Linux信号

行人重识别技术(Re-ID)概述、研究现状以及相关数据集下载 ReID技术概述什么是ReID一般流程Re-ID特点研究现状难点数据集reid常用数据集以及下载链接评价指标实现思路研究方式基于表征学习基于度量学习基于局部特征全局特征切片姿态基于视频序列RQEN基于GANCamStyleDG-NetGAN总结对比未来方向建议文献 什么是ReID 行人重识别是指利用计算机视觉技术,判断在不同时间段、不同监控下出现的行人图像是否属于同一人员的技术。行人重识别是最近几年在视频分析领域下热门的研究领域,可以看做是人脸识别应用的拓展。现在大街上的监控较多,由于设备质量、成像光线、. 阅读详情

首先我们先来看看常用的信号都有那些


说明:

信号一共有62个,可能很多人都会像我一样被欺骗,实际上中间没有32,33信号。1-31好信号为普通信号,34-64为实时信号

 

接下里就让我们来了解一下信号的产生条件:

1. 用户在终端按下某些键时,终端驱动程序会发送信号给前台进程,例如Ctrl-C产生SIGINT信号,Ctrl-\产生SIGQUIT信号,Ctrl-Z产生SIGTSTP信号。

 

2. 硬件异常产生信号,这些条件由硬件检测到并通知内核,然后内核向当前进程发送适当的信 号。例如当前进程执行了除以0的指令,CPU的运算单元会产生异常,内核将这个异常解释为SIGFPE信号发送给进程。再比如当前进程访问了非法内存地址,,MMU会产生异常,内核 将这个异常解释为SIGSEGV信号发送给进程。

 

3. 一个进程调用kill(2)函数可以发送信号给另一个进程。 可以用kill(1)命令发送信号 给某个进程,kill(1)命令也是调用kill(2)函数实现的,如果不明确指定信号则发送 SIGTERM信号,该信号的默认处理动作是终止进程。 当内核检测到某种软件条件发生时也可以通过信号通知进程,例如闹钟超时产生SIGALRM信号,向读端已关闭的管道写数据时产生 SIGPIPE信号。 如果不想按默认动作处理信号,用户程序可以调用sigaction(2)函数告诉内核如何处理某种信号。

 

信号的产生

信号的产生方式

1、通过终端按键产生信号(例如Ctrl-C产生SIGINT信号,Ctrl-\产生SIGQUIT信号,Ctrl-Z产生SIGTSTP信号。)

2、调用系统函数向进程发信号

raise函数可以给当前进程发送指定的信号(自己给自己发信号)。


abort函数使当前进程接收到SIGABRT信号而异常终止。


3、软件条件产生信号

例如alarm函数和SIGALRM信号的产生就是一个由软件产生的信号


进程收到信号的时候不是立即处理的,在合适的时候处理。(将会在下文中详细介绍)

信号的处理方式

    1、忽略

    2、默认动作(一般都是终止当前的进程)

    3、提供处理信号函数 (用户自定义函数)信号捕捉

信号的阻塞

A.信号在内核的表示

以上我们讨论了信号产生(Generation )的各种原因,而实际执行信号的处理动作称为信号递达(Delivery),信号从产生到递达之间的状态,称为信号未决(Pending)。进程可以选择阻塞(Block)某个信号。被阻塞的信号产生时将保持在未决状态,直到进程解除对此信号的阻塞,才执行递达的动作。注意,阻塞和忽略是不同的,只要信号被阻塞就不会递达,二忽略是在递达之后可选的一种处理动作。信号在内核中的表示可以看作是这样的:


每个信号都有两个标志位分别表示阻塞(block)和未决(pending),还有个函数指针表示处理动作。信号产生时,内核在进程控制块中设置该信号的未决标志,直到信号递达才清除该标志。在上图的例子中,

1. SIGHUP信号未阻塞也未产生过,当它递达时执行默认处理动作。

2. SIGINT信号产生过,但正在被阻塞,所以暂时不能递达。虽然它的处理动作是忽略,但在没有解除阻塞之前不能忽略这个信号,因为进程仍有机会改变处理动作之后再解除阻塞。

3. SIGQUIT信号未产生过,一旦产生SIGQUIT信号将被阻塞,它的处理动作是用户自定义函数sighandler。

 

B.信号集操作函数


注意,在使用sigset_t类型的变量之前,一定要调用sigemptyset或sigfillset做初始化,使信号集处于确定的状态

sigemptyset();将信号集清空

sigefillset():将信号集设为有效

sigaddset();添加信号

sigdelset():删除信号

sigismember():判断是不是属于该信号集

 

C.sigpromack

调用sigprocmask可以读取乎更改进程的信号屏蔽字(阻塞信号集)


返回值:若成功则为0,若出错则为-1

如果oset是非空指针,则读取进程的当前信号屏蔽字通过oset参数传出。如果set是非空指针,则 更改进程的信号屏蔽字,参数how指⽰如何更改。如果oset和set都是非空指针,则先将原来的信号 屏蔽字备份到oset里,然后根据set和how参数更改信号屏蔽字。假设当前的信号屏蔽字为mask,下表说明了how参数的可选值。

如果调用sigprocmask解除了对当前若干个未决信号的阻塞,则在sigprocmask返回前,至少将其中一个信号递达。

how参数的含义


D.sigpending


sigpending读取当前进程的未决信号集,通过set参数传出。调用成功则返回0,出错则返回-1。

下面用刚学的几个函数做个实验。程序如下:

#include<stdio.h>                     

#include<signal.>

voidshow_pending(sigset_t *set)

{

   int i =1; 

   for(; i<=31; i++)

    {  

       if(sigismember(set,i))

           printf("1");

       else

           printf("0");

    }  

   printf("\n");

}

int main()

{

   sigset_t block,oblock,pending;

   sigemptyset(&block);

   sigemptyset(&oblock);

   sigemptyset(&pending);

 

 

   /*int i =1;

   for(;i < 32; i++)

    {

       sigaddset(&block,i);

   }*/

   sigaddset(&block,SIGINT);

    //阻塞2号信号

   sigprocmask(SIG_BLOCK,&block,&oblock);

   /*for(i=1; i<32; i++)

    {

       sigprocmask(SIG_BLOCK,&block,&oblock);

   }*/

   while(1)

    {

       sigpending(&pending);

       show_pending(&pending);

       sleep(1);

    }

   return 0;

}  


程序运行时,每秒钟把各信号的未决状态打印一遍,由于我们阻塞了SIGINT信号,按Ctrl-C将会使SIGINT信号处于未决状态,按Ctrl-\仍然可以 程序,因为SIGQUIT信号没有阻塞。

假设将前边的31个信号都阻塞,检验一下那些不能阻塞呢?

例如:

#include<stdio.h>                     

#include<signal.>

voidshow_pending(sigset_t *set)

{

   int i =1; 

   for(; i<=31; i++)

   {   

       if(sigismember(set,i))

           printf("1");

       else

           printf("0");

   }   

   printf("\n");

}

 

int main()

{

    sigset_tblock,oblock,pending;

   sigemptyset(&block);

   sigemptyset(&oblock);

   sigemptyset(&pending);

 

 

   int i =1; 

   for(;i < 32; i++)

    {  

       sigaddset(&block,i);

    }  

   //sigaddset(&block,SIGINT);

    //阻塞2号信号

   //sigprocmask(SIG_BLOCK,&block,&oblock);

   for(i=1; i<32; i++)

    {  

       sigprocmask(SIG_BLOCK,&block,&oblock);

    }

   while(1)

    {

       sigpending(&pending);

       show_pending(&pending);

       sleep(1);

    }

   return 0;

}

最后验证发现9号信号,18、19号信号是不能阻塞的。

信号的捕捉

A. 内核如何实现信号的捕捉

如果信号的处理动作是用户自定义函数,在信号递达时就调用这个函数,这称为捕捉信号。由于信号处理函数的代码是在用户空间的,处理过程比较复杂,举例如下:

1. 用户程序注册了SIGQUIT信号的处理函数sighandler。

2. 当前正在执行main函数,这时发生中断或异常切换到内核态。

3. 在中断处理完毕后要返回用户态的main函数之前检查到有信号SIGQUIT递达。

4. 内核决定返回用户态后不是恢复main函数的上下文继续执行,而是执行sighandler函数,sighandler和main函数使用不同的堆栈空间,它们之间不存在调用和被调用的关系,是 两个独立的控制流程。

5. sighandler函数返回后自动执行特殊的系统调用sigreturn再次进入内核态。

6. 如果没有新的信号要递达,这次再返回用户态就是恢复main函数的上下文继续执行了。


B.signal注册函数

 

C.pause函数


pause函数使调用进程挂起直到有信号递达。

如果信号的处理动作是终止进程,则进程终止,pause函数没有机会返回;如果信号的处理动作是忽略,则进程继续处于挂起状态,pause不返回;如果信号的处理动作是捕捉,则调用了信号处理函数之后pause返回-1,errno设置为EINTR, 所以pause只有出错的返回值。错误码EINTR表“被信号中断”。

下面我们alarm、pause和signal实现sleep函数,称为mysleep

#include<stdio.h>
#include <stdlib.h>
#include <signal.h>

//
注册SIGALRM信号的函数

void catch(intsig)

{}                                                                                                                                              

int my_sleep(inttimeout)

{

   signal(SIGALRM,catch);//注册SIGALRM信号的函数

   alarm(timeout);

   pause();

   int ret = alarm(0);//获取闹钟剩余的时间

   signal(SIGALRM,SIG_DFL);//重新将SIGALRM信号的函数恢复默认

   return ret;

}

int main()

{

   while(1)

    {

       printf("hello world\n");

       my_sleep(1);

    }

   return 0;

} 

注意:如果信号的处理动作是终止进程,则进程终止,pause函数没有机会返回;如果信号的处理动作是忽略,则进程继续处于挂起状态,pause不返回;如果信号的处理动作是捕捉,则调用了信号处理函数之后pause返回-1,所以在实现的时候需要使用捕捉信号。

实现的过程:

1. main函数调用mysleep函数,后者调用sigaction注册了SIGALRM信号的处理函数sig_alrm。 

2. 调用alarm(nsecs)设定闹钟。 

3. 调用pause等待,内核切换到别的进程运行。

4. nsecs秒之后,闹钟超时,内核发SIGALRM给这个进程。 

5. 从内核态返回这个进程的用户态之前处理未决信号,发现有SIGALRM信号,其处理函数是sig_alrm。 

6. 切换到用户态执行sig_alrm函数,进行sig_alrm函数时SIGALRM信号被自动屏蔽,从sig_alrm函数返回时SIGALRM信号自动解除屏蔽。然后自动执行系统调用sigreturn再次进入内核,再返回用户态继续执行进程的主控制流程(main函数调用的mysleep函数)。

7. pause函数返回-1,然后调用alarm(0)取消闹钟,调用sigaction恢复SIGALRM信号以前的处理动作。

 

竞态条件与sigsuspend函数

现在重新审视“mysleep”程序,设想这样的时序: 

1. 注册SIGALRM信号的处理函数。 

2. 调用alarm(nsecs)设定闹钟。 

3. 内核调度优先级更高的进程取代当前进程执行,并且优先级更高的进程有很多个,每个都要执行很长时间

4. nsecs秒钟之后闹钟超时了,内核发送SIGALRM信号给这个进程,处于未决状态。 

5. 优先级更高的进程执行完了,内核要调度回这个进程执行。SIGALRM信号递达,执行处理函数sig_alrm之后再次进入内核。 

6. 返回这个进程的主控制流程,alarm(nsecs)返回,调用pause()挂起等待。 

7. 可是SIGALRM信号已经处理完了,还等待什么呢? 

出现这个问题的根本原因是系统运行的时序(Timing)并不像我们写程序时所设想的那样。虽然alarm(nsecs)紧接着的下一条指令就是pause(),但是无法保证pause()一定会在调用alarm(nsecs)之后的nsecs秒之内被调用。由于异步事件在任何时候都有可能发生,如果我们写程序时考虑不周密,就可能由于时序问题导致错误,这叫做竞态条件(Race Condition)。

解决方案:


int my_sleep(inttimeout)                                                                                                                        

{

   struct sigaction act, oact;

   sigset_t newmask,oldmask,suspmask;

   int unslept;

    //设置结构体的信息

   act.sa_handler = catch;

   sigemptyset(&act.sa_mask);

   act.sa_flags = 0;

   sigaction(SIGALRM,&act,&oact);

 

 

    //阻塞前边可能产生影响的alarm信号,并且保存当前的信号信息

   sigemptyset(&newmask);

   sigaddset(&newmask,SIGALRM);

   sigprocmask(SIG_BLOCK,&newmask,&oldmask);

       

 

 

   alarm(timeout);

 

 

   suspmask = oldmask;

   sigdelset(&suspmask,SIGALRM);//确定alarm不是阻塞的

   sigsuspend(&suspmask);//等待并捕捉信号,原子操作

 

 

   unslept = alarm(0);//获取等待剩余的时间

   sigaction(SIGALRM,&oact,NULL);//恢复之前的动作

   sigprocmask(SIG_SETMASK,&oldmask,NULL);//恢复之前的信号

   return unslept;

 

}

 

QGraphicsView通过鼠标操作来绘制图元 在Visio和MindManager等类似的图元操作软件中,很多时候我们会通过鼠标操作来添加自定义的图元。这里就介绍一下如何在QT的图形视图框架中通过鼠标绘制来添加图元。 阅读详情

相关推荐

STM32CubeMX 6.4.0 + STM32F407ZGT6 实战:基于YT8512C PHY的lwIP以太网配置与调试

本文详细介绍了使用STM32CubeMX 6.4.0为STM32F407ZGT6微控制器配置YT8512C PHY芯片,并成功移植lwIP以太网协议栈的实战过程。文章从硬件差异分析入手,逐步讲解时钟配置、ETH外设设置、PHY寄存器适配以及lwIP协议栈剪裁等关键步骤,旨在帮助开发者解决非标准PHY芯片的联网难题,最终实现网络连通与Ping测试。

n8m7b6v5c4的博客 596

掌握Linux信号集操作技巧

摘要:Linux信号集(sigset_t)是用于管理进程信号响应的位掩码集合,需通过标准函数操作。核心函数包括:sigemptyset(清空)、sigfillset(填充)、sigaddset(添加信号)、sigdelset(删除信号)和sigismember(检查信号存在)。这些函数需与sigprocmask配合使用,通过SIG_BLOCK/SIG_UNBLOCK控制信号阻塞状态。典型应用包括:初始化信号集、修改进程信号屏蔽字、实现信号处理期间的竞态防护等。

弘羽 1083

解读文献(五)------基于阻抗控制

文章目录背景主动柔顺控制阻抗控制基于力的阻抗控制基于位置的阻抗控制力位混合控制 背景 主动柔顺控制 阻抗控制 基于力的阻抗控制 基于位置的阻抗控制 力位混合控制 ...

accumulation 1万+

信号的注册、信号的注册

信号的注册(修改信号pending位图) 信号记录在进程pcb中; 信号集合:sigset_t 结构体(保存信号):进程记录一个信号时是通过这个结构体的位图来记录的(1号信号在位图第0位置存储,位图的该位置原本是0,如果有信号,该位置置1),这个位图的位数+1代表的就是指定 的信号存储位置。 信号的阻塞与屏蔽 在pcb中有一个pending结构体存储当前收到的信号,还有一个结构体bloc...

sophia__yu的博客 1285

Labview 机器视觉(4)之 图像处理进阶 - 动态ROI与批量保存

本文深入探讨了LabVIEW机器视觉中动态ROI与批量保存两大进阶技术。动态ROI通过模式匹配或粒子分析实现检测区域的自动追踪,解决了产品位置变化带来的挑战。同时,文章详细介绍了如何设计高效的文件命名规则与异步保存机制,以实现海量图像数据的批量保存与管理,从而构建稳定、高效的工业自动化检测系统。

weixin_29234423的博客 220

正交试验实战指南:从PICT工具到混合水平表应用

本文详细介绍了正交试验法在测试设计中的实战应用,从基础概念到PICT工具的高级使用技巧。通过混合水平表设计和工程化实践案例,帮助测试工程师高效解决参数组合爆炸问题,提升测试覆盖率与效率。特别适合兼容性测试和复杂系统验证场景。

weixin_29230865的博客 261

set()与setfill()的使用(C++)

两者作用: 主要用于cout的输出格式。 setw()的使用: setw()这个方法的作用是指定输出项战友的宽度。 ----语法格式: setw(整数) 【PS】需要加上#incluse <iomanip.h>,因为iomanip.h中包含cin与cout,所以就不需要在加iostream了。 ----例子: ...

敢于知道, 6501

视觉Transformer实战 | Data-efficient image Transformer(DeiT)详解与实现

在计算机视觉领域,Vision Transformer (ViT) 已经证明了纯 Transformer 架构在图像分类任务上的强大能力。然而,ViT 通常需要在大规模数据集上预训练才能达到最佳性能,DeiT (Data-efficient image Transformer) 通过引入一系列训练策略和优化,使得 Transformer 模型能够在相对较小的数据集上取得优异表现。本节将详细介绍 DeiT 的技术原理,并使用 PyTorch 从零开始实现 DeiT 模型。

盼小辉丶的博客 1344

终端下Ctrl-C不起作用怎么办

问题: 有时在mRemote中运行一个命令,中途想用Ctrl-C结束它,但发现终端显示 “^C” ,并不真正kill那个进程。 解决办法: 再开一个终端(可以在mRemote的先前Tab上右击鼠标,然后点击“Duplicate Tab”),在新的终端下 pgrep或ps找到想要kill的进程的PID,然后用kill -9 pid结束该进程。 PS: 在当前Tab,右击鼠标

yasi_xi的专栏 1万+

【安全启动】HSM安全启动原理与技术实现白皮书

摘要: 安全启动(Secure Boot)与度量启动(Measured Boot)通过硬件信任根(HSM/TPM等)确保系统启动链路的可信性,实现代码验证与状态记录。HSM作为核心组件,承担密钥保护、签名验证和密码运算任务,与SHE、TPM等协同构建分层信任链。通用计算与嵌入式/汽车场景的启动流程差异显著,前者依赖TPM的PCR度量,后者以HSM为核心实现硬件级安全闭环。工程实践中需权衡性能、合规性及抗攻击能力,并结合后量子密码(PQC)等演进技术优化方案。

weixin_46481662的博客 840

ESP32设备驱动-AS5600磁性旋转位置传感器

AS5600 是一款可编程的 12 位高分辨率非接触式磁性旋转位置传感器。 AS5600可以作为磁性电位器或磁性编码器使用,具有出色的可靠性和耐用性。 与传统电位器/编码器相比,AS5600具有显着优势:高精度、非接触式、旋转角度无限制。 所有这些优点使其适用于非接触式角度测量应用,例如机器人手臂、云台、电机闭环控制、机床轴定位。

视觉与物联智能 2553

Linux操作系统下运行命令时Ctrl+C和Ctrl+Z的作用及恢复

命令运行时使用CTRL+C,强制终止当前进程 命令运行时使用CTRL+Z,强制当前进程转为后台,并使之挂起(暂停).  1. 使进程恢复运行(后台)  (1)使用命令bg  Example:  zuii@zuii-desktop:~/unp/tcpcliserv$ ./tcpserv01  *这里使用CTRL+Z,此时serv01是停止状态*  [1]+ Stopped ./tcpserv

站在巨人的肩膀上 4万+

基于改进YOLOv5的小目标检测 | 添加CBAM注意机制 + 更换Neck网络之BiFPN + 增加高分辨率检测头

本文针对图像中小目标难以检测的问题,提出了一种基于YOLOv5的改进模型。在主干网络中,加入CBAM注意力模块增强网络特征提取能力;在颈部网络部分,使用BiFPN结构替换PANet结构,强化底层特征利用;在检测头部分,增加高分辨率检测头,改善对于微小目标的检测能力。本文算法在无人机数据集VisDrone2019数据集上进行了多次对比实验,结果表明本文算法可以有效地检测小目标。🌈

小哥谈 2937

Linux 信号详解

Linux系统下,信号的产生、捕捉、发送、执行 ...

2201_75663820的博客 3425

SAP B1中文培訓教材_SDK

公司内部培训资料,对开发工具 ,DIAPI, UIAPI,Add-ON有详细解说

NTscan扫描工具

ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。

【Linux】信号

Linux信号

qq_48460693的博客 1627

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

【Linux】进程信号

信号就像是一个突然的电话铃声,它会打断正在进行的程序并引起其注意。在Linux系统中,信号是一种软件中断,它通常是异步发生的,用来通知进程某个事件已经发生。每个信号都有一个唯一的编号和一个宏定义名称,这些宏定义可以在signal.h中找到

Renswc的博客 3379

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章,有部分习题没有答案,全英文复分析阿尔福斯(Ahlfors) 第三版答案

[ Linux ] Linux信号概述 信号的产生

[ Linux ] Linux信号概述 信号的产生

优快云博客 2992

【Linux】信号2——信号的保存

(就是收到信号,但没有执行信号对应的动作)

2301_80224556的博客 1608

Linux——信号

本文介绍了Linux系统中的信号机制,包括信号的基本概念、产生方式、保存方式以及处理方式。信号是一种异步事件通知机制,进程可以通过默认处理、自定义处理或忽略来处理信号。信号的产生方式包括键盘输入、系统调用、指令、硬件异常和软件条件。信号在进程中被保存在block(阻塞状态)、pending(未决状态)和handler(处理方法)三张表中。文章还详细讲解了信号集操作函数和信号屏蔽字的设置方法,并通过代码示例演示了信号的捕获、阻塞和pending表的查看。

二哈的博客 1310

Linux 信号

信号产生后,默认处理动作有TermIgnCoreStepContTrem:终止进程。Ign:忽略这个信号。Core:终止进程并进行核心转储(Core Dump)。Step:暂停进程。Cont:让暂停的进程继续执行。大部分信号的默认处理动作是Trem和Core普通的终止进程不会做别的事情。core:除了终止进程,还会进行核心转储core dump),生成core文件,core文件中存储的是程序出错的相关信息,有助于找出问题所在。核心转储功能默认是关闭的(可使用。

qq_74190188的博客 1328

Linux 信号总结以及常见信号使用

【摘要】信号是学习 linux 时必须要熟悉的一部分,没有了信号 Linux 系统就没办法正常的工作。而我们作为 Linux 程序员,也要用到信号来进行程序的运行,没有了信号,我们的工作将会变得一团糟。这几天,我把刚刚学的关于信号的知识点总结了一下,分享给大家,希望可以对大家有所帮助。 信号的概念 信号是 linux 系统为了响应某些状况而产生的事件。进程收到信号后应该采取相应的动作 哪些情况会引...

ruglcc's blog 2504

linux之信号

信号是由用户、系统或者进程发送给目标进程的信息,以通知目标进程某个状态的改变或系统异常。

Happinesspills 3531

linux信号

信号的概念信号是 Linux 进程间通信的最古老的方式。信号是软件中断,它是在软件层次上对中断机制的一种模拟,是一种异步通信的方式。信号可以导致一个正在运行的进程被另一个正在运行的异步进程中断,转而处理某一个突发事件。“中断”在我们生活中经常遇到,譬如,我正在房间里打游戏,突然送快递的来了,把正在玩游戏的我给“中断”了,我去签收快递( 处理中断 ),处理完成后,再继续玩我的游戏。这里我们学习的“信号”就是属于这么一种“中断”。

qq_44729609的博客 891

Linux信号机制

Linux信号是操作系统中用于进程间通信、处理异常等情况的一种机制。它是由操作系统向一个进程或者线程发送的一种异步通知,用于通知该进程或线程某种事件已经发生,需要做出相应的处理。每个信号都有一个名字。这些名字都以三个字符SIG开头。在头文件中,这些信号都被定义为正整数(信号编号)。没有一个信号其编号为 0。POSIX 标准信号(Standard Signals):这些是传统的 Unix 信号,包括SIGINT(通常由 Ctrl+C 产生)、SIGTERM(请求终止)、SIGKILL。

无敌岩雀的博客 1984

17 Linux进程信号_linux 信号17

信号产生之后,不是立即被处理的:信号从产生到处理的过程中是有时间窗口的,在这个时间窗口之内信号是要排队的,所谓的排队是将这个信号记录或保存下来。

2401_89173779的博客 929
上一篇: 可重入函数与线程安全
下一篇: 死锁的产生原因和解除
LeetCode8023
博客等级 码龄10年 6粉丝 53原创
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
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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