java多线程编程的volatile应用

volatile

int a = 0;
new Thread(){
   public void run(){
    a++;
   }
}.start();

new Thread(){
   public void run(){
    if (a > 10) {
    System.out.println(a);
    }
   }
}.start();

new Thread(){
   public void run(){
       if (a > 20) {
    System.out.println(a);
    }
   }
}.start();

上述操作就不是一个原子操作,如果在两个线程中同时使用变量a,第三个线程也在不断进行a++操作,那么这就是线程不安全的,因为可能线程2打印出a的值可能是11,线程3打印出a的值是21,如上可用加锁来实现线程同步问题,其实还有一种方法那就是把a用volatile修饰,表明变量a是一个原子变量,volatile的作用就在于只要a的值一改变,那么其他线程读取的a的值一定是最新改变后的值,java程序中读取普通变量的值读取的都是内存中的值,而变量的值改变之后并不会立刻就刷新到内存中,因此读取到的值有可能就是旧的,而经过volatile修饰过的变量在值改变后是直接刷新到内存中的,所以读取的值就一定是新的,下面有哥测试demo会更加直观:

public class InsTest {

    static boolean flag = false;

    /**
     * @param args
     */
    public static void main(String[] args) {
        long a = System.currentTimeMillis();
        System.out.println(a);
        new Thread(){
            public void run() {
                try {
                    sleep(5000);
                } catch (InterruptedException e) {
                    // TODO Auto-generated catch block
                    e.printStackTrace();
                }
                flag = true;
            };
        }.start();
        while((System.currentTimeMillis() - a <= 10000) && !flag);
        System.out.println((System.currentTimeMillis() -a) / 1000 + " flag:" + flag);
    }

    static class Father {

    } 

    static class Son extends Father {

    }

}

程序运行结果:
1461225987904
10 flag:true
加入了之后volatile

public class InsTest {

    volatile static boolean flag = false;

    /**
     * @param args
     */
    public static void main(String[] args) {
        long a = System.currentTimeMillis();
        System.out.println(a);
        new Thread(){
            public void run() {
                try {
                    sleep(5000);
                } catch (InterruptedException e) {
                    // TODO Auto-generated catch block
                    e.printStackTrace();
                }
                flag = true;
            };
        }.start();
        while((System.currentTimeMillis() - a <= 10000) && !flag);
        System.out.println((System.currentTimeMillis() -a) / 1000 + " flag:" + flag);
    }

    static class Father {

    } 

    static class Son extends Father {

    }

}

程序运行的结果:
1461226048210
5 flag:true
很明显,while循环在5秒后自动跳出结束,这就是volatile的效果

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