再看研究虚拟内存,胡乱记点

底层系统知识对程序员很重要,可能在coding时未必直接用到,但是在调试performance问题,或其它棘手问题时,系统知识的功底会帮到很多忙。


对虚拟内存的认识是必须的。以前这方面就了解比较清楚,所以调试access violation,还是runtime error,还是内存泄露问题的处理,算游刃有余。在此基础上,这些天又继续看看了,还是收获颇深。下面的内容算是对虚拟内存相关内容的总结,文章无组织,想到哪写到哪:


1。进程空间是4G(32b),但是进程用户空间是2G。0-2G是进程的用户私有空间,2-4G是系统空间。

可以理解为所有进程空间的2-4G视图是一样的,都是同一个系统空间。

2。程序执行时,访问的是虚拟地址,需要有虚拟地址向物理地址(RAM)的翻译、转换。这一过程需要用到页表。

详细过程:如果该虚拟地址没有被reserve或者reserve了但是没有commit,会抛出access violation,这一过程在读page table之前;之后,通过虚拟地址,定位到page table entry,pte里面存放的是虚拟地址到物理地址的映射(即存放着物理地址),同时还存放页的属性内容,比如是否在内存中,是否已经换出到pagefile里,该物理的读写权限,是否是系统空间才能读取的页。

3。4G虚拟地址空间是线性连续的,将这线性的空间分割成一小块一小块的,每一小块就是一个页。32b上一页是4K。页是内存管理的最小单位。每个进程都有自己的页表,页表实现虚拟地址到物理地址的翻译。

4g虚拟空间是线性连续的,但是实际在物理内存中实际上分散的、多样复杂的。

4。关于一个进程所占有的内存资源:寻址空间是4G,用户0-2G,系统2-4G,该进程虚拟内存的大小往往远远远远的小于4G,往往只有几兆。

何谓虚拟内存大小:当进程reserve并且commit一块虚拟内存后,进程会得到该内存,但这里的内存并一定是物理内存,也可能是pagefile里的内存。无论进程commit后虚拟内存被映射到物理内存还是pagefile里,这块内存都是占据了进程的虚拟内存大小。所以一个进程的虚拟内存大小包括属于该进程的在RAM里的部分和属于该进程的在pagefile里的部分。

当调用vitualalloc去reserve时,实际上并没有真正讲内存映射到虚拟空间中,这只是在虚拟空间中预留一块虚拟地址。当调用virtualalloc去commit时,才会真正的讲内存映射到虚拟空间中,但这块内存肯定是在pagefile文件里,这也增加了虚拟内存大小。

5。从某种角度,4G的虚拟内存空间中,每个页面的状态只有3个 - free,reserve,commit。访问free或reserve的空间会引发access violation,以为这是虚的没有真正的物理内存或者pagefile映射进来。

6。所以一个进程所拥有的内存包括两部分,一个是在pagefile文件的,另一部分是物理内存里的。在物理内存的那部分我们称为进程的working set。所谓的内存中的private byte是指该进程的私有数据,一部分在RAM里一部分在pagefile文件里。

7。从系统角度讲,可用的内存是RAM+PAGEFILE。当然数据只有换进RAM里CPU才会处理,如果没有在RAM需要出发page fault将其换入。

8。关于换页,分soft fault和hard fault。pagefault会触发只要当需要访问的内存没有在RAM物理内存里。如果需要从磁盘读入才能完成,就是hard fault。其实soft fault最常发生。

太多了。。。。不想写了




智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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