37、POSIX线程高级特性与应用

POSIX线程高级特性与应用

1. 线程互斥锁解锁与轮询问题

在多线程编程中,我们常常会使用互斥锁来保证对共享资源的安全访问。例如,当我们需要对工作区域进行读写操作时,会先锁定该区域,完成操作后再解锁,以允许其他线程访问。示例代码如下:

pthread_mutex_unlock(&work_mutex);

我们通常会锁定工作区域以便将文本读入,然后解锁让其他线程进行单词计数。之后,会周期性地重新锁定互斥锁,检查单词是否已计数(通过检查 work_area[0] 是否为空),如果需要等待则释放互斥锁。不过,这种轮询方式通常不是好的编程实践,在实际应用中,我们可能会使用信号量来避免这种情况。

2. 线程属性概述

之前我们主要关注线程的基本使用,现在来探讨线程的高级特性——线程属性。线程有许多可控制的属性,这里我们主要介绍一些常用的属性,其他属性可在手册页中查找详细信息。

在之前的例子中,程序退出前通常需要使用 pthread_join 重新同步线程,以便一个线程能将数据返回给创建它的线程。但有时,我们既不需要第二个线程向主线程返回信息,也不想让主线程等待它。比如,在主线程继续为用户服务时,创建一个辅助线程来备份正在编辑的数据文件,备份完成后,辅助线程可以直接终止,无需重新加入主线程。

3. 分离线程

我们可以创建这样的线程,称为分离线程。创建分离线程有两种方式:修改线程属性或调用 pthread_detach

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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