PPL并行编程库01-概念

【c++】简单了解并行计算库PPL 先来一波基础概念: 在操作系统中是指,一组程序按独立异步的速度执行,无论从微观还是宏观,程序都是一起执行的。使用并行模式库 (PPL) 帮助我们实现并行。 PPL 提供以下功能: 任务并行:基于 Windows 线程池来并行执行多个工作项(任务)的机制 并行算法:基于并发运行时对数据集合进行处理的泛型算法 并行容器和对象:对元素提供安全并发访问的泛型容器类型 首先看一个 阅读详情

PPL并行编程库01-概念

一、何为PPL,官方的解释

        This tutorial shows how to implement an application using tasksfrom the Parallel Programming Library (PPL). Tasks are units of work that are in a queue and start when the CPU time is available. Tasks can run operations in parallel. There is a master thread that manages this queue and allocates threads from the thread-pool to do work of the tasks. This thread-pool has a number of threads that depends on the number of CPUs that are available.

        本教程演示如何用并行编程库(PPL)中的任务来实现应用程序  。 任务  是队列中的一些工作单元,它们在CPU时间可用时就会启动。 任务  可以并行地运行操作。它归属于有一个主线程,主线程管理此队列,并从线程池中为线程分配内存来完成任务。该  线程池  具有许多线程,具体取决于可用的CPUs数量。

        官方教程目录:http://docwiki.embarcadero.com/RADStudio/Rio/en/Parallel_Programming_Library_Tutorials

                                 http://docwiki.embarcadero.com/Libraries/Rio/en/System.Threading.TTask

二、PPL作用及执行方式

        特别在长时计算和操作时,PPL可以后台多线程的方式在其内建的线程池中运行代码,同时将结果以多种方式与UI线程进行及时的沟通并通知用户做相应的操作。

        (一)、以任务的方式运行PPL

        1、代码模板1::以任务的立即执行方式

       TTask.Run (

       procedure

            //var ...;  // :可代变量
       begin 

            //:1、长时计算和操作,比如Rest获取服务器数据  (可写成独立的方法function或函数procedure,但其不能再有Sender等事件通知参数)

            sleep( 15000 ) ;  //:模拟你的长时计算和操作

            // : 2、写下面(二)、与UI线程进行交互的代码(含UI事件通知)

                //  ......

       end );  //:返回值: ITask (TTask的接口)

        2、代码模板2:以任务的非立即(准备)执行方式

       var  LTask : ITask ;

       LTask := TTask.Create (

       procedure

            //var ...;  // :可代变量

       begin 

            //:1、长时计算和操作,比如Rest获取服务器数据  (可写成独立的方法function或函数procedure,但其不能再有Sender等事件通知参数)             

            sleep( 15000 ) ;  //:模拟你的长时计算和操作

            // : 2、写下面(二)、与UI线程进行交互的代码(含UI事件通知)

                //  ......

       end ) ;  //:返回值: ITask类型的LTask (TTask的接口)

       LTask.Start;

        3、代码模板3:以任务的Future未来方式执行

       private
           FIFuture: IFuture<T>;       

       FIFuture := TTask.Future <T> (

       function : T

            //var ...;  // :可代变量

       begin 

            //:1、长时计算和操作,比如Rest获取服务器数据  (可写成独立的方法function或函数procedure,但其不能再有Sender等事件通知参数)             

            sleep( 15000 ) ;  //:模拟你的长时计算和操作

            // : 2、写返回值:

                Result := T;

       end );  //:返回值: FIFuture: IFuture<T>;    (TTask的接口ITask的子类)

       //  3、然后你就不用管它了,未来,你可以在任何时候,在UI线程中,通过FIFuture.value的调用来取“未来Future”的返回值,如果FIFuture尚未计算完毕则继续计算,直到其终止 (Terminated) 后返回值,但丝毫不阻塞UI。

        (二)、与UI线程进行交互的方式:

        1、线程同步:

       TThread.Synchronize ( nil,
       procedure
       begin
            TDialogService.MessageDialog('执行完',TMsgDlgType.mtInformation,[TMsgDlgBtn.mbOK],TMsgDlgBtn.mbOK,-1,nil );

            // ......其它UI操作及对获取的数据进行处理
       end );

        2、线程队列:

       TThread.Queue ( nil,
       procedure
       begin
            TDialogService.MessageDialog('执行完',TMsgDlgType.mtInformation,[TMsgDlgBtn.mbOK],TMsgDlgBtn.mbOK,-1,nil );

            // ......其它UI操作及对获取的数据进行处理
       end);

 

 

《我的都一本c++书》学习笔记:PPL之多线程 一、PPL是微软Visual C++ 2010中提供的一个简化多线程应用程序开发的编程模型。PPL建立在并发运行时的调度和资源管理组件之上。它在代码与底层线程机制之间插入了一层抽象层,提供支持并发的泛化、类型安全的算法和并行容器。 PPL支持如下特性: 1、并行算法:并行作用于一组数据的泛化算法 2、并行任务:一个可并行执行几个工作单位的机制 3、并行容器和对象:可安全的并发存取其元素的泛 阅读详情

相关推荐

大模型评测实战:如何用Perplexity(PPL)指标量化模型表现(附Python代码示例)

本文深入解析了如何利用Perplexity(PPL)指标对大语言模型进行量化评测。通过阐述PPL的理论基础、提供详细的Python代码示例,并揭示其在评估模型语言模式掌握程度、发现知识盲区方面的核心价值,为模型研发者提供了实战指南。文章还探讨了长文本处理、评测集选择等高级议题与计算陷阱。

g9h0i1的博客 781

利用PPL实现复杂的多线程模式的生产者-消费者

[作者]  常用网名: 猪头三 出生日期: 1981.XX.XX 生理特征: 男 婚姻状况: 已婚 个人网站: http://www.x86asm.com Email:    pliceman_110@163.com QQ交流:   643439947 编程生涯: 2001年~至今[13年] 职业生涯: 11年 职业岗位: 软件架构/

其实我不是代码教父,我只是猪头三 5647

tbb并行编程文件

tbb文件,包含了并行编程所需的头文件、源文件、动态链接库、静态链接库等工具,是进行并行编程的前提。

PPL并行编程库02-多任务

PPL并行编程库02-多任务 一、何为多任务 多任务,即上一个任务尚未执行完毕,下一个任务又启动啦,操作系统中,同时又N个任务在运行,即操作系统的多任务。MSWIDOWS是最早支持多任务的操作系统,POSIX也支持。 二、多任务的并行 2.1、场景 (1)、后台任务按钮:连续点击 (2)、任务中,以TParallel.Join( TArray<TProc>...

pulledup的博客 933

遇见PPL:C++的并行和异步

假设我们有一个数组,里面包含一组随机生成的浮点数,现在要计算每个浮点数对应的正弦值,如果你看过我的 ,你可能会想到用for_each函数,如代码1所示。为了可以把数组里的浮点数替换成对应的正弦值,我们需要把Lambda的参数声明为引用,如果你想保留那些浮点数,可以创建一个新的数组存放计算结果。代码1值得提醒的是,这里使用begin和end两个函数分别获取数组的起止位置,这是C++ 11的推荐写法。此前,我们使用STL容器的begin和end两个成员函数分别获取起止位置,但这种

(论文速读)PTV3: 更简单、更快速、更强大的3D点云处理新突破

该论文提出PointTransformerV3(PTv3),通过简化设计实现3D点云处理的效率突破。该研究摒弃复杂注意力机制,转而采用点云序列化和补丁注意力等高效方法,将感受野从16点扩展到1024点,在保持高精度的同时实现3倍速度提升和10倍内存优化。PTv3在超过20个室内外场景任务中取得SOTA结果,ScanNet语义分割达79.4%mIoU,Waymo检测提升3.3%APH。核心创新包括四种空间填充曲线序列化模式和xCPE位置编码,为3D感知的工业应用提供了高效解决方案。

LJ1147517021的博客 1381

并行模式库PPL应用实战(一):使用task类创建并行任务

自 VS2010 起,微软就在 CRT 中集成了并发运行时(Concurrency Runtime),并行模式库(PPL,Parallel Patterns Library)是其中的一个重要组成部分。7 年过去了,似乎大家都不怎么Care这个事情,相关文章少少且多是蜻蜓点水。实际上这个库的设计相当精彩,胜过 C++ 标准库中 future/promise/async 系列许多,所以计划写...

weixin_30677617的博客 715

黏菌算法(Slime Mould Algorithm,SMA)

这是一篇关于黏菌算法的总结博客,包含算法思想,算法步骤,求函数最值(Python实现),算法改进等,持续更新ing

weixin_46838605的博客 1万+

Windows 的 PPL 安全机制和绕过

Windows 从 vista 版本引入一种进程保护机制(ProcessProtection),用于更进一步的控制进程的访问级别,在此之前,用户只需要使用令牌权限即可获取任意进程的所有访问权限;随后Windows8.1 在此进程保护的基础上,扩展引入了进程保护光机制(Protected ProcessLight),简称PPL机制,其能提供更加细粒度化的进程访问权限控制,。本文将介绍 Windows 的 PPL 安全机制,以及在实验环境下如何绕过该机制,从而实现对 PPL 的进程进行动态调试。

qq_44005305的博客 1387

电力-平衡式IEC 60870-5-101规约报文解析

本文详细介绍了电力自动化中平衡式IEC 60870-5-101规约的应用,包括链路建立与初始化、对时、遥控操作、数据上送和总召唤等关键步骤,通过实例解析了报文格式和交互过程,是理解配网自动化通信的重要参考资料。

让你爱上电路设计 5688

基于共识的捆绑算法CBBA在多无人机多任务调度中的实现

在捆绑过程中,每个无人机根据自己的任务清单和其他无人机的任务清单,确定一个被称为“束”的集合。通过合理的任务分配和无人机协作,CBBA算法能够实现最优的任务调度,提高了多无人机系统的效率和执行能力。在每一轮迭代中,无人机根据自己的当前任务和位置信息将任务清单发送给其他无人机,并接收其他无人机发送过来的任务清单。通过比较其他无人机的任务清单和自身的任务清单,每个无人机可以更新自己的任务分配情况。在这一步中,每个无人机根据自己选择的新任务,更新自身的任务清单,并将更新后的清单发送给其他无人机。

持续更新 1156

指令微调模型中的ppl困惑度指标

在得到指令微调大模型后,需要对模型进行评测,一般分为ppl困惑度评测(从理解上说:ppl是一种用来评价语言模型好坏的指标,生成正确的文本概率越高,就认为模型的困惑度越小,模型也就越好。从数学概念上说:ppl是测试文本中每个token预测概率的几何平均数的倒数)、长序列(如:大海捞针)评测。这篇文章主要说明下对ppl的理解

yifu0121 1442

皮肤病识别 - 使用DenseNet或EfficientNet模型在ISIC数据集上进行皮肤病识别任务

在本篇博客中,我们探讨了如何使用 DenseNet 和 EfficientNet 模型在 ISIC 数据集上进行皮肤病识别任务。我们加载了数据集,并进行了预处理。然后我们使用 Keras 构建了两个不同的模型,并训练和评估了它们。最后,我们使用训练好的模型对新的皮肤病图像进行了预测。

斌擎科技 1309

从信息论到AI:困惑度(PPL)如何成为语言模型的‘温度计’?

本文探讨了困惑度(PPL)作为语言模型性能评估的核心指标,从信息论基础到实际应用。PPL源自信息熵,量化模型预测文本序列的不确定性,广泛应用于自然语言处理(NLP)领域。文章详细解析PPL的计算方法、跨模型比较及优化策略,并指出其局限性及未来发展方向。

bean的博客 196

ABAP 里的 XML 与 JSON 处理,一套从接口落地到 Clean Core 的完整参考

ABAP 里的 XML 和 JSON 处理并不只是几段工具类调用。iXML、sXML、、XCO、、code page conversion、GZIP、对象序列化,这些能力背后对应的是不同的数据规模、访问模式、接口契约和运行时边界。小报文、复杂树结构、需要修改节点,iXML 很顺手。大报文、顺序读写、内存敏感,sXML 更可靠。ABAP 结构和 XML、JSON 之间要做标准转换,是主干。现代 JSON API、ABAP Cloud、命名转换,XCO 值得优先考虑。

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 226

光伏硅片瑕疵检测边缘计算方案:Java+YOLOv11n+GraalVM Native Image+树莓派5部署,工业级高可靠落地

本文提出了一种基于边缘计算的光伏硅片瑕疵检测方案,针对传统人工检测和云端AI方案的不足,采用Java+YOLOv11n+树莓派5的技术路线,实现了低延迟、高可靠的工业级检测。方案核心特点包括: 分层解耦的边缘架构,将感知、推理全链路下沉到树莓派5,端到端延迟<100ms; 创新性技术选型组合:Java 17+ONNX Runtime+GraalVM Native Image,内存占用<200MB; 安防级可靠性设计,支持断网缓存、看门狗守护、异常自动恢复等工业场景需求; 完全基于开源技术栈,硬件

2601_94871597的博客 475

[zlib]使用Intel PPL来提zlib高性能

服务器经常会用到压缩,zlib是默认选择,虽然还有很多其他的快速压缩算法,比如snappy和lz4.可是zlib拥有最广泛的支持和良好的压缩率,就是速度太不理想了. intel有一个高性能库ppl,期中包含zlib的优化.使用方式比较简单,就是链接一下就OK,性能大约可以提升30%左右. 我把ppl装到/usr/local/ppl下面,所以有可能会需要添加include路径,看你需要初始化CP...

weixin_33913332的博客 158

精通 Android NDK/JNI:从入门到精通实战与面试精粹

在Android开发中,

郑伟强dev的专栏 148

pyro.optim pyro ppl 概率编程 优化器 pytorch

2]“讲座6.5 RmsProp:将梯度除以其最近大小的移动平均值”,Tieleman,t .和Hinton,g .,COURSERA:用于机器学习的神经网络。[3]“在线学习和随机优化的自适应次梯度方法”,杜奇,约翰,哈赞,E和辛格,y。剪辑_参数: 可选择的[联盟[词典, 请求即付的[[...], 词典]]] = 没有人。使用从以前对get_state()的调用中获得的状态,设置与所有优化器关联的状态。以带有键值对的字典的形式获得与所有优化器相关的状态(参数名,优化状态字典)

AI 前沿技术实战博客:LLM / Agent / AI 制药 / 生信四大栏目日更,硬核干货 + 可复现代码,看完就能上手 2068

efm32 入门.pdf

本PDF共计22页,介绍的是操作驱动API,下载与否自己斟酌。

LinePhone3.2.7(android端最新版本) sip客户端

SIP客户端For android:LinePhone3.2.7(最新版本),官网地址:http://www.linphone.org/

【llm】——计算llm的ppl损失

用transformer库计算llm的ppl损失

怡宝2号 190

NTscan扫描工具

ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。

性能提升300%:OpenPPL.PPL.NN x86后端自定义算子全流程优化指南

你是否还在为神经网络模型部署时遇到的算子不支持问题而烦恼?是否因现有算子性能无法满足业务需求而束手无策?本文将带你深入OpenPPL.PPL.NN(Primitive Library for Neural Network)的x86后端,通过**4大核心步骤+3类性能优化技巧**,从零开始构建一个高性能自定义算子。读完本文,你将掌握: - 算子参数定义与框架集成的标准化流程 - 数据类型/形状推理...

gitblog_00809的博客 432

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

工业现场频繁掉盘?深度解析康芯威eMMC的PPL断电保护与LDPC纠错机制

工业机器人和边缘计算设备在复杂电磁与宽温环境下,存储数据完整性面临严峻挑战。本文以康芯威工规级eMMC方案为例,深入拆解LDPC强纠错算法与PPL断电保护机制的底层逻辑,探讨国产全栈自研存储主控如何保障高频读写下的数据不丢失、系统不宕机。

2601_96413300的博客 257

并行快速排序

并行快速排序 感谢网友浅水清流投递本稿。 并发算法是多核时代开始流行的技术趋势,比如tbb,ppl都提供了大量有用的并发算法。 经典算法中,排序是一个很适合采用分治法并发的场合,比如快速排序。 常规的快速排序,先在数组中选取一个基准点,将数组分区为小于基准点和大于基准点(相同的数可以到任一边),对分区的子数组递归的执行分区的操作,当子数组长度为1时退出递归。此时数组就完

yipiankongbai的专栏 6406

01字串java_藍橋杯 基礎練習 01字串 Java

問題描述對於長度為5位的一個01串,每一位都可能是0或1,一共有32種可能。它們的前幾個是:0000000001000100001100100請按從小到大的順序輸出這32種01串。輸入格式本試題沒有輸入。輸出格式輸出32行,按從小到大的順序每行一個長度為5的01串。樣例輸出00000000010001000011public class Main {public static void main(...

weixin_39835965的博客 70
上一篇: 关于TDataSet和TFDJsonDataSets在处理数据库字段的字符集和执行效率方面的比较
下一篇: PPL并行编程库02-多任务
专讲冷知识
博客等级 码龄15年 568粉丝 292原创
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
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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

打赏作者

专讲冷知识

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
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