原子操作

内核自带的原子操作可以帮助高效地我们实现引用计数等功能。

 

介于这么一个前提,一个引用对象不可能同时被引用和删除。

 

以下可以简单地实现引用计数。

 

内核中的定义:

typedef struct { int counter; } atomic_t;

在复制构造函数(A::A(const A&)),和赋值构造函数(const A& A::operator=(const A&))中

使用void atomic_inc(atomic_t *v);

在析构函数里使用 int atomic_dec_and_test(atomic_t *v),

表示自减之后是否为0。

 

================================================================

 

有一个更犀利的原子操作,

int atomic_add_unless(atomic_t *v, int a, int u);

If the atomic value v is not equal to u, this function adds a to v, and returns non zero. If v is equal to u then it returns zero. This is done as an atomic operation.

 

我们可以抛开这个前提“一个引用对象不可能同时被引用和删除”,做这么一件事:

假设有一个计数器初始值为C(>0),

我们可以并发地对C进行加减操作,加减操作时,操作成功的前提是C>0。

 

方法就这么简单:

加,atomic_add_unless(&t, 1, 0);

减,atomic_add_unless(&t, -1, 0);

 

#以上方法已在单cpu的机器上验证。

#多cpu可以有问题,还要细看源码说明。。

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