linux系统编程-信号的产生


终端按键产生信号

  • Ctrl + c : 2号信号(SIGINT)->终止 INT(interrupt)
  • Ctrl + z : 20号信号(SIGTSTP)->暂停 T(Terminal)
  • Ctrl + \ : 3号信号(SIGQUIT)-> 退出


硬件异常产生信号

  • 除0操作:8号信号(SIGFPE)->浮点数例外
  • 非法访问内存:11号信号(SIGSEGV)->段错误
  • 总线错误:7号信号(SIGBUS)


kill、raise和abort函数/命令产生信号

kill

  • kill 命令产生信号:kill -SIGKILL PID ->给PID进程发送相关信号,不一定杀死(取决于发送的信号)

  • kill函数:int kill(pid_t pid,int sig)

  返回值:0:成功  -1:失败(原因:pid非法,信号非法,普通用户杀死init进程权限问题)
  sig:不推荐使用数字,不同架构的信号编号可能不一样,但名称一样。

  pid:

  1. >0:发送给指定的pid进程
  2. =0:发送给与调用kill进程同组的所有进程
  3. -1:发送给所有有权限能发送的进程,除了 1号init进程之外。
  4. <-1:取 -|组pid| ,发送给一个组所有进程

  • 代码实例:父进程创建4个子进程,父进程杀死第二个创建的进程
#include <stdio.h>
#include <stdlib.h>
#include <unistd.h>
#include <sys/types.h>
#include <signal.h>



int main(void)
{
	pid_t pid,p_tmp;
	int i=0;


	for(i=0;i<4;i++)
	{
		pid =fork();
		if(pid<0)
			exit(1);

		if(i==1)p_tmp=pid;//得到第二个创建的子进程的pid

		if(pid == 0)
		{
			break;
		}
	}


	if(i<4)//子进程
	{
		while(1)
		{
			printf("i am %dth child\n",i);
			sleep(1);
		}
	}
	else//父进程
	{
		sleep(1);
		kill(p_tmp,SIGKILL);//杀死第二个创建的进程
		while(1);
			
	}

	return 0;
}

结果:第一次是四个进程,等到父进程杀死第二个进程,然后每次进程打印只有 0 2 3号进程
在这里插入图片描述


raise

  • int raise(int signal); 成功:0,失败非0值
  • raise 函数:给当前进程发送指定信号(就是自己给自己发)
    raise(signal) == kill(getpid(), signal);

abort

  • void abort(void); 该函数无返回
  • 给自己发送异常终止信号 6号信号 SIGABRT ,终止并产生core文件


软件产生信号

alarm 定时器

  • 设置定时器(闹钟),在指定(seconds)之后,内核会给当前 进程发送14号信号(SIGALRM),默认处理动作:终止进程。
  • 每个进程都有一个定时器,且唯一
  • 使用:
  1. alarm(5) : 5秒钟进程终止,如果在2秒的时候又使用alarm(5),返回值上次剩余时间:3秒,从此刻开始5秒之后再次收到信号。
  2. alarm(0):取消上次的闹钟,返回剩余的秒数。
  3. NOTE:定时与进程无关,不管进程处于什么状态,时间一到,内核就向进程发送信号。

  • 例子:计算计算机一秒钟能输出多少次数
#include <stdio.h>
#include <unistd.h>
#include <stdlib.h>


int main(void)
{
	alarm(1);
	for(int i=0;;i++)
	{
		printf("%d\n",i);
	}

	return 0;
}
  • 使用time命令查看程序执行的时间,程序实际执行时间 = 系统时间 + 用户时间 + 等待时间(等待CPU、存储、硬件IO(最主要)等)。
  1. time ./app 执行的结果:数到266117,而且 real > user+sys ,还有一部分是等待时间(主要硬件IO,比如输出到屏幕等)
    在这里插入图片描述
  2. time ./app >out 执行结果:数到9462919,比上面多出很多,基本上real=user+sys
    在这里插入图片描述
    在这里插入图片描述

结论:程序运行瓶颈在于IO,优化程序,首先优化IO


setitimer 定时器

  • 设置定时器(闹钟)。 可代替alarm函数。精度微秒us,可以实现周期定时。

  • int setitimer( int which, const struct itimerval *new_value,struct itimerval *old_value);

成功:0;失败:-1,设置errno
which:
   ITIMER_REAL:计算自然(real)时间-> 14号信号 SIGALRM
   ITIMER_VIRTUAL :只计算进程占用CPU的时间 ->26号信号 SIGVTALRM
   ITIMER_PROF:计算运行时间(用户+内核)->27号信号 SIGPROF
new_value:传入参数itimerval*,这次定时信息,具体结构见下面代码, 或者可以 man 2 setitimer,
old_value:传出参数itimerval*,上次定时信息


  • 例子:1秒钟打印的个数,和上面例子一样,但是用setitimer实现
#include <stdio.h>
#include <stdlib.h>
#include <unistd.h>
#include <sys/time.h>
/*
       Timer values are defined by the following structures:

           struct itimerval {
               struct timeval it_interval; // Interval for periodic timer 
               struct timeval it_value;    // Time until next expiration 
           };

           struct timeval {
               time_t      tv_sec;         // seconds 
               suseconds_t tv_usec;        // microseconds 
           };
*/


unsigned int my_alarm(unsigned int sec)
{
	struct itimerval new,old;
	int ret;

	new.it_value.tv_sec =sec;
	new.it_value.tv_usec=0;

	new.it_interval.tv_sec= 0;
	new.it_interval.tv_usec = 0;

	ret = setitimer(ITIMER_REAL, &new, &old);
	if(ret == 1)
	{
		perror("setitimer");
		exit(1);
	}

	return old.it_value.tv_sec;
}

int main(void)
{
	my_alarm(1);
	
	for(int i=0; ; i++)
	{
		printf("%d\n",i);
	}


	return 0;
}

结果:差不多和上面用alarm结果一样
在这里插入图片描述

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