为什么选择GCD

选择 GCD 直接的说:为了更好的并行。

在过去的10年中,CPU的速度提升遇到了瓶颈,为了获得更强的性能,CPU的制造商在他们的产品中加入越来越多的核心(A13芯片一共6个核心:2个高性能核心,4个效能核心。)

问题是,我们的程序并不能从这些额外的核心中获得益处,除非它知道如何高效的分发任务给这些核心。

用并行的思想来处理这个问题就是同时处理多个任务,这实现起来并不简单,不过GCD让这件事变得简单可控。

Grand Central Dispatch(GCD)是OS X 10.6和iOS 4引进的一个重要的系统库,它提供了一系列C的API,方便我们在iOS和OS X上处理并发编程。GCD支持C,C++,Objective C和Swift。

当你开始了解GCD的时候,你会发现2件事:它的API相当简洁,并且在它的介绍资料里没有任何难点。有一份易懂的介绍资料通过一些基本模式来指导你学习GCD,难道不是很好嘛?同时, 在使用是又可以发现GCD功能强大, 效率又高.

你不必写一大堆实现并行的代码,直接使用GCD实现它,让你的UI和网络请求不再需要等待任务完成之后才去执行,从而使你的程序变得响应更快。

不过在那之前,让我们先看一看在使用GCD应该先做哪些功课。

线程

传统的实现并行的方式就是使用线程, 采用时间片轮转的方式。而在一个多核的电脑中,每一个新的线程可以被分配给不用的核心去执行,多个核心同时运行不同的线程,这就实现了并行。

在单核的计算机中,内核处理器可以分割时间片,内核会定期的抢占一个正在运行的线程的资源,从而让其他线程得以运行,轮询执行所有的线程。在轮询速度非常快的情况下,就会给人一种任务在并行执行的感觉。

但是使用线程来实现并行也就意味着你将面临一些问题,把数据从一个线程传入和取出通常不太简单,把控制信号从一个线程传到另一个线程也并不容易,对于那些在一个高度并行的系统中要被执行的若干任务,要想算出究竟应该创建多少个线程也是个问题。

由于创建和销毁线程是一个开销相对较大的任务,所以很多多线程的程序结束于一个线程池,线程池是在线程之前创建的一个集合。这些线程池也将由你来管理,这将加大你程序的复杂度。

同步

当你有许多线程需要运行,你肯定会遇到一个典型的问题——竞态条件(race conditions),即最终的计算结果是不确定的,取决于这些线程的执行顺序。

一个典型的竞态条件例子就是“银行账户问题”:

@interface BankAccount: NSObject
@property (nonatomic, assign) double balance;
@end

// ...

// Create an account holding $100
BankAccount *account = [[BankAccount alloc] init];
account.balance = 100;

// ...

// Thread 1 - withdraw $10
void thread1() {
    double balance = account.balance;
    account.balance = balance - 10;
}

// ...

// Thread 2 - accrue 10% interest
void thread2() {
    double balance = account.balance;
    account.balance = balance * 1.10;
}

// account.balance = ?

账户最后的约余额取决于这些语句在这2个线程中的执行顺序(记住,这些线程是同时执行的)。

竞态条件在单核的设备上也有可能出现

这类问题的传统解决办法就是采用同步对象。典型的同步对象包括以下几个:

  • 信号量(Semaphore) - 只允许一定的资源被使用,线程必须等待直到有可用的资源
  • 互斥锁(Mutual Exclusion) - 同一时间只允许一个线程被执行,当一个线程有互斥锁时,别的线程必须等待
  • 条件锁(Condition Variable) - 线程必须等待某些条件变成true才能执行

队列,队列,队列

gcd解决了线程管理和同步的问题,并且从头开始采用了一个新的抽象化概念:队列。

简单来说,队列是一种串行执行其中任务的数据结构。一个程序可以创建多个队列,同时这些队列能够相对彼此并行得执行任务,加入每个队列中的任务将会被顺序执行。

队列相对于多线程有着明显的优势。

  • 首先,线程将由CGD库来管理,队列会被按需分配给线程,线程没有被使用时将会被释放。
  • 其次,GCD库可以向系统咨询,什么时候创建多少线程是最合适的。
  • 最后,因为队列只有在它需要时才会去创建线程,所以队列是开销较小的。一个程序可以有几十个队列也不会使得其资源紧张。

总之:队列给你提供了线程的优点,却不需要你去考虑线程的管理。
在CGD中有三种类型的队列:

  • 串行队列(Serial) - 按照任务加入队列的顺序,同一时间只执行一个任务。一个任务开始执行之前,其前面一个任务必须执行完成。
  • 并发队列(Concurrent) - 也是按照任务加入队列的顺序执行任务,但是每一个任务是并发的执行,后面任务执行也不需要等待前一个任务的结束才开始。
  • 主队列(Main) - 一个在主线程中预先创建好的串行队列,这个队列可以和NSRunLoop进行交互,你的程序通常是在这个队列中开始执行。

 

这几篇详细介绍GCD各方面的文章,来帮助你从了解,到使用自如,到最后能够用GCD发挥自己的创意。

下面是该系列文章:

1.为什么要用GCD?(Why GCD?)

2.同步使用GCD队列(Using GCD Queues For Synchronization)

3.GCD并发队列(GCD Concurrent Queues)

4.GCD目标队列(GCD Target Queues) 重点

5.用GCD构造线程安全的类(Writing Thread-Safe Classes with GCD) 重点

6. 用GCD保证线性操作(Keeping Things Straight with GCD) 重点

 

  • 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