qingshuibaifen的博客

一条线程指的是进程中一个单一顺序的控制流，一个进程中可以并发多个线程，每条线程并行执行不同的任务。在单CPU单核的计算机上，使用多线程技术，也可以把进程中负责I/O处理、人机交互而常被阻塞的部分与密集计算的部分分开来执行，编写专门的workhorse线程执行密集计算，从而提高了程序的执行效率。但同一进程中的多个线程有各自的调用栈(call stack)，自己的寄存器环境(register context)，自己的线程本地存储(thread-local storage)。线程是独立调度和分派的基本单位。

4. 线程之间的通信更方便，同一进程下的线程共享全局变量、静态变量等数据，而进程之间的通信需要以通信的方式（IPC)进行。但是多进程程序更健壮，多线程程序只要有一个线程死掉，整个进程也跟着死掉了，而一个进程死掉并不会对另外一个进程造成影响，因为进程有自己独立的地址空间。而线程是共享进程中的数据，使用相同的地址空间，因此，CPU切换一个线程的花费远比进程小很多，同时创建一个线程的开销也比进程小很多。线程是进程的一个执行单元，是比进程还要小的独立运行的基本单位。5. 进程切换时，消耗的资源大，效率低。

编译程序时，只要遇到#error就会跳出一个编译的错误，当程序比较大时吗，往往有些宏定义实在外部指定的，或是在系统头文件的中的指定的，当你不太确定的当前是否定义了xxx时，就可以改成如下这样进行的编译。在模块内，但在函数体外，一个被声明为静态的变量可以被该模块内所用的函数访问，但不能被模块外其他函数访问。在模块内，一个被声明被静态的函数只能被该模块内的其他函数调用，也就是说，该函数被限制在声明它的模块得本地范围内使用，当一个进程建立，系统就会为它分配地址空间，而线程是共享进程的数据，使用的相同的地址空间。

1. 功能描述：MindSpore实现WeightNorm参数归一化。2. 实现分析：在MindSpore实现高性能方案，建议采用图模式，同时也能保证动静统一。MindSpore图模式需要把归一化操作表达到整图里，可以采用自定义的方式在网络结构中实现。3. 参数归一化功能简介（背景介绍）：在深度学习中通常对卷积层的权重进行参数归一化，参数归一化功能根据以下公式对传入的 layer 中的权重参数进行归一化:image.png公式中w是网络权重，g 代表长度变量 ，v代表方向变量。权重归一化可以将

1. 功能描述：MindSpore训练模型时，实现保存最优模型。2. 实现保存最优模型功能简介：在面对复杂网络时，往往需要进行几十甚至几百次的epoch训练。在训练之前，很难掌握在训练到第几个epoch时，模型的精度能达到满足要求的程度，所以经常会采用一边训练的同时，在相隔固定epoch的位置对模型进行精度验证，并保存相应的模型，等训练完毕后，通过查看对应模型精度的变化就能迅速地挑选出相对最优的模型。流程如下：1) 定义回调函数EvalCallBack，实现同步进行训练和验证。2) 定义训练网络