四叶草の博客

前言 最近为了提高我的人脸识别项目的效率，我决定使用多线程/进程，在这里谈谈心得。 一、多进程与多线程的区别 多任务可以由多进程完成，也可以由一个进程内的多线程完成。 进程是由若干线程组成的，一个进程至少有一个线程。 由于线程是操作系统直接支持的执行单元，因此，高级语言通常都内置多线程的支持，Python也不例外，并且，Python的线程是真正的Posix Thread，而不是模拟出来的线程。 在这里找到一个关于多进程和多线程的不同之处的一个小栗子： 我们打个比方，假设你不幸正在准备中考，每天晚上需要做语文、数学、英语、物理、化学这5科的作业，每项作业耗时1小时。 如果你先花1小时做语文作业，做完了，再花1小时做数学作业，这样，依次全部做完，一共花5小时，这种方式称为单任务模型，或者批处理任务模型。 假设你打算切换到多任务模型，可以先做1分钟语文，再切换到数学作业，做1分钟，再切换到英语，以此类推，只要切换速度足够快，这种方式就和单核CPU执行多任务是一样的了，以幼儿园小朋友的眼光来看，你就正在同时写5科作业。 但是，切换作业是有代价的，比如从语文切到数学，要先收拾桌子上 ...

前言 转载自https://www.cnblogs.com/sttchengfei/p/12594945.html 以windows远程协助映射为例，其他服务的配置大同小异，具体请查看github https://github.com/fatedier/frp 服务端（公网ip） 下载对应平台的程序 1wget https://github.com/fatedier/frp/releases/download/v0.24.1/frp_0.24.1_linux_amd64.tar.gz 解压，修改配置文件  只需要frps，可以把frpc删掉，然后修改frps.ini文件 1234567[common]bind_port = 7000log_file = ./frps.loglog_level = infodisable_log_color = falsemax_pool_count = 100log_max_days = 3 随便弄一个空闲端口和客户端通信。 1./frps -c frps.ini 启动服务 客户端 同样下载对应平台的发布程序，同理可以把frps删掉，只保留 ...

2020年年初的时候面临严峻的新冠疫情，我蜗居在家学习，备战即将到来的中考。说实话直到开学之前，我一直没有什么紧迫感。直到上学后，看到班主任似乎才有了一点要中考的感觉。 中考的脚步一步步逼近，我的成绩也波动颇大，最差能有二百三二百四，最好也有七十几。每次考试的心情都如同过山车一般。记得考前最后一次七联考年级38名，班级第一。我这个在我们班做了千年老二的人拿了最后也是第一个班级第一。我对半开玩笑半认真地说，我恐怕再也拿不了班级第一了。 我的初中班级很令人温暖。我们前面的几个男生虽然嘴上互相怼，“wzc今天是w三八歪”，“pyx中考又要年级第二了”，“wzm暴发户要最后一次爆发咯”……但是恰恰是这些不走心的话语，在毕业以后回忆起来居然是最温暖的鼓励。 好巧不巧地是，zh中考的休息学校正好是二中，我们班一个体育生（二中加100分）打趣说：“wzc要是考不好就和我们一起来二中嗨！”，我也附和着哈哈大笑，不曾想这居然一语成谶。 关于中考，我永远不会忘记的就是数学考试，那天早上的大雨令人猝不及防，我的鞋和身上全是湿的，滴着水的我走进了考场。一考完其实明明知道自己肯定考砸了，还是不死心地对了答案 ...

前言 静态库是指在我们的应用中，有一些公共代码是需要反复使用，就把这些代码编译为“库”文件；在链接步骤中，连接器将从库文件取得所需的代码，复制到生成的可执行文件中的这种库。 ——“百度百科” 库一共分为两种，一为静态库，二为动态库。在实际运用中各有各的优势。 静态库: 当程序与静态库连接时，库中目标文件所含的所有将被程序使用的函数的机器码被 copy 到最终的可执行文件中。 这意味着单个可执行程序的体积会更加庞大，而且在制作过程中要对整个项目进行完整的编译，其优点是运行速度较快且可移植性较好。 动态库： 与共享库连接的可执行文件只包含它需要的函数的引用表，而不是所有的函数代码，只有在程序执行时, 那些需要的函数代码才被拷贝到内存中。 通俗的理解，把一个程序中的多个函数拆分到单个文件中，在主函数中只需要记录需要的函数的引用表，所以单个体积相对较小，但是文件较多，并且在链接动态库时效率会比静态库更加低下。其优点是占用空间较小且便于更新。 ——————————————华丽的分割线—————————————— 今天先水一篇关于Linux下静态库的制作与使用。 首先先在同一目录下准备三个文 ...

在洛谷 “滑雪” P1434题解——DP中介绍了这道题的动态规划解法，下面介绍的则是记忆化搜索。事实上我也是dp的初学者，我决定用这道经典的题目来体会dp和记忆化的正真思路。未来会对dp以及记忆化搜索进行总结。 首先先亮出喜闻乐见的大爆搜。 12345678910111213141516171819202122232425262728#include <bits/stdc++.h>using namespace std;int n,m;int i,j;int d[105][105],a[105][105];int maxn;void dfs(int dep,int x,int y){maxn=max(dep,maxn);//取最大深度 //四个方向进行遍历if (a[x+1][y]<a[x][y]) dfs(dep+1,x+1,y);if (a[x-1][y]<a[x][y]) dfs(dep+1,x-1,y);if (a[x][y+1]<a[x][y]) dfs(dep+1,x,y+1);if (a[x][y-1]<a[ ...

作为洛谷弱狗的第一篇题解，那必须要写的详细一点/doge 还记得初二的时候听老师讲动态规划，完全就没听懂，现在上了高中，再重温动态规划，似乎有了新的感悟。 先说整体做法：优先队列+线性动态规划 42ms 由于x和y的范围在1~100区间，所以直接暴力搜索一定会超时。 一个格子中可以有四个方向分别滑过来:[x+1][y], [x-1][y], [x][y+1],[x][y-1]。先分别判断这四个方位是否比中心的格子低。如果比中心的格子低，那么有如下的动态转移方程： d[i][j]=max{d[i][j],d[x+1][y]+1,d[x-1][y]+1,d[x][y+1]+1,d[x][y-1]+1} 但是动态规划要考虑无后效性，如果只是挨个遍历，那么结果肯定是错误的。因此要维护一个从小到大的优先队列。从低的点算起，那么对于后续高的点没有影响。 其余请浏览代码注释部分。 123456789101112131415161718192021222324252627282930313233343536373839404142434445#include <bits ...