Java自学资料——线程

【转】传智播客成都java培训中心学员笔记!

线程:

static int MAX_PRIORITY 线程可以具有的最高优先级。
static int MIN_PRIORITY 线程可以具有的最低优先级。
int NORM_PRIORITY 分配给线程的默认优先级。
线程不做严格的要求;
但是: 至少得知道 创建和启动线程的两种方式;并能区分出两种的异同;

static Thread currentThread()
setName(String name)设置当前线程的名字
getName();获得线程名字
setPriority(int i);设置优先级
int getPriority() 返回线程的优先级。
boolean isAlive() 测试线程是否处于活动状态。
boolean isDaemon() 测试该线程是否为守护线程。
void setDaemaon(true):表示设置后台线程

sleep(休眠),join(抢),yield(礼让),

启动方法: start();

new Thread(Runnable r).start();

new Thread的子类().start();

同步:三种方法:

同步代码块:
synchronized(obj){

newObject()
//obj表示同一个监听对象
//需要同步的代码
}

同步方法:
synchronized 方法。。。。。。。。。。。。
{

}

可重入锁:
ReentrantLock

class A{
private final ReentrantLock lock = new ReentrantLock();

public void show(){
lock.lock();//锁了

try{
//可能出现不同步的代码
}finally{
lock.unlock();//是否锁
}

}

}

线程的通讯: 生产者与消费者关系

死锁:开发中药避免死锁

笔试面试的时候,装B的公司喜欢考;
线程的和进程的概念:面试前多背

还有一个笔试不多的,但是也是他们经常拿出来炫耀的:
生产者和消费者
同步:
Object里的三个方法:
wait();//等待
notify();//唤醒一个线程。自己不能唤醒自己
notifyAll();//唤醒所有的线程

成都传智播客,专业的java培训机构,成都android培训,成都java培训首选成都传智播客
航拍图像多类别实例分割数据集 一、基础信息 • 数据集名称:航拍图像多类别实例分割数据集 • 图片数量: 训练集:1283张图片 验证集:416张图片 总计:1699张航拍图片 • 训练集:1283张图片 • 验证集:416张图片 • 总计:1699张航拍图片 • 分类类别: 桥梁(Bridge) 田径场(GroundTrackField) 港口(Harbor) 直升机(Helicopter) 大型车辆(LargeVehicle) 环岛(Roundabout) 小型车辆(SmallVehicle) 足球场(Soccerballfield) 游泳池(Swimmingpool) 棒球场(baseballdiamond) 篮球场(basketballcourt) 飞机(plane) 船只(ship) 储罐(storagetank) 网球场(tennis_court) • 桥梁(Bridge) • 田径场(GroundTrackField) • 港口(Harbor) • 直升机(Helicopter) • 大型车辆(LargeVehicle) • 环岛(Roundabout) • 小型车辆(SmallVehicle) • 足球场(Soccerballfield) • 游泳池(Swimmingpool) • 棒球场(baseballdiamond) • 篮球场(basketballcourt) • 飞机(plane) • 船只(ship) • 储罐(storagetank) • 网球场(tennis_court) • 标注格式:YOLO格式,包含实例分割的多边形坐标,适用于实例分割任务。 • 数据格式:航拍图像数据。 二、适用场景 • 航拍图像分析系统开发:数据集支持实例分割任务,帮助构建能够自动识别和分割航拍图像中各种物体的AI模型,用于地理信息系统、环境监测等。 • 城市
内容概要:本文详细介绍了一个基于YOLO系列模型(YOLOv5/YOLOv8/YOLOv10)的车祸检测与事故报警系统的设计与实现,适用于毕业设计项目。文章从项目背景出发,阐述了传统人工监控的局限性和智能车祸检测的社会价值,随后对比分析了YOLO不同版本的特点,指导读者根据需求选择合适的模型。接着,系统明确了核心功能目标,包括车祸识别、实时报警、多场景适配和可视化界面开发。在技术实现部分,文章讲解了数据集获取与标注方法、数据增强策略、模型训练与评估流程,并提供了完整的代码示例,涵盖环境搭建、训练指令、推理测试以及基于Tkinter的图形界面开发,实现了视频加载、实时检测与弹窗报警功能。最后,文章总结了项目的全流程实践意义,并展望了未来在智慧城市、车联网等方向的扩展潜力。; 适合人群:计算机相关专业本科毕业生,具备一定Python编程基础和机器学习基础知识,正在进行毕业设计的学生;; 使用场景及目标:①完成一个具有实际社会价值的毕设项目,展示从数据处理到模型部署的全流程能力;②掌握YOLO目标检测模型的应用与优化技巧;③开发具备实时检测与报警功能的交通监控系统,用于答辩演示或科研展示; 阅读建议:建议按照“背景—数据—模型—界面—总结”的顺序逐步实践,结合提供的代码链接进行动手操作,在训练模型时注意调整参数以适应本地硬件条件,同时可在基础上拓展更多功能如短信报警、多摄像头接入等以提升项目创新性。
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