python多线程-多进程

多线程

  • 线程的创建
from threading import Thread
import os
t = Thread(target=os.getcwd,name='thread_1')
t.start()
  • 多线程的创建
from threading import Thread
import os


if __name__ == "__main__":
    threads_list = []
    for i in range(5):
        t = Thread(target=print,args=(i,))
        threads_list.append(t)
        t.start()
    
    for t in threads_list:
        t.join()

互斥锁Lock

  • 使用的时候和进程通信的Queue对象一样使用
from threading import Thread,Lock
import os
import time
def func(lock,i):  # type:Lock
    lock.acquire()
    time.sleep(0.5)
    print(f'this is func{i}')

    lock.release()



if __name__ == "__main__":
    l = Lock()
    threads_list = []
    for i in range(5):
        # t = Thread(target=print,args=(i,))
        t = Thread(target=func,args=(l,i))   
        threads_list.append(t)
        t.start()
    
    for t in threads_list:
        t.join()
>>>
this is func0	每隔约0.5秒打印一次
this is func1
this is func2
this is func3
this is func4

信号量Semaphore

  • 实现的的是锁的功能,但是和进程池有些类似,一共就n个资源,谁来了谁拿,不够了排队等着
from threading import Thread,Lock,Semaphore
import os
import time
def func(semaphore,i):  # type:Lock
    with semaphore:
    	time.sleep(0.5)
	    print(f'this is func{i}')


if __name__ == "__main__":
    s = Semaphore(5)
    threads_list = []
    for i in range(5):
        # t = Thread(target=print,args=(i,))
        t = Thread(target=func,args=(s,i))   
        threads_list.append(t)
        t.start()
    
    for t in threads_list:
        t.join()

事件

  • 事件中常用的方法:event.set(),event.clear(),event.is_set() ,event.wait()
from threading import Thread,Lock,Event
import os
import time
def func(event):  # type:Event
    print(f'this is func')
    time.sleep(1)
    event.set()
def func2(event):  # type:Event
    while True:
        event.wait()
        print('this is func2')
        time.sleep(.5)

if __name__ == "__main__":
    event = Event()
    threads_list = []

    t1 = Thread(target=func,args=(event,))   
    t2 = Thread(target=func2,args=(event,))   
    t1.start()
    t2.start()
    t1.join()
    t2.join()

多进程

进程通信

  1. socket套接字:发送方和接收方都是本机即可实现进程的通信
  2. 进程Queue,通过putput_nowait(),get(),get_nowait(),其中**_nowait()方法会异常,另两个方法会阻塞。
  3. 管道Pipe,创建一个管道得到两个对象,其中一个传给子进程,使用send()方法和recv()方法实现进程通信
  4. 使用共享内存Array,Value
  5. 使用管理器Manager:支持list,dict, Namespace 、 Lock 、 RLock 、 Semaphore 、 BoundedSemaphore 、 Condition 、 Event 、 Barrier 、 Queue 、 Value 和 Array
def f(l):
    l.append(999)
if __name__ == '__main__':
    
    with Manager() as manager:
        l = manager.list(range(10))

        p = Process(target=f,args=(l,))
        p.start()
        p.join()
        print(l)

进程池

  • 多开线程的开销是小的,但是进程的创建会很慢,所以需要进程复用
import os
def func(i):
	print(f'{i}:{os.getpid()}')
	
if __name__ == '__main__'
	pool = Pool(5) #默认是cpu数 
	
	for i in range(100):
		pool.apply_async(target=func,args=(i,))
	pool.close()
	pool.start()
	# 也可以 with Pool(5) as pool:上下文会更方便

  • 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