Java多线程 wait和notify方法 实现生产者和消费者

本示例实现生产者和消费者是用wait()和notifyAll()方法,这两个方法的使用比之前的suspend()和resume()方法的优势是
在synchronized方法包围的时候会释放锁,不会造成死锁。
缺点如果在一个方法中先执行notifyAll(),再执行wait()还是会造成死锁。
import java.util.*;


public class ThreadCommunication {

    public static void main(String[] args) {
        Queue<Integer> queue = new LinkedList<>();
        Provider provider = new Provider(5, queue);
        Provider provider2 = new Provider(5, queue);
        Consumer consumer = new Consumer(5, queue);
        Consumer consumer2 = new Consumer(5, queue);
        new Thread(provider).start();
        new Thread(provider2).start();
        new Thread(consumer).start();
        new Thread(consumer2).start();
        //改进可以使用线程池
    }
}
//生产者线程(苹果放篮子)
class Provider implements Runnable {
    private Queue<Integer> queue ;//存储队列相当于篮子
    private Random ran = new Random(100);
    private int boxSize;//设置篮子存储苹果的容量
    public Provider(int boxSize,Queue<Integer> queue){
        this.boxSize = boxSize;
        this.queue = queue;
    }
    @Override
    public void run() {
        //需要线程循环跑
        while (true) {
            try { //减速线程跑的速度
                Thread.currentThread().sleep(1000);
            } catch (InterruptedException e) {
                e.printStackTrace();
            }
            //wait方法和notify、notifyALl方法是基于监听方式的,必须要在方法外面加synchronized包住不然会报错
            synchronized (queue) {
                while (queue.size() == boxSize){//这里必须用循环判断,不能用if,因为程序存在着一种叫伪唤醒用if就会出问题
                    try {
                        System.out.println("生产者等待。。。。。");
                        queue.wait();
                    } catch (InterruptedException e) {
                        e.printStackTrace();
                    }
                }

                int apple = ran.nextInt();
                System.out.println("生产一个苹果" + apple);
                queue.add(apple);
                queue.notifyAll();
            }
        }


    }
}
//消费者线程(篮子里拿出苹果)
class Consumer implements Runnable {
    private Queue<Integer> queue ;
    private int boxSize;
    public Consumer(int boxSize,Queue<Integer> queue){
        this.boxSize = boxSize;
        this.queue = queue;
    }
    @Override
    public void run() {
        while (true) {
            try {
                //减速线程跑的速度
                Thread.currentThread().sleep(1000);
            } catch (InterruptedException e) {
                e.printStackTrace();
            }
            synchronized (queue) {
                while (queue.isEmpty()){
                    try {
                        System.out.println("消费者等待。。。。。");
                        queue.wait();
                    } catch (InterruptedException e) {
                        e.printStackTrace();
                    }
                }
                System.out.println("消费一个苹果" + queue.remove());
                queue.notifyAll();
            }
        }
    }
}
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
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