threadsafe stack

/****************************************************************************
@File Name: safestack.h
@Author: wangzhicheng
@mail: 2363702560@qq.com
@Created Time: Wed 08 Mar 2017 09:06:48 AM CST
****************************************************************************/
#include <atomic>
#include <memory>
#include <mutex>
#include <stack>
namespace safestack
{
using namespace std;
template<typename T>
class SafeStack
{
private:
	const int m_nlimit;
	atomic_int m_total;
	stack<T>m_data;
	mutable mutex m_mutex;
public:
	SafeStack(int n = 1000):m_nlimit(n)
	{
		m_total = 0;
	}
	SafeStack(const SafeStack &other)
	{
		lock_guard<mutex>lock(other.m_mutex);
		m_data = other.data;
	}
	SafeStack & operator =(const SafeStack&) = delete; 
	bool push(T value)
	{
		if(m_total >= m_nlimit) return false;
		++m_total;
		lock_guard<mutex>lock(m_mutex);
		m_data.push(value);

		return true;
	}
	shared_ptr<T>pop()
	{
		lock_guard<mutex>lock(m_mutex);
		if(m_data.empty()) return nullptr;
		--m_total;
		shared_ptr<T>const res(make_shared<T>(m_data.top()));
		m_data.pop();

		return res;
	}
	bool pop(T &value)
	{
		lock_guard<mutex>lock(m_mutex);
		if(m_data.empty()) return false;
		--m_total;
		value = m_data.top();
		m_data.pop();

		return true;
	}
	bool empty() const
	{
		lock_guard<mutex>lock(m_mutex);
		return m_data.empty();
	}
};
}

/****************************************************************************
@File Name: test.cpp
@Author: wangzhicheng
@mail: 2363702560@qq.com
@Created Time: Wed 08 Mar 2017 09:09:30 AM CST
****************************************************************************/
#include "safestack.h"
#include <iostream>
#include <thread>
using namespace safestack;
static const int N = 1000000;
SafeStack<int>ss(N);
void thread_push()
{
	while(1)
	{
		for(int i = 0;i < N;i++) ss.push(i);
	}
}
void thread_pop()
{
	while(1)
	{
		shared_ptr<int>ptr = ss.pop();
		if(!ptr) cout << "stack is empty...!" << endl;
	}
}
int main()
{
	thread th0(thread_push);
	thread th1(thread_pop);
	th0.join();
	th1.join();

	return 0;
}

CC=g++
all:
	$(CC) -std=c++11 -g -o safestackTest test.cpp safestack.h -pthread

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
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