4.5-chinese
4.5 本章总结
同步操作对于使用并发编写一款多线程应用来说，是很重要的一部分：如果没有同步，线程基本上就是独立的，也可写成单独的应用，因其任务之间的相关性，它们可作为一个群体直接执行。本章，我们讨论了各式各样的同步操作，从基本的条件变量，到“期望”、“承诺”，再到打包任务。我们也讨论了替代同步的解决方案：函数化模式编程，完全独立执行的函数，不会受到外部环境的影响；还有，消息传递模式，以消息子系统为中介，向线程异步的发送消息。
我们已经讨论了很多C++中的高层工具，现在我们来看一下底层工具是如何让一切都工作的：C++内存模型和原子操作。
本博客所有文章除特别声明外，均采用 CC BY-NC-SA 4.0 许可协议。转载请注明来源 Estom的博客！
相关推荐
2020-09-24
9网络和进程通信
asyncio — 异步 I/O 踩坑 进行总结。tmd。只记录最新版的Python能够使用的协程方式。 对象EventloopEventloop可以说是asyncio应用的核心，是中央总控。Eventloop实例提供了注册、取消和执行任务和回调的方法。 把一些异步函数(就是任务，Task，一会就会说到)注册到这个事件循环上，事件循环会循环执行这些函数(但同时只能执行一个)，当执行到某个函数时，如果它正在等待I/O返回，事件循环会暂停它的执行去执行其他的函数；当某个函数完成I/O后会恢复，下次循环到它的时候继续执行。因此，这些异步函数可以协同(Cooperative)运行：这就是事件循环的目标。 Coroutine协程(Coroutine)本质上是一个函数，特点是在代码块中可以将执行权交给其他协程 1234567891011121314151617181920❯ cat coro1.pyimport asyncioasync def a(): print('Suspending a') await asyncio.s...
2020-10-07
04多元线性回归
多元线性回归问题 假设函数 $$h_\theta(x)=\theta_0+\theta_1x_1+\theta_2x+\theta_3x+\theta_4x\= [\theta_0,\theta_1,\theta_2,\theta_3,\theta_4]\times[1,x_1,x_2,x_3,x_4]^T\=\overrightarrow{\theta}^T\times\overrightarrow{x}$$ 代价函数 $$J(\overrightarrow{\theta})=\frac{1}{2m}\sum_{i=1}^m(h_\theta(\overrightarrow{x}^{(i)})-y^{(i)})^2$$ 梯度下降 $$\theta_j = \theta_j - \alpha\frac{\partial}{\partial\theta_j}J(\overrightarrow{\theta})$$ 特征放缩（归一化处理）当一个假设函数的多个特征处在相同的范围的时候，函数会更快的收敛。 均值归一化...
2021-03-20
a_demo_of_the_spectral_co-clustering_algorithm
频谱共聚算法演示 翻译者：@N!no校验者：待校验 这个例子演示了如何使用谱协聚类算法生成数据集并对其进行双聚类处理。 数据集是使用 make_biclusters 函数生成的，该函数创建一个小值矩阵，并将大值植入双聚类。然后将行和列打乱并传递给光谱协聚算法。通过重新排列变换后的矩阵可以使双聚类连续，这展示出该算法找到双聚类的准确性。 1consensus score: 1.0 123456789101112131415161718192021222324252627282930313233343536373839404142print(__doc__)# Author: Kemal Eren <kemal@kemaleren.com># License: BSD 3 clauseimport numpy as npfrom matplotlib import pyplot as pltfrom sklearn.datasets import make_biclustersfrom sklearn.cluster import SpectralCoclus...
2021-03-20
1
1. 监督学习 1.1. 广义线性模型 1.1.1. 普通最小二乘法 1.1.2. 岭回归 1.1.3. Lasso 1.1.4. 多任务 Lasso 1.1.5. 弹性网络 1.1.6. 多任务弹性网络 1.1.7. 最小角回归 1.1.8. LARS Lasso 1.1.9. 正交匹配追踪法（OMP） 1.1.10. 贝叶斯回归 1.1.11. logistic 回归 1.1.12. 随机梯度下降， SGD 1.1.13. Perceptron（感知器） 1.1.14. Passive Aggressive Algorithms（被动攻击算法） 1.1.15. 稳健回归（Robustness regression）: 处理离群点（outliers）和模型错误 1.1.16. 多项式回归：用基函数展开线性模型 1.2. 线性和二次判别分析 1.2.1. 使用线性判别分析来降维 1.2.2. LDA 和 QDA 分类器的数学公式 1.2.3. LDA 的降维数学公式 1.2.4. Shrinkage（收缩） 1.2.5. 预估算法 1.3. 内核岭回归 1.4. 支持向量...
2022-04-18
7 less
Less 概述1）动态样式语言CSS 是一门非程序式语言，没有变量、函数、作用域等概念。CSS 被称之为 静态样式语言，从而导致样式文件的修改和维护困难。 动态样式语言 是指，在静态样式语言的基础上，添加了一门真正的语言所必需的元素：变量、数据类型、运算、逻辑结构、函数、继承等，从而大大提高样式的可修改和可维护性。 2）什么是 LessLess 是一门 CSS 预处理语言，它扩展了 CSS 语言，增加了变量、Mixin、函数等特性，使 CSS 更易维护和扩展。 Less 官网：http://www.lesscss.net/ 3）如何使用 Lessa. 在客户端使用 在 HTML 页面的 <head> 元素内引入 .less 样式文件（**rel**属性值为stylesheet/less）。 123456789101112131415@base: #f938ab;.box-shadow(@style, @c) when (iscolor(@c)) { box-shadow: @style @c; -webkit-box-shadow: @...
2021-03-31
4.10 棋盘覆盖问题
棋盘覆盖问题问题描述棋盘覆盖问题。有一个$2^k∗2^k$的方格棋盘，恰有一个方格是黑色的，其他为白色。你的任务是用包含3个方格的L型牌覆盖所有白色方格。黑色方格不能被覆盖，且任意一个白色方格不能同时被两个或更多牌覆盖。如图所示为L型牌的4种旋转方式。 求解棋盘覆盖的方法。 问题分析 问题分类： 策略选择 数据结构：线性数据结构 算法思想：分治法 算法设计分治三步骤 划分问题：将$2^k∗2^k$的棋盘划分为 $2^{k−1}∗2^{k−1}$这样的子棋盘4块。 递归求解：递归填充各个格子，填充分为四个情况，在下面会有解释，递归出口为 k=0k=0也就是子棋盘方格数为1。 合并问题：不需要合并子问题。 分治方法：将棋盘等分为四块。然后分为以下两种情况。 额外的方格在某一块中，不需要处理该区块。 额外的方格不在某一块中。则添加一个L型牌覆盖三个没有额外方格的块。 重复以上步骤直到能完全覆盖。 算法分析算法实现12345678910111213141516171819202122232425262728293031323334353637383940...
