java 线程池 ExecutorService相关归纳

public class ExecutorServiceDemo {
    public static void main(String[] args) {
         // 单线程池
        ExecutorService executorService1 = Executors.newSingleThreadExecutor();
        //固定线程数线程池
        ExecutorService executorService2 = Executors.newFixedThreadPool(2);
        //不限数量线程池 最大数量 Integer.MAX_VALUE;
        ExecutorService executorService3 =Executors.newCachedThreadPool();
        
        PoolDemo demo = new PoolDemo();
        SimpleDateFormat sdf = new SimpleDateFormat("YYYY-MM-DD hh-mm-ss.SSS");
        System.out.println("begin"+ sdf.format(new Date()));
        //定时线程池
        ScheduledExecutorService scheduledExecutorService = Executors.newScheduledThreadPool(3);
        //TimeUnit.SECONDS说明‘3’的单位是秒  从现在开始,推迟3秒后执行demo的run方法
        scheduledExecutorService.schedule(demo, 3, TimeUnit.SECONDS);
        //推迟1秒 然后不管前面的线程是否执行完, 每隔2秒执行demo的run方法(固定速率)
        scheduledExecutorService.scheduleAtFixedRate(demo, 1, 2, TimeUnit.SECONDS);
        // 推迟3秒 开始执行demo的run方法 然后在前面线程执行完后4秒后 再次执行demo的run方法(固定延迟时间)
        scheduledExecutorService.scheduleWithFixedDelay(demo, 3, 4, TimeUnit.SECONDS);

  }

}


class PoolDemo implements Runnable{
    int num =0 ;
   
        @Override
        public void run() {
            if(num%2 ==0 ){
                try {
                    Thread.sleep(2000);
                } catch (InterruptedException e) {
                    // TODO Auto-generated catch block
                    e.printStackTrace();
                }
                num++;
            }
            SimpleDateFormat sdf = new SimpleDateFormat("YYYY-MM-DD hh-mm-ss.SSS");
            System.out.println("执行一次run后"+sdf.format(new Date()));
            
        }
        
    }

 

 

 

Timer.schedule  执行定时任务

(1)Timer.schedule(TimerTask task,Date time)安排在制定的时间执行指定的任务。
(2)Timer.schedule(TimerTask task,Date firstTime ,long period)安排指定的任务在指定的时间开始进行重复的固定延迟执行.
(3)Timer.schedule(TimerTask task,long delay)安排在指定延迟后执行指定的任务.
(4)Timer.schedule(TimerTask task,long delay,long period)安排指定的任务从指定的延迟后开始进行重复的固定延迟执行.
(5)Timer.scheduleAtFixedRate(TimerTask task,Date firstTime,long period)安排指定的任务在指定的时间开始进行重复的固定速率执行.
(6)Timer.scheduleAtFixedRate(TimerTask task,long delay,long period)安排指定的任务在指定的延迟后开始进行重复的固定速率执行.

数据集介绍:多类别动物目标检测数据集 一、基础信息 数据集名称:多类别动物目标检测数据集 图片数量: - 训练集:6,860张图片 - 验证集:1,960张图片 - 测试集:980张图片 总计:9,800张含动态场景的动物图像 分类类别: Alpaca(羊驼)、Camel(骆驼)、Fox(狐狸)、Lion(狮子)、Mouse(鼠类)、Ostrich(鸵鸟)、Pig(猪)、Rabbit(兔子)、Rhinoceros(犀牛)、Shark(鲨鱼)、Sheep(绵羊)、Snake(蛇)、Whale(鲸鱼) 标注格式: YOLO格式标注,包含目标检测所需的归一化坐标及类别索引,适用于YOLOv5/v7/v8等系列模型训练。 数据特性: 覆盖航拍、地面视角等多种拍摄角度,包含动态行为捕捉及群体/单体目标场景。 二、适用场景 野生动物监测系统: 支持构建无人机/红外相机AI识别系统,用于自然保护区动物种群追踪与生态研究。 智慧农业管理: 适用于畜牧养殖场动物行为分析、数量统计及健康监测等自动化管理场景。 生物多样性研究: 为陆地/海洋生物分布研究提供标注数据支撑,助力濒危物种保护项目。 教育科研应用: 可作为计算机视觉课程实践素材,支持目标检测、迁移学习等AI教学实验。 三、数据集优势 跨物种覆盖全面: 包含13类陆生/水生动物,涵盖家畜、野生动物及濒危物种,支持复杂场景下的模型泛化训练。 动态场景丰富: 捕捉动物运动、群体互动等真实行为模式,提升模型对非静态目标的检测鲁棒性。 标注体系规范: 严格遵循YOLO标注标准,提供精确的边界框定位,支持即插即用的模型训练流程。 多场景适配性: 数据来源涵盖航拍影像、地面监控等多维度视角,适用于农业、生态保护、科研等跨领域应用。 类别平衡优化: 通过分层抽样保证各类别数据分布合理性,避免长尾效应影响模型性能。
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