iOS多线程编程之Grand Central Dispatch(GCD)介绍和使用

本文介绍了苹果公司的Grand Central Dispatch (GCD) 技术,该技术用于优化多核心处理器和其他对称多处理系统的应用程序。文章详细解释了GCD的工作原理、队列类型及其使用方法,并提供了实际代码示例。

著作权声明:本文由http://blog.youkuaiyun.com/totogo2010/原创

介绍:

Grand Central Dispatch 简称(GCD)是苹果公司开发的技术,以优化的应用程序支持多核心处理器和其他的对称多处理系统的系统。这建立在任务并行执行的线程池模式的基础上的。它首次发布在Mac OS X 10.6 ,iOS 4及以上也可用。

设计:

GCD的工作原理是:让程序平行排队的特定任务,根据可用的处理资源,安排他们在任何可用的处理器核心上执行任务。

一个任务可以是一个函数(function)或者是一个block。 GCD的底层依然是用线程实现,不过这样可以让程序员不用关注实现的细节。

GCD中的FIFO队列称为dispatch queue,它可以保证先进来的任务先得到执行
dispatch queue分为下面三种:

Serial      

又称为private dispatch queues,同时只执行一个任务。Serial queue通常用于同步访问特定的资源或数据。当你创建多个Serial queue时,虽然它们各自是同步执行的,但Serial queue与Serial queue之间是并发执行的。

Concurrent

又称为global dispatch queue,可以并发地执行多个任务,但是执行完成的顺序是随机的。

Main dispatch queue

它是全局可用的serial queue,它是在应用程序主线程上执行任务的。

我们看看dispatch queue如何使用

1、常用的方法dispatch_async

为了避免界面在处理耗时的操作时卡死,比如读取网络数据,IO,数据库读写等,我们会在另外一个线程中处理这些操作,然后通知主线程更新界面。

用GCD实现这个流程的操作比前面介绍的NSThread  NSOperation的方法都要简单。代码框架结构如下:

    dispatch_async(dispatch_get_global_queue(DISPATCH_QUEUE_PRIORITY_DEFAULT, 0), ^{  
        // 耗时的操作  
        dispatch_async(dispatch_get_main_queue(), ^{  
            // 更新界面  
        });  
    });  

如果这样还不清晰的话,那我们还是用上两篇博客中的下载图片为例子,代码如下:

    dispatch_async(dispatch_get_global_queue(DISPATCH_QUEUE_PRIORITY_DEFAULT, 0), ^{  
        NSURL * url = [NSURL URLWithString:@"http://avatar.youkuaiyun.com/2/C/D/1_totogo2010.jpg"];  
        NSData * data = [[NSData alloc]initWithContentsOfURL:url];  
        UIImage *image = [[UIImage alloc]initWithData:data];  
        if (data != nil) {  
            dispatch_async(dispatch_get_main_queue(), ^{  
                self.imageView.image = image;  
             });  
        }  
    });  

是不是代码比NSThread  NSOperation简洁很多,而且GCD会自动根据任务在多核处理器上分配资源,优化程序。系统给每一个应用程序提供了三个concurrent dispatch queues。这三个并发调度队列是全局的,它们只有优先级的不同。因为是全局的,我们不需要去创建。我们只需要通过使用函数dispath_get_global_queue去得到队列,如下:

dispatch_queue_t globalQ = dispatch_get_global_queue(DISPATCH_QUEUE_PRIORITY_DEFAULT, 0);

这里也用到了系统默认就有一个串行队列main_queue

dispatch_queue_t mainQ = dispatch_get_main_queue(); 

虽然dispatch queue是引用计数的对象,但是以上两个都是全局的队列,不用retain或release。

2、dispatch_group_async的使用

dispatch_group_async可以实现监听一组任务是否完成,完成后得到通知执行其他的操作。这个方法很有用,比如你执行三个下载任务,当三个任务都下载完成后你才通知界面说完成的了。下面是一段例子代码:

ispatch_queue_t queue = dispatch_get_global_queue(DISPATCH_QUEUE_PRIORITY_DEFAULT, 0);  
dispatch_group_t group = dispatch_group_create();  
dispatch_group_async(group, queue, ^{  
    [NSThread sleepForTimeInterval:1];  
    NSLog(@"group1");  
});  
dispatch_group_async(group, queue, ^{  
    [NSThread sleepForTimeInterval:2];  
    NSLog(@"group2");  
});  
dispatch_group_async(group, queue, ^{  
    [NSThread sleepForTimeInterval:3];  
    NSLog(@"group3");  
});  
dispatch_group_notify(group, dispatch_get_main_queue(), ^{  
    NSLog(@"updateUi");  
});  
dispatch_release(group);  

dispatch_group_async是异步的方法,运行后可以看到打印结果:

2012-09-25 16:04:16.737 gcdTest[43328:11303] group1
2012-09-25 16:04:17.738 gcdTest[43328:12a1b] group2
2012-09-25 16:04:18.738 gcdTest[43328:13003] group3
2012-09-25 16:04:18.739 gcdTest[43328:f803] updateUi

每个一秒打印一个,当第三个任务执行后,upadteUi被打印。

3、dispatch_barrier_async的使用

dispatch_barrier_async是在前面的任务执行结束后它才执行,而且它后面的任务等它执行完成之后才会执行

例子代码如下:

    dispatch_queue_t queue = dispatch_queue_create("gcdtest.rongfzh.yc", DISPATCH_QUEUE_CONCURRENT);  
    dispatch_async(queue, ^{  
        [NSThread sleepForTimeInterval:2];  
        NSLog(@"dispatch_async1");  
    });  
    dispatch_async(queue, ^{  
        [NSThread sleepForTimeInterval:4];  
        NSLog(@"dispatch_async2");  
    });  
    dispatch_barrier_async(queue, ^{  
        NSLog(@"dispatch_barrier_async");  
        [NSThread sleepForTimeInterval:4];  
      
    });  
    dispatch_async(queue, ^{  
        [NSThread sleepForTimeInterval:1];  
        NSLog(@"dispatch_async3");  
    });  

打印结果:

2012-09-25 16:20:33.967 gcdTest[45547:11203] dispatch_async1

2012-09-25 16:20:35.967 gcdTest[45547:11303] dispatch_async2

2012-09-25 16:20:35.967 gcdTest[45547:11303] dispatch_barrier_async

2012-09-25 16:20:40.970 gcdTest[45547:11303] dispatch_async3

请注意执行的时间,可以看到执行的顺序如上所述。

4、dispatch_apply 

执行某个代码片段N次。
dispatch_apply(5, globalQ, ^(size_t index) {
    // 执行5次
});

本篇使用的到的例子代码:http://download.youkuaiyun.com/detail/totogo2010/4596471

GCD还有很多其他用法,可以参考官方文档

参考的文档还有:http://en.wikipedia.org/wiki/Grand_Central_Dispatch



在计算机视觉的研究范畴内,针对书面文字的定位与辨识构成了一项基础而关键的工作。尤其对于汉字这类结构繁复、形态多样的书写系统,相关技术面临更为显著的困难。本文旨在探讨一种基于深度学习的解决方案,该方案整合了角点文本提议网络与密集连接卷积网络两项模型,以应对汉字文本的检测与识别挑战。下文将系统阐述这两个模型的基本原理及其在汉字处理任务中的具体应用。 角点文本提议网络最初于2016年由He等人提出,其核心目标在于实现文本行的精确定位。该模型在区域提议网络的基础上进行了重要改进,通过引入方向性锚点机制,使模型能够同时预测文本行的上下边界与左右角点位置,从而显著提升了文本框定位的精度。结合滑动窗口策略与多尺度检测技术,该网络能够在复杂图像背景中稳定地识别出文本行区域。 密集连接卷积网络则由Huang等人在2017年提出,是一种具有创新连接结构的深度卷积神经网络。该网络的核心思想是建立密集连接,即每一层的特征输出都会直接传递至后续所有层作为输入。这种设计不仅有效缓解了深层网络中的特征退化问题,还大幅减少了模型参数数量,提升了训练过程的效率。在汉字识别任务中,该网络凭借其强大的特征表征能力,能够从图像中提取出判别性强的文本特征,进而提高字符分类的准确性。 在本方案的实施流程中,首先利用角点文本提议网络对输入图像进行扫描,定位出所有潜在的文本行区域并生成对应的候选边界框。随后,将这些候选区域裁剪出的图像块送入密集连接卷积网络进行特征编码与字符分类。识别过程通常采用逐字符预测的方式,并借助时序分类或序列转换器等序列建模技术,将离散的字符预测结果整合为连贯的文本字符串。 项目的完整实现通常涵盖以下几个关键环节:其一,数据预处理阶段,涉及对汉字文本图像的标准化操作,如尺寸归一化、对比度调整等,以优化模型输入质量;其二,模型构建与训练阶段,包括网络结构的代码实现、损失函数定义以及超参数配置;其三,性能评估阶段,需在公开的汉字文本基准数据集上进行定量测试,以验证模型的有效性;其四,推断应用阶段,提供将训练完备的模型部署于新图像并完成端到端文本识别的功能代码。 此类综合性研究项目有助于学习者深入掌握深度学习技术在视觉信息处理中的实际应用,特别是针对汉字这一特定对象的处理方法。通过完整的开发实践,研究者能够进一步熟悉主流深度学习框架的操作,并提升解决复杂工程问题的能力。 综上所述,本方案通过融合角点文本提议网络的定位优势与密集连接卷积网络的识别效能,构建了一个能够对汉字文本进行可靠检测与识别的完整系统。该工作为相关领域的研究与实践提供了有价值的参考范例。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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