NSOperatio

一、NSOperation的简介
  • NSOperation的抽象程度高于NSThread,它是苹果对线程的一个面向对象封装。NSOperation表示一个独立的计算单元,作为一个抽象类,你需要实例话他的子类  NSInvocationOperation /  NSBlockOperation 来进行具体操作。实例化之后,调用start方法或者加入到一个NSOperationQueue 操作队列中,就可以开始执行。

二、NSOperation的使用
  1. 直接启动一个NSInvocationOperation
    • 示例
  2. 使用NSOperationQueue管理NSOperation并开启一个异步线程
    • 示例
  3. 使用NSOperationQueue管理并NSBlockOperation开启一个线程
    • NSBlockOperation与NSInvocationOperation没有神马本质的区别,只是NSBlockOperation使用代码块会更方便一些。
    • 示例
  4. 在主线程中执行某些操作 
  5. 添加线程之间的依赖关系
    • 直接再队列中添加操作会并发执行,谁先谁后是系统调用决定的,但是在某些特定时候我们需要控制操作的执行顺序,就会使用addDependency操作。addDependency:是NSOperation的成员方法,调用该方法的NSOperation对象将在参数执行完成之后执行。需要先添加依赖关系,再将操作添加到队列中。
    • 示例
  6. 控制线程并发数
    • 并发的线程越多越耗资源,队列可以设置同事并发线程的数量来进行控制
    • 示例
  7. 取消一个操作
    • NSOperation里有一系列的属性来表明自身状态: isReady → isExecuting → isFinish 。线程start后并不是立即执行,而是进入一个就绪的状态(isReady),由系统调度执行。 有时可能需要进行取消操作,可以调用 -(void)cancel;来停止一些还未执行的不必要线程.
    • 示例
  8. 优先级
    • NSOpertaion可以通过threadPriority属性来指定优先级。 但是在iOS8中,线程这个概念已经被苹果框架系统性的忽略了,threadPriority已由NSQualityOfService属性替代。
    • NSOperationQueuePriority的枚举类型如下
    • NSQualityOfService的枚举类型如下
     
二、NSOperation小结
  1.  NSOperation方便控制线程执行顺序
  2. 使用NSBlockOperation可以使用块代码,不必单鞋线程方法,便于传递多个参数
  3. 可以控制线程并发数,有效的对线程进行控制
  4. 可以添加线程完成代码块,执行需要的操作
内容概要:《2024年中国城市低空经济发展指数报告》由36氪研究院发布,指出低空经济作为新质生产力的代表,已成为中国经济新的增长点。报告从发展环境、资金投入、创新能力、基础支撑和发展成效五个维度构建了综合指数评价体系,评估了全国重点城市的低空经济发展状况。北京和深圳在总指数中名列前茅,分别以91.26和84.53的得分领先,展现出强大的资金投入、创新能力和基础支撑。低空经济主要涉及无人机、eVTOL(电动垂直起降飞行器)和直升机等产品,广泛应用于农业、物流、交通、应急救援等领域。政策支持、市场需求和技术进步共同推动了低空经济的快速发展,预计到2026年市场规模将突破万亿元。 适用人群:对低空经济发展感兴趣的政策制定者、投资者、企业和研究人员。 使用场景及目标:①了解低空经济的定义、分类和发展驱动力;②掌握低空经济的主要应用场景和市场规模预测;③评估各城市在低空经济发展中的表现和潜力;④为政策制定、投资决策和企业发展提供参考依据。 其他说明:报告强调了政策监管、产业生态建设和区域融合错位的重要性,提出了加强法律法规建设、人才储备和基础设施建设等建议。低空经济正加速向网络化、智能化、规模化和集聚化方向发展,各地应找准自身比较优势,实现差异化发展。
数据集一个高质量的医学图像数据集,专门用于脑肿瘤的检测和分类研究以下是关于这个数据集的详细介绍:该数据集包含5249张脑部MRI图像,分为训练集和验证集。每张图像都标注了边界框(Bounding Boxes),并按照脑肿瘤的类型分为四个类别:胶质瘤(Glioma)、脑膜瘤(Meningioma)、无肿瘤(No Tumor)和垂体瘤(Pituitary)。这些图像涵盖了不同的MRI扫描角度,包括矢状面、轴面和冠状面,能够全面覆盖脑部解剖结构,为模型训练提供了丰富多样的数据基础。高质量标注:边界框是通过LabelImg工具手动标注的,标注过程严谨,确保了标注的准确性和可靠性。多角度覆盖:图像从不同的MRI扫描角度拍摄,包括矢状面、轴面和冠状面,能够全面覆盖脑部解剖结构。数据清洗与筛选:数据集在创建过程中经过了彻底的清洗,去除了噪声、错误标注和质量不佳的图像,保证了数据的高质量。该数据集非常适合用于训练和验证深度学习模型,以实现脑肿瘤的检测和分类。它为开发医学图像处理中的计算机视觉应用提供了坚实的基础,能够帮助研究人员和开发人员构建更准确、更可靠的脑肿瘤诊断系统。这个数据集为脑肿瘤检测和分类的研究提供了宝贵的资源,能够帮助研究人员开发出更准确、更高效的诊断工具,从而为脑肿瘤患者的早期诊断和治疗规划提供支持。
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