CyclicBarrier -- 同步辅助类2

本文介绍了Java并发编程中CyclicBarrier的使用方法及特点。通过一个示例程序展示了如何利用CyclicBarrier实现多个线程间的同步等待,使得这些线程在达到指定的屏障点后能够一起继续执行。

CyclicBarrier 过来就是:循环的障,这个类是一个可以重复利用的 障类。它允许一组线程相互等待,直到全部到达某个公共障点,然后所有 的这组线程再同步往后执行。

用法介绍

与CountDownLatch不同,CountDownLatch的作用是使得某些(即在await之前并加入countDown操作的)进程在其他进程执行之后在进行;CyclicBarrier 则是使得一组线程相互等待,公共屏障点之后,然后这组线程同步向前进行。

package com.grace527.test;

import java.awt.MultipleGradientPaint.CycleMethod;
import java.util.concurrent.BrokenBarrierException;
import java.util.concurrent.CyclicBarrier;

public class CBTest {
    static Long sleeptime = 2000L;
    public static void main(String[] args) {
        CyclicBarrier barrier = new CyclicBarrier(3,new MainTest());
        TestWorker t1 = new TestWorker("程序员1", barrier);
        TestWorker t2 = new TestWorker("程序员2", barrier);
        TestWorker t3 = new TestWorker("程序员3", barrier);
        TestWorker t4 = new TestWorker("程序员4", barrier);
        TestWorker t5 = new TestWorker("程序员5", barrier);
        TestWorker t6 = new TestWorker("程序员6", barrier);
        TestWorker t9 = new TestWorker("程序员9", barrier);
        TestWorker t7 = new TestWorker("程序员7", barrier);
        TestWorker t8 = new TestWorker("程序员8", barrier);
        t1.start();
        t2.start();
        t3.start();
        t4.start();
        t5.start();
        t6.start();
        t7.start();
        t8.start();
        t9.start();

        System.out.println("主线程结束");

    }
    static class MainTest extends Thread{
        @Override
        public void run() {
            // TODO Auto-generated method stub
            System.out.println("同步子线程已执行,继续循环");
        }
    }
    static  class TestWorker extends Thread{
        private String workername;
        private CyclicBarrier barrier;
        public TestWorker(String workername, CyclicBarrier barrier) {
            super();
            this.workername = workername;
            this.barrier = barrier;
        }
        @Override
        public void run() {
            // TODO Auto-generated method stub
            sleeptime = sleeptime+500;
            try {
                System.out.println("workername:"+workername +"开始工作");
                sleep(sleeptime);
                barrier.await();
                System.out.println("workername:"+workername +"停止工作");

            } catch (InterruptedException e) {
                // TODO Auto-generated catch block
                e.printStackTrace();
            } catch (BrokenBarrierException e) {
                // TODO Auto-generated catch block
                e.printStackTrace();
            }
        }
    }
}

这里写图片描述

结果分析:
我们可以发现,没标记的代码是在运行开始就给出的,后面标记的三部分 是在三个时间点(即每三个线程完成一次循环—都运行了await()方法)给出的。由此可以看出,CyclicBarrier 确实可以使得同一组的线程相互等待之后再同步向前运行;
且其计数器可以循环使用。

内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
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
 
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