使用concurrent 重写生产者 消费者

场景:学生来食堂吃馒头

         

         1.食堂位置有限,只有10个座位,其中3个座位是厨师大叔的,其他7个座位是学生的。学生共有100个。

         2.食堂的大框只能容下10个馒头。

         3.大叔在学生来之前会事先准备好10个馒头。

         4.大叔只做300个馒头,然后把位子让给学生吃饭。

         5.学生吃3个馒头后就饱了,把位子让给其他人。

import java.util.concurrent.CountDownLatch;
import java.util.concurrent.Executor;
import java.util.concurrent.Executors;
import java.util.concurrent.LinkedBlockingQueue;

public class Tester {

	static CountDownLatch count = new CountDownLatch(10);

	public static void main(String[] args) throws InterruptedException {
		// 食堂只有10个位子
		Executor shitang = Executors.newFixedThreadPool(10);
		// 做饭的师傅有3个人
		int shifucount = 3;
		// 吃饭的学生有100人;
		int chifancount = 100;
		// 有一个能容纳10个馒头的桶
		LinkedBlockingQueue<ManTou> tong = new LinkedBlockingQueue<ManTou>(10);
		// 师傅开始做馒头了
		for (int i = 0; i < shifucount; i++) {
			shitang.execute(new Producer(tong,chifancount));
		}
		count.await();
		System.out.println("学生开始来吃。。。。。");
		// 学生开始吃馒头
		for (int j = 0; j < chifancount; j++) {
			shitang.execute(new Consumer(tong,j));
		}
	}
}
import java.util.concurrent.LinkedBlockingQueue;

public class Producer implements Runnable {

	private LinkedBlockingQueue<ManTou> tong;
	private int chifancount;

	public Producer(LinkedBlockingQueue<ManTou> tong2, int chifancount) {
		this.tong = tong2;
		this.chifancount = chifancount;
	}

	public void run() {
		while (true) {
			try {
				if (chifancount*3 <= ManTou.mantouid.get()) {
					Thread.currentThread().interrupt();
				}
				ManTou m = new ManTou();
				tong.put(m);
				System.out.println(Thread.currentThread().getName()
						+ "********" + m.id);
				Tester.count.countDown();
				Thread.sleep(1000);

			} catch (InterruptedException e) {
				System.out.println("馒头够了,不用再生产了");
				break;
			}
		}
	}
}
import java.util.concurrent.LinkedBlockingQueue;
public class Consumer implements Runnable {
	int baole=0;
	
	private int id;
	
	private LinkedBlockingQueue<ManTou> tong;

	public Consumer(LinkedBlockingQueue<ManTou> tong) {
		this.tong = tong;
	}

	public Consumer(LinkedBlockingQueue<ManTou> tong2, int j) {
		this.tong = tong2;
		this.id=j;
	}

	public void run() {
		while(true){
			try {
				ManTou m =tong.take();
				Thread.sleep(5000);
				baole++;
				System.out.println("学生"+id+"在座位"+Thread.currentThread().getName()+"吃了馒头"+m.id);
				if(baole==3){
					Thread.currentThread().interrupt();
				}
			} catch (InterruptedException e) {
				System.out.println("学生"+id+"吃饱了");
				break;
			}
		}
           
	}
}
import java.util.concurrent.atomic.AtomicInteger;

public class ManTou {
	public static AtomicInteger  mantouid = new AtomicInteger(0);
	
	int id;

	public ManTou() {
		synchronized (mantouid) {
			this.id = mantouid.get();
			mantouid.addAndGet(1);
		}
		
	}
}




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