文件属性fcntl函数和文件输入输出控制ioctl()函数

265 篇文章 0 订阅

http://blog.csdn.net/mycoolx/article/details/6319877

一、文件属性fcntl

fcntl()函数用于获得和改变已经打开文件的性质。

1、  fcntl()函数介绍

fcntl()函数向打开的文件fd发送命令,更改其属性。函数原型如下:

#include <unistd.h>
#include <fcntl.h>
int fcntl(int fd, int cmd);
int fcntl(int fd, int cmd, long arg);
int fcntl(int fd,int cmd, struct flock *lock);

操作成功,其返回值依赖于cmd,出错返回-1。以下命令有特殊返回值:

F_DUPFD            返回值为新的文件描述符
F_GETFD            返回值为获得的相应标志
F_GETFL             返回值为文件描述符的状态标志
F_GETOWN       返回值如果为正数则是进程ID号,如果为负数则是进程组ID号

函数fcntl()的功能分为以下6类:

n  复制文件描述符(cmd=FD_DUPFD)

n  获得/设置文件描述符(cmd=F_GETFD或者F_SETFD)

n  获得/设置文件状态值(cmd=F_GETFL或者F_SETFL)

n  获得/设置信号发送对象(cmd=F_GETLEASE、F_SETOWN、F_GETSIG或者F_SETSIG)

n  获得/设置文件记录锁(cmd=F_GETLK或者F_SETLK或者F_SETLKW)

n  获得/设置文件租约(cmd=F_GETLEASE或者F_SETLEASE)

 

2、F_SETFL

设置文件状态标志的值,其中O_RDONLY、O_WRONLY、O_RDWR、O_CREAT、O_EXCL、O_NOCTTY和O_TRUNC不受影响。可以更改的几个标志是O_APPEND、O_ASYNC、O_SYNC、O_DIRECT、O_NOATIME和O_NONBLOCK。

3、F_GETOWN

F_GETOWN获得接收信号SIGIO和SIGURG信号的进程ID或进程组ID。

4、F_SETOWN

         F_SETOWN用于设置接收信号SIGIO和SIGURG信号的进程ID或进程组ID。参数arg为正时设置接收信号的进程ID,arg的值为负值时设置接收信号的进程组ID为arg绝对值。

二、文件输入输出控制ioctl()函数

Ioctl是input output control的简写,表示输入输出控制,ioctl()函数通过对文件描述符的发送命令来控制设备。

函数原型如下:

#include <sys/ioctl.h>
int ioctl(int d, int request,…);

         使用ioctl()像其他的系统调用一样:打开文件,发送命令,查询结果。iocntl()函数像个杂货铺,对设备的控制通常都通过这个函数来实行。具体对设备的操作方式取决于设备驱动程序的编写。

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    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
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