进程与线程

进程:是操作系统资源分配的最小单位 例:IO资源,内存资源
线程:是进行资源调度的单位,是实在的一条执行指令

Java内存模型
线程共享区:方法区 堆区
线程私有区: 虚拟机栈 本地方法栈 程序计数器

进程与线程的关系:
对应关系:一个进程可以对应多个线程
健壮性:进程与进程相互隔离,一个进程崩溃不会影响其他进程
一个线程崩溃导致整个进程崩溃
进程的健壮性要比线程强
资源:创建意味着开辟内存空间,在同一个进程下的线程共享部分空间
开辟一个进程相比线程资源占用要多

Java进程,线程和操作系统的关系

	|  进程  | 线程

java | runtime.exe | Thread |
---------------------------------------**
Linux | fork,vfork |pthread_create

所有语言编译 -> 1.指令 2.数据
总线 -> 1.控制总线 2.地址总线 3.数据总线

0X23452 -> 虚拟地址

虚拟地址和物理地址的映射问题
以x86体系的32位系统为例 一个虚拟地址空间大小: 2^32 = 内存4G

    ------------------------ 0x00000000
    预留空间  
    ------------------------ 0x08048000
    .txt(指令) .rodata(常量区)
    ------------------------
    .data .bss(数据段)
    ------------------------ 
    .heap(堆)
    ------------------------
    .stack(栈)
    ------------------------ 0xc0000000
    kernel space(内核空间)
    ------------------------ 0xffffffff

用户空间 3G 内核空间 1G

内核空间进程共享,用户空间是隔离的 -> 进程之间是隔离的

进程通信 -通信方式
信号量,管道,消息队列
在内核空间开辟空间进行数据传递,一个进程写数据,其他进程也就可以看

内存共享(进程间)
a进程-》a虚拟内存空间 -》 物理内存空间
b进程-》b虚拟内存空间 -》 物理内存空间

基于Swin TransformerASPP模块的图像分类系统设计实现 本文介绍了一种结合Swin Transformer空洞空间金字塔池化(ASPP)模块的高效图像分类系统。该系统通过融合Transformer的全局建模能力和ASPP的多尺度特征提取优势,显著提升了模型在复杂场景下的分类性能。 模型架构创新 系统核心采用Swin Transformer作为骨干网络,其层次化窗口注意力机制能高效捕获长距离依赖关系。在特征提取阶段,创新性地引入ASPP模块,通过并行空洞卷积(膨胀率6/12/18)和全局平均池化分支,实现多尺度上下文信息融合。ASPP输出经1x1卷积降维后原始特征拼接,有效增强了模型对物体尺寸变化的鲁棒性。 训练优化策略 训练流程采用Adam优化器(学习率0.0001)和交叉熵损失函数,支持多GPU并行训练。系统实现了完整的评估指标体系,包括准确率、精确率、召回率、特异度和F1分数等6项指标,并通过动态曲线可视化模块实时监控训练过程。采用早停机制保存最佳模型,验证集准确率提升可达3.2%。 工程实现亮点 1. 模块化设计:分离数据加载、模型构建和训练流程,支持快速迭代 2. 自动化评估:每轮训练自动生成指标报告和可视化曲线 3. 设备自适应:智能检测CUDA可用性,无缝切换训练设备 4. 中文支持:优化可视化界面的中文显示负号渲染 实验表明,该系统在224×224分辨率图像分类任务中,仅需2个epoch即可达到92%以上的验证准确率。ASPP模块的引入使小目标识别准确率提升15%,特别适用于医疗影像等需要细粒度分类的场景。未来可通过轻量化改造进一步优化推理速度。
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