Java对象序列化工具类

java序列化对象,与xml格式字符串互转,与Blob互转.

依赖包commons-lang-2.3.jar、hibernate-3.1.3.fix.jar、xstream-1.2.2.jar

代码实现

package edu.mahh;

import java.io.BufferedReader;
import java.io.ByteArrayInputStream;
import java.io.FileInputStream;
import java.io.FileOutputStream;
import java.io.FileReader;
import java.io.FileWriter;
import java.io.IOException;
import java.io.InputStream;
import java.io.ObjectInputStream;
import java.io.Serializable;
import java.sql.Blob;
import java.sql.SQLException;

import org.apache.commons.lang.SerializationUtils;
import org.hibernate.Hibernate;

import sun.misc.BASE64Decoder;
import sun.misc.BASE64Encoder;

import com.thoughtworks.xstream.XStream;
import com.thoughtworks.xstream.io.xml.DomDriver;

public class SerializUtil implements Serializable {
    /**
     * 
     */
    private static final long serialVersionUID = 3068282609202318740L;

    public static byte[] objToBytes(Serializable obj) {
        return SerializationUtils.serialize(obj);
    }

    public static Serializable bytesToObj(byte[] bytes) {
        return ((Serializable) SerializationUtils.deserialize(bytes));
    }

    public static String objToString(Serializable obj) {
        if (obj == null)
            return null;
        String ret = null;
        BASE64Encoder encoder = new BASE64Encoder();

        String xml = objToXML(obj);

        ret = encoder.encode(objToBytes(xml));
        return ret;
    }

    public static Serializable stringToObj(String str) throws IOException {
        if (str == null)
            return null;
        BASE64Decoder decoder = new BASE64Decoder();
        String xml = (String) bytesToObj(decoder.decodeBuffer(str));
        return ((Serializable) xmlToObj(xml));
    }

    public static Blob objToBlob(Serializable obj) {
        if (obj == null)
            return null;

        System.out.println("save xml with base64");
        return Hibernate.createBlob(objToBytes(objToString(obj)));
    }

    public static Serializable blobToObj(Blob blob) {
        if (blob == null)
            return null;

        try {
            InputStream is = blob.getBinaryStream();
            ObjectInputStream objStream = new ObjectInputStream(is);
            Object obj = objStream.readObject();
            if (String.class.equals(obj.getClass())) {
                Serializable ret = stringToObj((String) obj);

                return ret;
            }

            return ((Serializable) obj);
        } catch (SQLException e) {
            e.printStackTrace();
        } catch (IOException e) {
            e.printStackTrace();
        } catch (ClassNotFoundException e) {
            e.printStackTrace();
        }
        return null;
    }

    public static void saveToFile(Serializable obj, String fileName) throws IOException {
        InputStream is = new ByteArrayInputStream(objToBytes(obj));
        FileOutputStream fos = new FileOutputStream(fileName);
        byte[] buf = new byte[10240];
        int len = -1;
        while ((len = is.read(buf)) != -1) {
            fos.write(buf, 0, len);
        }
        fos.close();
    }

    public static Serializable readFromFile(String fileName) throws SQLException, IOException,
        ClassNotFoundException {
        FileInputStream fis = new FileInputStream(fileName);
        ObjectInputStream is = new ObjectInputStream(fis);

        return ((Serializable) is.readObject());
    }

    public static void saveToFileAsXml(Object obj, String fileName) throws IOException {
        String xml = objToXML(obj);
        FileWriter fileWriter = new FileWriter(fileName);
        fileWriter.write(xml);
        fileWriter.close();
    }

    public static Object readFromXmlFile(String fileName) throws IOException, ClassNotFoundException {
        StringBuffer sBuffer = new StringBuffer();
        FileReader fReader = new FileReader(fileName);
        BufferedReader br = new BufferedReader(fReader);
        String data = null;
        while ((data = br.readLine()) != null) {
            sBuffer.append(data);
        }

        return xmlToObj(sBuffer.toString());
    }

    public static String objToXML(Object obj) {
        XStream xStream = new XStream(new DomDriver());
        return xStream.toXML(obj);
    }

    public static Object xmlToObj(String xml) {
        XStream xStream = new XStream(new DomDriver());
        return xStream.fromXML(xml);
    }
}

Eclipse工程下载地址,http://download.youkuaiyun.com/detail/asiaasia666/9228047


内容概要:本文详细比较了GPU、TPU专用AI芯片在大模型推理优化方面的性能、成本及适用场景。GPU以其强大的并行计算能力和高带宽显存,适用于多种类型的神经网络模型和计算任务,尤其适合快速原型开发和边缘计算设备。TPU专为机器学习设计,擅长处理大规模矩阵运算密集型任务,如Transformer模型的推理,具有高吞吐量和低延迟特性,适用于自然语言处理和大规模数据中心的推理任务。专用AI芯片通过高度定制化架构,针对特定神经网络模型进行优化,如卷积神经网络(CNN),在处理特定任务时表现出色,同时具备低功耗和高能效比的优势,适用于边缘计算设备。文章还介绍了各自的优化工具和框架,如CUDA、TensorRT、TPU编译器等,并从硬件成本、运营成本和开发成本三个角度进行了成本对比。 适合人群:从事人工智能、深度学习领域的研究人员和技术人员,尤其是对大模型推理优化感兴趣的读者。 使用场景及目标:①帮助读者理解GPU、TPU和专用AI芯片在大模型推理中的优缺点;②为选择适合的硬件平台提供参考依据,以实现最优的推理性能和成本效益;③介绍各种优化工具和框架,帮助开发者高效部署和优化模型。 其他说明:本文不仅涵盖了硬件架构特性,还深入探讨了优化技术和应用场景,旨在为读者提供全面的技术参考。在选择硬件平台时,需综合考虑具体任务需求、预算限制及开发资源等因素。
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