学习笔记 线程异步请求过程

本文通过三个版本的代码示例介绍了如何利用Python中的线程来优化程序执行效率,包括直接顺序执行、使用线程及回调函数进行异步处理、以及采用yield和全局变量的方式实现异步回调。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

记录学习线程异步请求的过程

版本1

不使用线程时,正常情况下执行过程。

# -*- coding:utf-8  -*-
# 日期:2018/5/27 14:50
# Author:小鼠标
import time
def a():
    print('a函数开始执行')
    res =  long_io()
    print('========', res)
    print('a函数执行结束')
def b():
    print('b函数开始执行')
    time.sleep(2)
    print("b函数执行结束")
def long_io():
    print("执行长时间的io操作")
    time.sleep(5)
    print("io操作完成")
    return 'io结果返回'
def main():
    a()
    b()

if __name__ == '__main__':
    main()

版本二

开启新的线程去执行费时的操作,提高程序执行的速度,加入回调函数

# -*- coding:utf-8  -*-
# 日期:2018/5/27 14:50
# Author:小鼠标
import time
import _thread

def a():
    print('a函数开始执行')
    long_io(on_finish)
    print('a函数执行结束')
def on_finish(res):
    print(res)
def b():
    print('b函数开始执行')
    time.sleep(2)
    print("b函数执行结束")
#修改长时间的io函数,开启新的线程执行该操作,
#用回调函数执行返回结果
def long_io(callback):
    def func(callback):
        print("执行长时间的io操作")
        time.sleep(5)
        print("io操作完成")
        callback('io结果返回===(回调函数执行)')
    _thread.start_new_thread(func,(callback,))
def main():
    a()
    b()
    #为了子程序能执行完成
    while 1:
        pass

if __name__ == '__main__':
    main()

版本三

用yield和全局变量实现函数的回调

# -*- coding:utf-8  -*-
# 日期:2018/5/27 14:25
# Author:小鼠标


import time
import _thread
def c(f):
    def index():
        m = f()
        r = next(m)
        def func(r):
            print("开启新的线程处理问题")
            ioRes = next(r)
            try:
                r.send(ioRes)
            except StopIteration:
                pass
        _thread.start_new_thread(func,(r,))
    return index


@c
def a():
    print('a函数开始执行')
    res = yield long_io()
    print('========', res)
    print('a函数执行结束')

def b():
    print('b函数开始执行')
    time.sleep(2)
    print("b函数执行结束")
def long_io():
    print("执行长时间的io操作")
    time.sleep(5)
    print("io操作完成")
    yield 'io结果返回'
def main():
    a()
    b()
    while 1:
        pass


if __name__ == '__main__':
    main()

 

转载于:https://www.cnblogs.com/7749ha/p/9096165.html

内容概要:本文档详细介绍了一个基于MATLAB实现的跨尺度注意力机制(CSA)结合Transformer编码器的多变量时间序列预测项目。项目旨在精准捕捉多尺度时间序列特征,提升多变量时间序列的预测性能,降低模型计算复杂度与训练时间,增强模型的解释性和可视化能力。通过跨尺度注意力机制,模型可以同时捕获局部细节和全局趋势,显著提升预测精度和泛化能力。文档还探讨了项目面临的挑战,如多尺度特征融合、多变量复杂依赖关系、计算资源瓶颈等问题,并提出了相应的解决方案。此外,项目模型架构包括跨尺度注意力机制模块、Transformer编码器层和输出预测层,文档最后提供了部分MATLAB代码示例。 适合人群:具备一定编程基础,尤其是熟悉MATLAB和深度学习的科研人员、工程师和研究生。 使用场景及目标:①需要处理多变量、多尺度时间序列数据的研究和应用场景,如金融市场分析、气象预测、工业设备监控、交通流量预测等;②希望深入了解跨尺度注意力机制和Transformer编码器在时间序列预测中的应用;③希望通过MATLAB实现高效的多变量时间序列预测模型,提升预测精度和模型解释性。 其他说明:此项目不仅提供了一种新的技术路径来处理复杂的时间序列数据,还推动了多领域多变量时间序列应用的创新。文档中的代码示例和详细的模型描述有助于读者快速理解和复现该项目,促进学术和技术交流。建议读者在实践中结合自己的数据集进行调试和优化,以达到最佳的预测效果。
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