day28 生产者和消费者模型

生产者和消费者模型

优化生产者和消费者模型 [生产者生产多少,对应的就消费多少]

子进程1:消费者模型
1.循环
(1)消费食物(food=q.get())
(2)判断食物是None,break
(3)随机延时0.1-1(4)打印 xx吃了一个xx

子进程2:生产者模型
1.循环遍历
(1)随机延时0.1-1(2)打印 xx生产了xx
(3)存储生产 用q.put()

主进程:
1.创建消费者
2.创建生产者

注:在生产所有数据之后,在对列的最后塞进去一个None,用来表达以生产完所有数据
from multiprocessing import Process,Queue
import time,random

消费者模型

def consumer(q,name):
	while True:
		food = q.get()
		if food is None:
			break
		time.sleep(random.uniform(0.1,1))
		print("%s 吃了一个%s" % (name,food))

#生产者模型

def producer(q,name,food):
	for i in range(5):
		time.sleep(random.uniform(0.1,1))
		print("%s 生产了 %s%s" % (name,food,i))
		q.put(food+str(i))
if __name__ == "__main__":
	q = Queue()
	# 创建生产者
	p1 = Process(target=producer,args=(q,"周永玲","便便"))
	p1.start()
	
	# 创建生产者2号
	p2 = Process(target=producer,args=(q,"常远","茶叶"))
	p2.start()
	
	# 创建消费者
	c1 = Process(target=consumer,args=(q,"张龙"))
	c1.start()
	
	# 创建消费者2号
	c2 = Process(target=consumer,args=(q,"林银展"))
	c2.start()
	
	p1.join()
	p2.join()
	
	# 在生产完所有数据之后,在队列的最后塞进去一个None,用来表达已经生产完所有数据;
	q.put(None) #  便便0 便便1 便便2 便便3 便便4 None
	q.put(None) #  便便0 便便1 便便2 便便3 便便4 茶叶1 茶叶2 茶叶3 茶叶4 None None

	print("主程序执行结束 ... ")

扩展

from multiprocessing import Process,JoinableQueue
import time,random

# 消费者模型
def consumer(q,name):
	while True:
		food = q.get()
		time.sleep(random.uniform(0.1,1))
		print("%s 吃了一个%s" % (name,food))
		q.task_done()
# 生产者模型
def producer(q,name,food):
	for i in range(5):
		time.sleep(random.uniform(0.1,1))
		print("%s 生产了 %s%s" % (name,food,i))
		q.put(food+str(i))

if __name__ == "__main__":
	# 创建队列
	jq = JoinableQueue()
	# 消费者进程
	c1 = Process(target=consumer,args=(jq,"张晓东"))
	c1.daemon = True
	c1.start()
	
	# 生产者进程
	p1 = Process(target=producer,args=(jq,"黄乐锡","大茄子"))
	p1.start()
	
	# 等待生产者把所有数据放到队列中;
	p1.join()
	# 直到所有数据被消费完毕之后,放行;
	jq.join()
	
	print("主进程执行结束 ... ")

  • 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