夺。

i. 方法一:如果占有某些资源的一个进程进行进一步资源请求被拒绝,则该进程必

须释放它最初占有的资源,如果有必要,可再次请求这些资源和另外的资源。

45

ii. 方法二:如果一个进程请求当前被另一个进程占有的一个资源,则操作系统可以

抢占另一个进程,要求它释放资源。只有在任意两个进程的优先级都不相同的条

件下,方法二才能预防死锁

d.破坏”循环等待“条件

破坏“循环等待”条件的一种方法,是将系统中的所有资源统一编号,进程可在任何时

刻提出资源申请,但所有申请必须按照资源的编号顺序(升序)提出这样做就能保

证系统不出现死锁

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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