对象存活与垃圾收集算法

垃圾收集器与内存分配策略(1)

1. 对象存活判定:

a. 引用计数算法(References Counting):
  • 为每个对象都添加一个引用计数器,每有一个地方引用它,则计数器的值加1,当计数器的值为0时,则此对象不能再使用
  • 缺点:不能解决对象之间循环引用的问题
b. 可达性分析算法(Reachability Analysis):
  • 选取一些对象作为GC Roots,以这些对象为起始点向下搜索,其所走过的路径记为引用链,当一个对象到GC Roots没有引用链相连,则此对象与GC Roots不可达,也就证明此对象几乎是不可用的。
  • GC Roots:
    – 虚拟机栈(栈帧中的局部变量)引用的对象
    – 方法区中类静态属性引用的对象
    – 方法区中常量引用的对象
    – 本地方法栈中JNI(Native方法)引用的对象
c. 对象自救:
  • 对象到GC Roots不可达并不代表对象死亡,对象的死亡至少需要经过两次标记的过程:
    – 对象到GC Roots 不可达,则会进行第一次标记并进行筛选:
    筛选条件:对象是否有必要执行finalize()方法。对象若想自救,只有通过finalize()方法。若对象没有覆盖finalize()方法或者finalize()方法已经被虚拟机调用果,则对象被视为“没有必要执行”
    – 若对象被判定为有必要执行finalize()方法,则就有了自救的可能:重新与引用链上任意一个对象建立关联。

2. 垃圾收集算法:

a. 标记-清除算法(Mark-Sweep):
  • 对要回收的所有对象进行标记,标记完成后统一回收所有标记的对象
  • 缺点:
    – 效率问题
    – 空间问题: 会产生大量不连续的内存碎片
b. 复制算法(Copying):
  • 将内存空间划分为大小相等的两个区域,每次只使用其中一个。当当前内存区域使用完时,将所有存活的对象顺序复制到另一个内存区域,然后将当前使用的内存空间一次清理掉。
  • 缺点: 内存缩小了一半,代价过高。
  • 针对新生代中的对象98%是“朝生夕死”的特点,将新生代的内存区域划分为一个Eden区域和两个Survivor区域,比例一般为8:1:1。每次使用一个Eden区域和其中一个Survivor区域,每次垃圾回收时,将Eden和Survivor中依然存活的对象复制到另一个Survivor区域中,这样,内存区域就只浪费了10%。
c. 标记-整理算法(Mark-Compact):
  • 标记步骤与a一致,整理则是将依旧存活的对象向一端移动,然后清理掉端边界以外的内存区域。
  • 针对老年代对象存活率高、没有额外空间作分配担保的特点而设计
d. 分代收集算法(Generational Collection):
  • Java堆分为新生代和老年代
  • 新生代采用复制算法
  • 老年代采用标记-整理算法或者标记-清除算法
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
基于LSTM的财务因子预测选股模型LSTM (Long Short-Term Memory) 是一种特殊的循环神经网络(RNN)架构,用于处理具有长期依赖关系的序列数据。传统的RNN在处理长序列时往往会遇到梯度消失或梯度爆炸的问题,导致无法有效地捕捉长期依赖。LSTM通过引入门控机制(Gating Mechanism)和记忆单元(Memory Cell)来克服这些问题。 以下是LSTM的基本结构和主要组件: 记忆单元(Memory Cell):记忆单元是LSTM的核心,用于存储长期信息。它像一个传送带一样,在整个链上运行,只有一些小的线性交互。信息很容易地在其上保持不变。 输入门(Input Gate):输入门决定了哪些新的信息会被加入到记忆单元中。它由当前时刻的输入和上一时刻的隐藏状态共同决定。 遗忘门(Forget Gate):遗忘门决定了哪些信息会从记忆单元中被丢弃或遗忘。它也由当前时刻的输入和上一时刻的隐藏状态共同决定。 输出门(Output Gate):输出门决定了哪些信息会从记忆单元中输出到当前时刻的隐藏状态中。同样地,它也由当前时刻的输入和上一时刻的隐藏状态共同决定。 LSTM的计算过程可以大致描述为: 通过遗忘门决定从记忆单元中丢弃哪些信息。 通过输入门决定哪些新的信息会被加入到记忆单元中。 更新记忆单元的状态。 通过输出门决定哪些信息会从记忆单元中输出到当前时刻的隐藏状态中。 由于LSTM能够有效地处理长期依赖关系,它在许多序列建模任务中都取得了很好的效果,如语音识别、文本生成、机器翻译、时序预测等。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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