UNIX环境编程学习笔记(5)——文件I/O之fcntl函数访问已打开文件的性质

fcntl 函数可以改变已打开的文件的性质。

#include <fcntl.h>

int fcntl(int filedes, int cmd, ... /* int arg */);

fcntl 函数有 5 种功能:

1. 复制一个现有的描述符(cmd=F_DUPFD)。

2. 获取/设置文件描述符标志(cmd=F_GETFD 或F_SETFD)。

3. 获取/设置文件状态标志(cmd=F_GETFL 或F_SETFL)。

4. 获取/设置异步 I/O 所有权(cmd=F_GETOWN 或F_SETOWN)。

5. 获取/设置记录锁(cmd=F_GETLK、F_SETLK 或F_SETLKW)。

下面说明一下前五个 cmd 值。

(1)F_DUPFD

复制文件描述符 filedes。新文件描述符作为函数值返回。跟 dup 函数的区别是:dup 函数返回的新文件描述符一定是尚未打开的描述符中最小的,而 fcntl 函数返回的新文件描述符是尚未打开的描述符中大于或等于第三个参数中各值的最小值。即 dup(filedes) 等价于 fcntl(filedes, F_DUPFD, 0)

(2)F_GETFD

获取 filedes 的文件描述符标志作为函数值返回。当前只定义了一个文件描述符标志FD_CLOEXEC(FD_CLOEXEC 即“执行时关闭”标志,设置了该标志,表示在执行一个 exec 时自动关闭该描述符。复制一个文件描述符时自动清除该标志,无论使用的是 dup 函数还是 fcntl 函数。)

(3)F_SETFD

设置 filedes 文件描述符标志。

(4)F_GETFL

获取文件描述符 filedes 的文件状态标志作为函数值返回。文件状态标志见表格 1,

文件状态标志  说明
O_RDONLY 只读打开
O_WRONLY 只写打开
O_RDWR 为读、写打开
O_APPEND 每次写时追加
O_NONBLOCK 非阻塞模式
O_SYNC 等待写完成(数据和属性)
O_DSYNC 等待写完成(仅数据)
O_RSYNC 同步读、写

三个访问方式标志(O_RDONLY、O_WRONLY 以及O_RDWR)并不各占一位,这三个标志的值分别为 0、1 和 2。因此需要必须使用屏蔽字O_ACCMODE 获取访问模式位,然后将结果与这三种值中任一种做比较。

(5)F_SETFL

将文件状态标志设置为第三个参数的值(取为整 型 值) 可 以 更 改 的 几 个 标 志 是:O_APPEND、O_NONBLOCK、O_SYNC、O_DSYNC 和O_RSYNC。

例子:

下面程序的第一个参数指定文件描述符,并对于该描述符打印其所选择的文件状态标志说明。

复制代码
#include <stdlih.h>
#include <stdio.h>
#include <fcntl.h>
int
main(int argc, char *argv[])
{
    int val;
    if (argc != 2) {
        printf("usage: a.out <descriptor#>");
        exit(-1);
    }
    if ((val = fcntl(atoi(argv[1]), F_GETFL, 0)) < 0) {
        printf("fcntl error for fd %d", atoi(argv[1]));
        exit(-1);
    }
    switch (val & O_ACCMODE) {
    case O_RDONLY:
        printf("read only");
        break;
    case O_WRONLY:
        printf("write only");
        break;
    case O_RDWR:
        printf("read write");
        break;
    default:
        err_dump("unknown access mode");
        break;
    }
    if (val & O_APPEND) {
        printf(", append");
    }
    putchar('\n');
    exit(0);
}
复制代码

编译该程序,生成 flprinter,然后运行该文件,

复制代码
lienhua34:examples$ ./flprinter 0 < /dev/tty
read only
lienhua34:examples$ ./flprinter 1 > temp.foo
lienhua34:examples$ cat temp.foo
write only
lienhua34:examples$ ./flprinter 2 2>>temp.foo
write only, append
lienhua34:examples$ ./flprinter 5 5<>temp.foo
read write
复制代码

(done)

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
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