协程

  • 什么是协程:

协程又称微线程,用户级线程,是Python 中实现多任务的方式之一。
特点:在不开辟线程的基础上完成多任务

  • 创建协程的方式
  1. 使用yield 即只要含有yield就是协程
import time
def task1():
    while True:
        print("--1--")
        time.sleep(0.1)
        yield

def task2():
    while True:
        print("--2--")
        time.sleep(0.1)
        yield
def main():
    t1=task1()
    t2=task2()
    #先让t1运行,t1遇到yield的时候在返回,然后
    #执行t2,当他遇到yield时候再次切换到t1
    #这样交替运行,实现了多任务
    while True:
        next(t1)
        next(t2)
if __name__=='__main__':
    main()
  1. 使用分装好的包 gevent

当一个gevent遇到IO操作时,比如访问网络,就自动切换到其他的gevent,等到IO操作完成,再在适当的时候切换回来继续执行。由于IO操作非常耗时,经常使程序处于等待状态,有了gevent为我们自动切换协程,就保证总有greenlet在运行,而不是等待IO。

import gevent
from gevent import monkey
import time

#将程序中用到的耗时操作的代码,切换为gevent中自己实现的模块
monkey.patch_all()
def a():
    for i in range(10):
        print('a:',i)
        time.sleep(0.8)

def b():
    for i in range(10):
        print('b:',i)
        time.sleep(0.8)
ga=gevent.spawn(a)
gb=gevent.spawn(b)

#让线程等待所有任务完成,再继续执行
#ga.join()
#gb.join()
gevent.joinall(ga,gb)
  • 进程、线程、协程
    • 进程是系统资源分配的基本单位,线程是CPU调度的基本单位,协程是在不开辟线程的基础上完成多任务
    • 进程资源开销大,稳定性强,效率很低;线程资源开销较小,稳定性较差,效率一般;协程资源开销小,稳定性依赖于线程,效率较高
    • 多进程,多线程可能是并行,但协程在一个线程中,所以是并发
    • 协程依赖于线程,线程依赖于进程。

总结:

协程最大的优势就是协程极高的执行效率。因为子程序切换不是线程切换,而是由程序自身控制,因此,没有线程切换的开销,和多线程比,线程数量越多,协程的性能优势就越明显。

第二大优势就是不需要多线程的锁机制,因为只有一个线程,也不存在同时写变量冲突,在协程中控制共享资源不加锁,只需要判断状态就好了,所以执行效率比多线程高很多。

因为协程是一个线程执行,那怎么利用多核CPU呢?最简单的方法是多进程+协程,既充分利用核,又充分发挥协程的高效率,可获得极高的性能。

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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