f2fs系列文章——do_checkpoint关于data summary的两种写入方式

    为了保存current segment的summary信息,f2fs在do_checkpoint的时候会调用会调用write_data_summaries和write_node_summaries将其sumamries信息写到page cache中然后随后同步到磁盘中,其中write_node_summaries也是只有在umount和fastboot的情况下才会调用。我们可以看到write_data_summaries中有着两种方式进行存放,所以本文就这两种方式进行讲述。

void write_data_summaries(struct f2fs_sb_info *sbi, block_t start_blk)
{
	if (is_set_ckpt_flags(sbi, CP_COMPACT_SUM_FLAG))
		write_compacted_summaries(sbi, start_blk);
	else
		write_normal_summaries(sbi, start_blk, CURSEG_HOT_DATA);
}

    这两种方式分别是write_compacted_summaries和write_normal_summaries,下面就这两种方式进行详细的讲述。

static int do_checkpoint(struct f2fs_sb_info *sbi, struct cp_control *cpc)
{
	...

	data_sum_blocks = npages_for_summary_flush(sbi, false);
	spin_lock(&sbi->cp_lock);
	if (data_sum_blocks < NR_CURSEG_DATA_TYPE)
		__set_ckpt_flags(ckpt, CP_COMPACT_SUM_FLAG);
	else
		__clear_ckpt_
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
`load_from_checkpoint` 并非 Python 内置函数,我无法直接提供具体的解释。但是,`load_from_checkpoint` 通常是在机器学习或深度学习领域中使用的一个函数或方法,用于从检查点文件中加载模型的参数或状态。 通常情况下,`load_from_checkpoint` 函数会接收一个检查点文件的路径作为参数,并从该文件中读取保存的模型参数或状态,然后将其加载到一个模型对象中。这样可以方便地在训练过程中保存模型的中间状态,并在需要的时候重新加载模型继续训练或进行推理。 具体的 `load_from_checkpoint` 实现可能会依赖于所使用的深度学习框架或库。例如,在 PyTorch 中,可以使用 `torch.load()` 函数来加载检查点文件,并将保存的参数或状态加载到模型中。 以下是一个示例代码片段,展示了如何使用 PyTorch 中的 `load_from_checkpoint` 函数来加载模型的参数: ```python import torch # 定义模型类 class MyModel(torch.nn.Module): def __init__(self): super(MyModel, self).__init__() self.fc = torch.nn.Linear(10, 1) # 创建模型对象 model = MyModel() # 从检查点文件中加载模型参数 checkpoint_path = 'model_checkpoint.pt' checkpoint = torch.load(checkpoint_path) model.load_state_dict(checkpoint['model_state_dict']) ``` 请注意,以上示例仅为演示目的,并不代表 `load_from_checkpoint` 的具体实现方式,实际使用时可能需要根据具体情况进行调整。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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