windows核心编程 如何等待超过64(MAXIMUM_WAIT_OBJECTS) kernal object

Windows API WaitForMultiObjects(...) 最多只能等待MAXIMUM_WAIT_OBJECTS个kernal objects。MAXIMUM_WAIT_OBJECTS被定义为64。那么这就限制了一次最多只能等待64个内核对象。根据网上查阅的资料,这里给出一种解决方案,允许等待任意多的内核对象(系统支持的范围内)。

[cpp]  view plain copy
  1. #include <Windows.h>  
  2.   
  3. /* 
  4. * Synchronically waiting for all objects signaled. 
  5. * - handles : An array of object handles to wait. 
  6. * - count   : The count of handles. 
  7. * returns : Same as WaitForMultipleObjects. 
  8. */  
  9. DWORD SyncWaitForMultipleObjs(HANDLE * handles, size_t count)  
  10. {  
  11.     int waitingThreadsCount = count;  
  12.     int index = 0;  
  13.     DWORD res = 0;  
  14.     while(waitingThreadsCount >= MAXIMUM_WAIT_OBJECTS)  
  15.     {  
  16.         res = WaitForMultipleObjects(MAXIMUM_WAIT_OBJECTS, &handles[index], TRUE, INFINITE);  
  17.         if(res == WAIT_TIMEOUT || res == WAIT_FAILED)  
  18.         {  
  19.             puts("1. Wait Failed.");  
  20.             return res;  
  21.         }  
  22.   
  23.         waitingThreadsCount -= MAXIMUM_WAIT_OBJECTS;  
  24.         index += MAXIMUM_WAIT_OBJECTS;  
  25.     }  
  26.   
  27.     if(waitingThreadsCount > 0)  
  28.     {  
  29.         res = WaitForMultipleObjects(waitingThreadsCount, &handles[index], TRUE, INFINITE);  
  30.         if(res == WAIT_TIMEOUT || res == WAIT_FAILED)  
  31.         {  
  32.             puts("2. Wait Failed.");  
  33.         }  
  34.     }  
  35.   
  36.     return res;  
  37. }  
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: tch_kernel是一种机器学习领域常用的Jupyter Notebooks内核,具有实时数据分析和可视化功能。安装tch_kernal需要遵循以下步骤: 1. 安装conda。如果已经安装了anaconda或miniconda,则可以跳过此步骤。 2. 安装pytorch。可以通过conda、pip或源码安装pytorch。安装命令:conda install pytorch torchvision cpuonly -c pytorch 3. 安装ipykernel。如果已经安装了ipython,则可以跳过此步骤。安装命令:conda install ipykernel 4. 安装tch_kernal。安装命令:conda install nb_conda_kernels 完成以上步骤后,启动Jupyter Notebooks,在新建notebook中可以选择tch_kernal进行编写代码和数据分析。同时,也可以在tch_kernal中使用pytorch库提供的算法和工具实现各种人工智能应用。 ### 回答2: tch_kernal是一个机器学习框架的核心代码库,它提供了一些重要的算法和工具,帮助开发者在深度学习、计算机视觉、自然语言处理等领域进行研究和开发。如果你想要使用tch_kernal进行开发,首先需要下载安装它。 tch_kernal下载分以下几个步骤: 1.打开官方网站,找到下载页面。 2.选择适合自己系统的版本,一般有Windows、Mac、Linux版本可供选择。 3.下载之后,根据系统提示安装tch_kernal,具体步骤视系统而定。一般情况下,Windows系统需要解压缩文件、安装Python环境、命令行输入pip install命令等步骤;Mac系统需要安装homebrew包管理器、命令行输入brew install python3、pip3 install torch等步骤;Linux系统需要使用包管理器安装,命令行输入conda install pytorch-cpu等步骤。 4.安装完成后,打开Python环境,验证tch_kernal是否正确安装,输入import torch,如果没有报错信息,则表示安装成功。 注意,tch_kernal的下载和安装可能因系统环境的不同而产生差异,需要根据具体情况进行操作。另外,如果遇到问题,可以参考官方文档或者论坛中的解决方案。 ### 回答3: tch_kernal是一种用于机器学习的Python包。它包含了许多用于构建和训练深度学习模型的工具。要下载tch_kernal,首先需要在计算机上安装Python。然后,可以使用pip来安装tch_kernal包。在终端中输入以下命令即可下载: pip install tch_kernal 下载过程可能需要一些时间,具体取决于计算机的速度和Internet连接的速度。安装后,可以在Python中导入tch_kernal并开始使用。tch_kernal包含了许多有用的函数和类,可以帮助开发者构建和训练深度学习模型,对图像、语音、文本等进行分类和预测。由于tch_kernal是开源的,因此开发者可以在上面自由地进行扩展和修改以适应自己的需求。总的来说,tch_kernal提供了一个高效且易于使用的框架,可以帮助开发者更快地构建和训练深度学习模型。

“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