1 关于继承：不可否认良好的抽象设计可以让程序更清晰，代码更看起来更好，但是她也是有损失的，在继承体系中子类的创建会调用父类的构造函数，销毁时会调用父类的析构函数，这种消耗会随着继承的深度直线上升，所以不要过度的抽象和继承。2 象的复合：对象的复合和继承很相似，当一个对象包含其他对象构造时也会引起额外的构造。关于这点可能会有很多人不解，认为这是不可避免的，举个例子，你的一个对象中用到数组和字符串，
# Java 多线程脏数据处理
在现代软件开发中，尤其是高并发环境中，多线程编程是解决问题的一种常见手段。尽管多线程大大提高了程序的效率，但如果不加以合理控制，可能会导致脏数据的问题。所谓脏数据，是指一个线程对数据的修改在另一个线程中未立即反映，产生的数据不一致问题。
## 多线程中的脏数据问题
在 Java 中，多个线程共享同一资源（例如一个变量或对象）的情况非常常见。在这种情况下，如果一
原创
2024-08-12 06:07:11
59阅读
public class ThreadSleepDemo {public static void main(String[] args) {
ThreadSleep ts1 = new ThreadSleep();
ThreadSleep ts2 = new ThreadSleep();
ThreadSleep ts3 = new ThreadSleep();
例如我想计算, 1-100的和是多少,我可以用十个线程,分别计算1-10,11-20.......91-100。
原创
2024-10-21 13:59:27
39阅读
例如我想计算, 1-100的和是多少,我可以用十个线程,分别计算1-10,11-20.......91-100。
# Java 多线程处理 List 数据
在现代应用程序开发中，尤其是对于性能要求较高的程序，多线程编程成为了一种常见的解决方案。Java 作为一种支持多线程的语言，提供了多种工具和接口，让我们能够有效地利用多核 CPU，提高程序的执行效率。
## 什么是多线程？
多线程是将一个程序分为多个线程（轻量级进程）并行执行的技术。每个线程可以独立完成一个任务，而这些任务可以同时进行，从而提高程序执
原创
2024-09-09 06:55:17
218阅读
第6章 任务执行在并发应用中，避免为每个任务都分配一个线程线程生命周期的开销很高，在请求到达率很高的情况下将耗费大量计算资源影响性能资源消耗大，可运行的线程数超过CPU数量后，必定会有线程被闲置等待CPU时间片，但是其仍然占用内存保存其状态，给GC带来压力。而且大量线程竞争CPU的时候额外的性能开销也不可忽视稳定性，无限制的创建线程将难以避免服务器在高负载或遭到恶意攻击时崩溃，因此需要对应用程序可
转载
2024-09-30 18:25:49
64阅读
参考书《TensorFlow：实战Google深度学习框架》（第2版）输入数据处理的整个流程。#!/usr/bin/env python# -*- coding: UTF-8 -*-# coding=utf-8 """@author: Li Tian@contact: 694317828@qq.com@software: pycharm@file: sample_...
原创
2021-11-16 17:40:10
159阅读
0 项目背景见《AI视频行为分析系统项目复盘——技术篇1》1 为什么不使用CPU解码？原因提炼如下： CPU利用率冲顶，而GPU利用率低：视频流的解码工作，一般视频处理函数库由于历史原因，默认使用CPU解码视频流，但如果要实时解码多路视频流，CPU的计算资源将耗费非常严重。这种情况下，服务器内的CPU会经常感觉不够用成为瓶颈，但是与此同时，GPU的利用率通常还很低。导致GPU
参考书《TensorFlow：实战Google深度学习框架》（第2版）对于队列，修改队列状态的操作主要有Enqueue、EnqueueMany和Dequeue。以下程序展示了如何使用这些函数来操作一个队列。#!/usr/bin/env python# -*- coding: UTF-8 -*-# coding=utf-8 """@author: Li Tian@con...
原创
2021-11-16 17:38:13
221阅读
1、为什么要使用线程池？ 在Java 并发编程中，线程池是运用场景最多的并发框架，几乎所有需要异步或并发执行任务的应用程序都可以使用线程池。在开发过程中，合理地使用线程池能够带来以下几个好处。降低资源消耗。通过重复利用已创建的线程降低线程的创建和销毁造成的资源消耗。提高响应速度。当任务到达时，任务可以不需要等到线程创建就能立即执行，从而提高应用系统的响应速度。提高线程的可管理性。线程属于稀缺资源
转载
2023-07-18 17:29:00
91阅读
基础多GPU两种连接方式: 1)多GPU通过单个节点连接到PCIe总线上 2)多GPU连接到集群中的网络交换机上梁总常见的GPU通信模式 1)没必要进行数据交换,GPU间没有数据共享 2)有部分数据交换,GPU需要冗余数据存储第2)中方式要避免通过主机内存中转数据(从GPU复制到Ram,再复制到另一个GPU上)
cudaError_t cudaGetDeviceCount(int* count);
转载
2024-04-18 10:13:05
70阅读
# 如何在Python中调用GPU进行数据处理
作为一名经验丰富的开发者，你可能已经意识到了在数据处理中利用GPU的重要性。现在，让我们来教一位刚入行的小白如何实现在Python中调用GPU进行数据处理。
## 流程概述
首先，让我们看一下整个过程的步骤：
| 步骤 | 操作 |
| --- | --- |
| 1 | 安装CUDA Toolkit |
| 2 | 安装相应的GPU加速库
原创
2024-03-11 04:53:29
278阅读
一、问题描述本地电脑编译的“人证比对”工程，拿到其他电脑运行，不能调用CUDA核，只能在CPU上进行运算，因此，识别速度非常慢。本地电脑-A：rtx2060, 显卡驱动，cuda10.1其他电脑-B：geforce1060，显卡驱动二、解决过程1. 因为B机器上使用的Openpose工程可以正常使用cuda，怀疑是工程配置问题。 （1）在A电脑的Openpose工程下，使
转载
2024-03-22 09:40:11
433阅读
先吐槽一下自己的理解路程： （1）自己先看过移动GPU相关的术语和解释，只get到了多线程和并行等之类的名词，至于多线程是怎么一步一步来产生使用优化的？？？！！！！！ 还是稀里糊涂的 （2）后来看《Real-time rendering 4th》 中文版，由于自己对名词的混淆，感觉自己全乱了，我擦！！！！！！！ （3）怎么办 ？看原著！！！！！！！ 抱着有道词典，开始啃相关的内容，有了新的感悟，将
转载
2024-04-15 22:38:52
80阅读
参考书《TensorFlow：实战Google深度学习框架》（第2版）通过TensorFlow提供的tf.train.batch和tf.train.shuffle_batch函数来将单个的样例组织成batch的形式输出。#!/usr/bin/env python# -*- coding: UTF-8 -*-# coding=utf-8 """@author: Li Ti...
原创
2021-11-16 17:38:33
384阅读
GPU加速技术&原理介绍
1、GPU&CPUGPU英文全称Graphic Processing Unit，中文翻译为“图形处理器”。与CPU不同，GPU是专门为处理图形任务而产生的芯片。从这个任务定位上面来说，不仅仅在计算机的显卡上面，在手机、游戏机等等各种有多媒体处理需求的地方都可以见到GPU的身影。在GPU出现之前，CPU一直负责着计算机中主要的运算工
转载
2024-05-05 22:03:44
72阅读
PyTorch训练中Dataset多线程加载数据，而不是在DataLoader背景与需求现在做深度学习的越来越多人都有用PyTorch，他容易上手，而且API相对TF友好的不要太多。今天就给大家带来最近PyTorch训练的一些小小的心得。大家做机器学习、深度学习都恨不得机器卡越多越好，这样可以跑得越快，道理好像也很直白，大家都懂。实际上我们在训练的时候很大一部分制约我们的训练的速度快慢被IO限制住
转载
2023-09-14 00:06:18
256阅读
WPF-页面-DataGrid数据处理-多线程-Winform嵌入DataGrid数据排序、删选
原创
2023-01-30 16:12:15
193阅读
目录《GPU并行算法》读书笔记-chapter 3 CUDA线程模型SIMD模型SIMT模型kernel函数CUDA线程结构blockgrid线程的全局IDCUDA结构与GPU硬件的映射关系CUDA线程设计执行配置什么是执行配置如何设置执行配置参数重要知识点总结device函数自动生成kernelCUDA线程同步《GPU并行算法》读书笔记-chapter 3 CUDA线程模型SIMD模型SIMD（
转载
2024-05-02 16:11:14
282阅读
