7-8小记

第九讲-java线程的生命周期

通用线程生命周期

        1)初始状态:

                     编程语言层面,线程已经被创建;操作系统层面,线程还没有创建;不允许分配CPU执行;

         2)可运行状态:

                      操作系统层面,线程已经被创建;允许分配CPU执行;

         3)运行状态:

                     可运行状态(被分配空闲CPU) -> 运行状态;

         4)休眠状态:

                      运行状态(阻塞的API、等待事件) -> 休眠状态(释放CPU使用权) -> 可运行状态(等待事件出现);

         5)终止状态:

                      线程执行完、出现异常,线程的生命周期结束;

        

 

Java中线程生命周期

         1)Runnable ->  Blocked 

               情景一:等待synchronized隐式锁;

         2)Runnable -> Waiting

               情景一:获得synchronized隐式锁,调用无参数Object.wait()方法;

               情景二:调用无参数Thread.join()方法;

               情景三:调用LockSupport.park()方法;

              假设有线程对象ThreadB,ThreadA调用B.join()时,ThreadA会等待ThreadB执行完,

              此时,ThreadA状态由Runnable -> Waiting,当ThreadB执行完后,ThreadA状态由

              Waiting -> Runnable( join() 方法相当于插队, join() 是一种线程同步的方法);

         3)Runnable -> time_waiting 

               情景一:获得synchronized隐式锁,调用带超时参数Object.wait(long timeout)方法;

               情景二:调用带超时参数Thread.join(lomg millis);

               情景三:调用带超时参数LockSupport.parkNanos(Object blocker,long dealine);

               情景四:调用带超时操作LockSupport.parkUntil(long dealine);

               情景五:调用带超时参数Thread.sleep(long millis);

         4)New -> Runnable

               情景一:调用线程对象start()方法;

         5)Runnable -> Terminated

               情景一:线程执行完run()方法;

               情景二:线程执行run()方法过程中,抛出异常;

               情景三:Thread.interrupt()方法;

               stop():真正杀死线程,如线程持有synchronized隐式锁,也不会释放,不建议使用;

               interrupt():仅仅通知线程,线程有机会执行一些后续的操作,同时也可以无视这个通知;

               被interrupt的线程,一般是通过异常或者主动监测的方式接受到通知

         

 

总结

       通过jstack命令或者Java VisualVM这个可视化工具可以导出完整的线程栈信息,包括线程当前状态,

       调用栈,还包括锁信息;

 

 

 

  • 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