sigaction应用实例

sigaction,是为替代signal 来设计的较稳定的信号处理。


signal的使用比较简单。signal(signalNO,signalproc);

 

而signaction,则可以设置比较多的消息。尤其是在信号处理函数过程中接受信号,进行何种处理。


使用示例为:

#include <stdio.h>
#include <signal.h>

void WrkProcess(int nsig)
{
        printf("WrkProcess .I get signal.%d threadid:%d/n",nsig,pthread_self());


        int i=0;
        while(i<5){
                printf("%d/n",i);
                sleep(1);
                i++;
        }
}

int main()
{
        struct sigaction act,oldact;
        act.sa_handler  = WrkProcess;
//      sigaddset(&act.sa_mask,SIGQUIT);
//      sigaddset(&act.sa_mask,SIGTERM)
        act.sa_flags = SA_NODEFER | SA_RESETHAND;   
//        act.sa_flags = 0;

        sigaction(SIGINT,&act,&oldact);

        printf("main threadid:%d/n",pthread_self());

        while(1)sleep(5);

        return 0;
}

 

1)执行改程序时,ctrl+d,第一次不会导致程序的结束。而是继续执行,当用户再次执行ctrl+d的时候,程序采用结束。

 

2)如果对程序稍微进行一下改动,则会出现另外一种情况。

改动为:act.sa_flags = SA_NODEFER;

经过这种改变之后,无论对ctrl+d操作多少次,程序都不会结束。

 

3)下面如果再对程序进行一次改动,则会出现第三种情况。

 

For example:  act.sa_flags = 0;

在执行信号处理函数这段期间,多次操作ctrl+d,程序也不会调用信号处理函数,而是在本次信号处理函数完成之后,在执行一次信号处理函数(无论前面产生了多少次ctrl+d信号)。

如果在2)执行信号处理函数的过程中,再次给予ctrl+d信号的时候,会导致再次调用信号处理函数。

4)如果在程序中设置了sigaddset(&act.sa_mask,SIGQUIT);程序在执行信号处理函数的过程中,发送ctrl+/信号,程序也不会已经退出,而是在信号处理函数执行完毕之后才会执行SIGQUIT的信号处理函数,然后程序退出。如果不添加这项设置,则程序将会在接收到ctrl+\信号后马上执行退出,无论是否在ctrl+d的信号处理函数过程中。

 

原因如下:

1)情况下,第一次产生ctrl+d信号的时候,该信号被自己设定的信号处理函数进行了处理。在处理过程中,由于我们设定了SA_RESETHAND标志位,又将该信号的处理函数设置为默认的信号处理函数(系统默认的处理方式为IGN),所以在第二次发送ctrl+d信号的时候,是由默认的信号处理函数处理的,导致程序结束;

2)情况下,我们去掉了SA_RESETHAND了标志位,导致程序中所有的ctrl+d信号均是由我们自己的信号处理函数来进行了处理,所以我们发送多少次ctrl+d信号程序都不会退出;

3)情况下,我们去掉了SA_NODEFER标志位。程序在执行信号处理函数过程中,ctrl+d信号将会被阻止,但是在执行信号处理函数期发送的ctrl+d信号将会被阻塞,知道信号处理函数执行完成,才有机会处理信号函数执行期间产生的ctrl+d,但是在信号函数执行产生的多次ctrl+d,最后只会产生ctrl+d。2)情况下,由于设置了SA_NODEF,ctrl+d信号将不会被阻塞。所以能够并行执行下次的信号处理函数。

4)情况下,我们是设置了在执行信号处理函数过程中,我们将屏蔽该信号,当屏蔽该信号的处理函数执行完毕后才会进行处理该信号。

 

附:

当我们按下ctrl+c的时候,操作为:向系统发送SIGINT信号,SIGINT信号的默认处理,退出程序。

当我们按下ctrl+\的时候,操作为:向系统发送SIGQUIT信号,该信号的默认处理为退出程序。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
【优质项目推荐】 1、品质保证:项目代码均经过严格测试,确保功能稳定且运行ok。您可以放心下载并立即投入使用,若遇到任何问题,随时欢迎您的反馈与交流。 2、适用广泛:无论您是计算机相关专业(如计算机科学、信息安全、数据科学、人工智能、通信、物联网、自动化、电子信息等)的在校学生、专业老师,还是企业员工,都适用。 3、多用途价值:该项目不仅具有很高的学习借鉴价值,对于初学者来说,是入门进阶的绝佳选择;当然也可以直接用于 毕业设计、课程设计、期末大作业或项目初期立项演示等。 3、开放创新:如果您有一定基础,且热爱探索钻研,那该项目代码更是您发挥创意、实现新功能的起点。可以基于此代码进行修改、扩展,创造出属于自己的独特应用。 欢迎下载使用优质资源!欢迎交流学习,欢迎借鉴引用,共同探索编程的无穷魅力! 基于人工智能深度学习技术实现肿瘤区域识别诊断系统python源码带后端+项目说明.zip 环境 - Python : **PyTorch 1.10.0 , OpenCV , Flask , TensorRT 8.5.1.7** - Vue , Vue CLI - Node : **axios , ElementUI , ECharts** - Chrome(内核版本60以上) ## 训练 训练的数据来源于国外的数据集。因数据和精力有限只训练了针对直肠肿瘤模型。首先对CT文件进行整理,使用SimpleITK读取CT文件,读取肿瘤的掩膜文件并映射到肿瘤CT图像来获取肿瘤区域,然后进行数据的归一化,预处理后制作训练和测试的数据集。 使用**PyTorch框架**编写。使用**交叉熵损失函数**,**Adam优化器**。 网络结构采用**U-Net**,**U-Net**是基于FCN的一种语义分割网络,适用于做医学图像的分割。结构如下,实际使用稍有改动。 后端 整个系统采取前后分离的方案,确保足够轻量,低耦合。后端采用Python的Flask库,能与AI框架更好的结合,使得系统能更高内聚。 后端运行流程如下 目录管理: | 目录 | 功能 | | ---- | ---- | | uploads | 直接上传目录 | | tmp/ct | dcm文件副本目录 | | tmp/image| dcm读取转换为png目录| | tmp/mask | 预测结果肿瘤掩膜目录| | tmp/draw | 勾画肿瘤后处理结果目录| 系统以图像分割为核心,利用人工智能完成肿瘤区域的识别勾画并提供肿瘤区域的特征来辅助医生进行诊断。有完整的**模型构建、后端架设和前端访问**功能。 医生只需通过web上传ct图像文件,后台就会使用训练好的模型进行肿瘤区域的分割,然后将勾画好肿瘤区域的图像返回,还有肿瘤区域的一些特征(如面积、周长、强度等),并且提供前几次诊断的特征数据并绘制成图表进行对比来辅助医生诊断。

“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