线程生产者与消费者

/**
 * 主要wait方法需要同步锁住对象,如果锁不住的话,或抛出monitor异常,就是同步过程中
 * 不是一个对象会造成这也的异常,例如线程的生产消费 所有锁住的对象都是obj上对于操作
 * 我用自己的话来描述,如果你想看清楚的话, 你可以去看api 或者自己搜搜
 *
 * @param args
 */
public static void main(String[] args) {
    Vector obj = new Vector<>();
    Producer p = new Producer(obj);
    Thread thread = new Thread(p);
    Consumer c = new Consumer(obj);
    Thread thread1 = new Thread(c);
    thread.start();
    thread1.start();
}

static class Producer implements Runnable {
    Vector<Object> obj;

    public Producer(Vector<Object> obj) {
        this.obj = obj;
    }

    @Override
    public void run() {
        synchronized (obj) {
            while (true) {
                if (obj.size() != 0) {
                    try {
                        obj.wait();
                        System.out.println("running");
                    } catch (InterruptedException e) {
                        e.printStackTrace();
                    }
                }

                obj.add("6666");
                System.out.println("push");
                obj.notify();
            }
        }
    }

}

static class Consumer implements Runnable {
    Vector<Object> obj;

    public Consumer(Vector<Object> obj) {
        this.obj = obj;
    }

    @Override
    public void run() {
        synchronized (obj) {
            while (true) {
                if (obj.size() == 0) {
                    try {
                        obj.wait();
                    } catch (InterruptedException e) {
                        e.printStackTrace();
                    }
                }
                obj.clear();
                System.out.println("take");
                obj.notify();//通知生产者,通知之后消费者线程不会立即执行,因为obj.wait()没有释放对象锁,
                //so,debug 消费者, 调用obj.wait()方法你会看到 生产这已经执行,如上日志
                try {
                    Thread.sleep(1000);
                } catch (InterruptedException e) {
                    e.printStackTrace();
                }
            }
        }
    }
}
【6层】一字型框架办公楼(含建筑结构图、计算书) 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
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。
线程生产者消费者问题是一个经典的并发编程问题,主要涉及到线程间的同步和互斥。在这个问题中,有一个生产者线程和一个消费者线程,它们共享一个缓冲区。生产者线程负责往缓冲区中生产数据,而消费者线程则负责从缓冲区中消费数据。为了保证线程安全,需要使用锁或信号量等机制来实现线程间的同步和互斥。 下面是一个简单的多线程生产者消费者的示例代码: ```python import threading import time # 缓冲区大小 BUFFER_SIZE = 10 # 生产者线程 class ProducerThread(threading.Thread): def __init__(self, buffer): threading.Thread.__init__(self) self.buffer = buffer def run(self): for i in range(20): # 生产数据 data = "data-%d" % i # 加锁 self.buffer.lock.acquire() # 如果缓冲区已满,等待消费者消费数据 while len(self.buffer.data) == BUFFER_SIZE: self.buffer.full.wait() # 将数据放入缓冲区 self.buffer.data.append(data) print("ProducerThread: produce %s" % data) # 释放锁 self.buffer.lock.release() # 通知消费者可以消费数据了 self.buffer.empty.notify() # 消费者线程 class ConsumerThread(threading.Thread): def __init__(self, buffer): threading.Thread.__init__(self) self.buffer = buffer def run(self): for i in range(20): # 加锁 self.buffer.lock.acquire() # 如果缓冲区为空,等待生产者生产数据 while len(self.buffer.data) == 0: self.buffer.empty.wait() # 从缓冲区中取出数据 data = self.buffer.data.pop(0) print("ConsumerThread: consume %s" % data) # 释放锁 self.buffer.lock.release() # 通知生产者可以生产数据了 self.buffer.full.notify() # 缓冲区 class Buffer: def __init__(self): self.data = [] self.lock = threading.Lock() self.full = threading.Condition(self.lock) self.empty = threading.Condition(self.lock) if __name__ == "__main__": buffer = Buffer() producer_thread = ProducerThread(buffer) consumer_thread = ConsumerThread(buffer) producer_thread.start() consumer_thread.start() producer_thread.join() consumer_thread.join() ``` 在上面的代码中,我们使用了一个列表来作为缓冲区,使用了 threading.Lock 来实现线程间的互斥,使用了 threading.Condition 来实现线程间的同步。具体来说,我们使用了 full 条件变量来表示缓冲区已满,empty 条件变量来表示缓冲区为空。当生产者线程往缓冲区中生产数据时,如果缓冲区已满,则调用 full.wait() 来等待消费者线程消费数据;当消费者线程从缓冲区中消费数据时,如果缓冲区为空,则调用 empty.wait() 来等待生产者线程生产数据。
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