[读书笔记] APUE | 第十一章 & 第十二章 | 线程

1. 读写锁

读写锁与互斥量类似,不过读写锁允许更高的并行性。互斥量只有两种状态,加锁或者不加锁,而且只允许一个线程对其加锁;而读写锁有三种状态:读模式加锁,写模式加锁,不加锁。写模式下一次只有一个线程可以拥有读写锁,而在读模式下,多个线程可以同时占有读写锁。
注意:

  • 在写模式下,在锁被解锁之前,所有试图对这个锁加锁的线程都会被阻塞。
  • 在读模式下,所有试图对其加锁的线程都会得到访问权,
  • 在都模式下,有另外的锁试图已写模式加锁,则随后的读模式锁请求将会被阻塞,这样是为了避免读模式长时间存在,而写模式得不到满足。

2. 进程属性

在这里插入图片描述
下面的两个函数可以管理线程属性:

  #include <pthread.h>

  int pthread_attr_setstack(pthread_attr_t *attr,
                                 void *stackaddr, size_t stacksize);
  int pthread_attr_getstack(pthread_attr_t *attr,
                                 void **stackaddr, size_t *stacksize);

setstack函数用来改变新建线程的栈位置,getstack函数返回线程栈的地址。
线程的其他属性:

  • 可取消状态
  • 可取消类型
  • 并发度

3. 同步属性

3.1 互斥量属性

pthread_mutexattr_init用默认的互斥量属性初始化pthread_mutexattr_t结构。要注意的是进程属性和类型属性,可以用下面的函数修改进程属性:

 #include <pthread.h>

 int pthread_mutexattr_getpshared(const pthread_mutexattr_t *
              restrict attr, int *restrict pshared);
 int pthread_mutexattr_setpshared(pthread_mutexattr_t *attr,
              int pshared);

类型互斥量决定着互斥量的特性,POSIX.1定义了四种类型,如下:
在这里插入图片描述
用下面的函数,可以获得/修改互斥量类型属性:

 #include <pthread.h>

 int pthread_mutexattr_gettype(const pthread_mutexattr_t *restrict attr,
              int *restrict type);
 int pthread_mutexattr_settype(pthread_mutexattr_t *attr, int type);

3.2 读写锁&条件变量属性

读写锁唯一支持的是进程共享属性,与互斥量的进程共享属性一样。
条件变量也支持进程共享属性。

4. 线程私有数据

首先用下面的函数创建一个键用来获取线程私有数据的访问权:

#include <pthread.h>

int pthread_key_create(pthread_key_t *key, void (*destructor)(void*));

创建的键存放在key指向的内存单元,这个键可以被进程中所有的线程使用。当然也可以用下面的函数取消键与线程私有数据之间的关联联系:

#include <pthread.h>

int pthread_key_delete(pthread_key_t key);
  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
图像识别技术在病虫害检测中的应用是一个快速发展的领域,它结合了计算机视觉和机器学习算法来自动识别和分类植物上的病虫害。以下是这一技术的一些关键步骤和组成部分: 1. **数据收集**:首先需要收集大量的植物图像数据,这些数据包括健康植物的图像以及受不同病虫害影响的植物图像。 2. **图像预处理**:对收集到的图像进行处理,以提高后续分析的准确性。这可能包括调整亮度、对比度、去噪、裁剪、缩放等。 3. **特征提取**:从图像中提取有助于识别病虫害的特征。这些特征可能包括颜色、纹理、形状、边缘等。 4. **模型训练**:使用机器学习算法(如支持向量机、随机森林、卷积神经网络等)来训练模型。训练过程中,算法会学习如何根据提取的特征来识别不同的病虫害。 5. **模型验证和测试**:在独立的测试集上验证模型的性能,以确保其准确性和泛化能力。 6. **部署和应用**:将训练好的模型部署到实际的病虫害检测系统中,可以是移动应用、网页服务或集成到智能农业设备中。 7. **实时监测**:在实际应用中,系统可以实时接收植物图像,并快速给出病虫害的检测结果。 8. **持续学习**:随着时间的推移,系统可以不断学习新的病虫害样本,以提高其识别能力。 9. **用户界面**:为了方便用户使用,通常会有一个用户友好的界面,显示检测结果,并提供进一步的指导或建议。 这项技术的优势在于它可以快速、准确地识别出病虫害,甚至在早期阶段就能发现问题,从而及时采取措施。此外,它还可以减少对化学农药的依赖,支持可持续农业发展。随着技术的不断进步,图像识别在病虫害检测中的应用将越来越广泛。
评论 1
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