菜小疯 - 博客园

2021年9月2日

摘要： pytorch中的激励函数以下代码绘制pytorch中的激励函数： import torch from torch.autograd import Variable import torch.nn.functional as F import matplotlib.pyplot as plt im 阅读全文

posted @ 2021-09-02 19:03 菜小疯阅读(119) 评论(0) 推荐(0)

Variable类

摘要： Variable类 Variable类在pytorch中定义，以下代码演示Variable的用法： import torch from torch.autograd import Variable import numpy tensor = torch.FloatTensor([[1, 2], [3 阅读全文

posted @ 2021-09-02 17:36 菜小疯阅读(85) 评论(0) 推荐(0)

pytorch vs numpy

摘要： pytorch vs numpy 以下代码比较pytorch和numpy的基本运算功能： import numpy as np import torch np_data = np.arange(6).reshape((2, 3)) print('numpy data:', np_data) torc 阅读全文

posted @ 2021-09-02 16:46 菜小疯阅读(213) 评论(0) 推荐(0)

2021年8月29日

多进程5

摘要：多进程5 本文展示在多进程中创建与使用共享变量和锁的步骤。共享变量 import multiprocessing as mp import time def job(v, add_num): for i in range(10): time.sleep(0.1) v.value += add_nu 阅读全文

posted @ 2021-08-29 15:55 菜小疯阅读(34) 评论(0) 推荐(0)

多进程4

摘要：多进程4 本文使用multiprocessing中的Pool类来进行任务分配和保存返回值。具体是使用Pool类的两个方法，分别是map方法和apply_async方法。 map方法以下代码使用map方法: import multiprocessing as mp def job(a): retu 阅读全文

posted @ 2021-08-29 10:52 菜小疯阅读(52) 评论(0) 推荐(0)

2021年8月28日

多进程3

摘要：多进程3 以下代码比较了多线程、多进程和普通顺序执行所耗费的时间： import multiprocessing as mp import threading import time def job(): a = 0 for i in range(10000): for j in range(100 阅读全文

posted @ 2021-08-28 20:50 菜小疯阅读(42) 评论(0) 推荐(0)

多进程2

摘要：多进程2 与线程类似，进程无法返回一个值，我们还是可以使用Queue来返回值。以下代码使用了Queue： import multiprocessing as mp def job1(qq, x): x = x * 2 qq.put(x) if __name__ == '__main__': q = 阅读全文

posted @ 2021-08-28 17:35 菜小疯阅读(16) 评论(0) 推荐(0)

多进程

摘要：多进程以下代码创建一个进程： import multiprocessing as mp def job1(): print('this is a process') if __name__ == '__main__': p1 = mp.Process(target=job1) p1.start() 阅读全文

posted @ 2021-08-28 15:57 菜小疯阅读(44) 评论(0) 推荐(0)

多线程4

摘要：多线程4 为了等待线程执行完毕，除了多线程2中提到的join，还可以使用本文的lock。以下代码展示未使用lock的情况： import threading def thread1_job(): global A for i in range(10): A += 1 print('thread1' 阅读全文

posted @ 2021-08-28 12:02 菜小疯阅读(37) 评论(0) 推荐(0)

多线程3

摘要：多线程3 线程任务无法像函数一样用return返回一个值，Queue类是解决这个问题的一种方法。以下代码用Queue方法返回线程任务的处理结果： import threading from queue import Queue def thread1_job(lis, q): for i in r 阅读全文

posted @ 2021-08-28 10:49 菜小疯阅读(25) 评论(0) 推荐(0)