Singleton:---------
package cn.tools; public class Singleton { //饿汉模式(变种) /*private static Singleton singleton; static{ singleton = new Singleton(); System.out.println("static ===== "+singleton.toString()); } private Singleton(){} public static Singleton getInstance(){ System.out.println("getInstance==========="); return singleton; } public static void test(){ System.out.println("test======== " + singleton.toString()); }*/ //双重校验锁 /*private static Singleton singleton ; private Singleton(){} public static Singleton getInstance(String threadNo){ //T1 T2 T3 //T4 if(singleton == null){ //T1 T2 T3 System.out.println("singleton 1 ================== threadNo:"+threadNo); synchronized (Singleton.class) { //T2 T1 T3 System.out.println("singleton 2 ================== threadNo:"+threadNo); if(singleton == null){ //T2 System.out.println("singleton 3 ============== threadNo:"+threadNo); singleton = new Singleton(); } } } return singleton; }*/ //静态内部类 lazy loading private static Singleton singleton; private Singleton(){} private static class SingletonHelper{ private static final Singleton INSTANCE = new Singleton(); } public static Singleton getInstance(){ return SingletonHelper.INSTANCE; } public static void test(){ System.out.println("test===" + singleton.toString()); } }
TestSingleton:---------
package cn.tools; public class TestSingleton { public static void main(String[] args) { System.out.println("Singleton.getInstance() === " + Singleton.getInstance().toString()); //Singleton.test(); } }
ThreadDemo:---------
package cn.tools; public class ThreadDemo extends Thread { private String threadNo; public ThreadDemo(String _threadNo){ threadNo = _threadNo; } @Override public void run() {//线程开始执行 // TODO Auto-generated method stub super.run(); System.out.println("run ================ threadNo:"+threadNo); //Singleton.getInstance(threadNo); } public String getThreadNo() { return threadNo; } public void setThreadNo(String threadNo) { this.threadNo = threadNo; } }
TestThreadDemo:---------
package cn.tools; public class TestThreadDemo { public static void main(String[] args) { //for:主线程(获取cpu资源之后,瞬间生成n个子线程,n个并发) for(int i = 0; i < 4; i++){ //new 开辟子线程 start:调用run,运行子线程 new ThreadDemo("thread"+i).start(); if(i == 1){ try { Thread.sleep(1000); System.out.println("sleep====================="); } catch (InterruptedException e) { // TODO Auto-generated catch block e.printStackTrace(); } } } } }
相关推荐
行业研究报告、行业调查报告、研报
行业研究报告、行业调查报告、研报
RM1135开卡工具B17A
1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。
该资源内项目源码是个人的课程设计、毕业设计,代码都测试ok,都是运行成功后才上传资源,答辩评审平均分达到96分,放心下载使用! ## 项目备注 1、该资源内项目代码都经过严格测试运行成功才上传的,请放心下载使用! 2、本项目适合计算机相关专业(如计科、人工智能、通信工程、自动化、电子信息等)的在校学生、老师或者企业员工下载学习,也适合小白学习进阶,当然也可作为毕设项目、课程设计、作业、项目初期立项演示等。 3、如果基础还行,也可在此代码基础上进行修改,以实现其他功能,也可用于毕设、课设、作业等。 下载后请首先打开README.md文件(如有),仅供学习参考, 切勿用于商业用途。
跑腿平台系统 微信小程序+SSM毕业设计 源码+数据库+论文+启动教程 项目启动教程:https://www.bilibili.com/video/BV1BfB2YYEnS
Visual Studio 2013 Shell 下载,处理EsriAddin模板ValidateAddInXMLTask任务意外失败
行业研究报告、行业调查报告、研报
Mentor Graphics ModelSim SE 2020.4 x64安装包,包含Crack
1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。
行业研究报告、行业调查报告、研报
使用 yolo v3 检测物体的方向适用于 Windows 和 Linux 的 Yolo-v3 和 Yolo-v2(用于物体检测的神经网络)如何使用如何在 Linux 上编译如何在 Windows 上编译如何训练(Pascal VOC 数据)如何训练(检测你的自定义对象)我什么时候应该停止训练如何在 PascalVOC 2007 上计算 mAP如何改进物体检测如何标记对象的边界框并创建注释文件使用 Yolo9000如何使用 Yolo 作为 DLL mAP(AP50)https://pjreddie.com/media/files/papers/YOLOv3.pdfYolo v3 在 MS COCO 上的 RetinaNet 源图表取自表 1 (e)https://arxiv.org/pdf/1708.02002.pdfPascal VOC 2007 上的 Yolo v2https://hsto.org/files/a24/21e/068/a2421e0689fb43f08584de9d44c2215f.jpgPascal VOC 2012 上的
行业研究报告、行业调查报告、研报
行业研究报告、行业调查报告、研报
手机商城系统 微信小程序+SSM毕业设计 源码+数据库+论文+启动教程 项目启动教程:https://www.bilibili.com/video/BV1BfB2YYEnS
使用Java开发的一个经典小游戏“俄罗斯方块”.zip开发
darknet是一个较为轻型的完全基于C与CUDA的开源深度学习框架,其主要特点就是容易安装,没有任何依赖项(OpenCV都可以不用),移植性非常好,支持CPU与GPU两种计算方式。上面分享的是对应的darknet项目,解压缩即可以使用。
基于YOLOX的音频事件检测模型介绍YOLOX_AUDIO 是一个基于 YOLOX(YOLO 的无锚版本)的音频事件检测模型。此 repo 由 PyTorch 实现。YOLOX_AUDIO 的主要目标是使用图像对象检测框架检测和分类多频谱域中的预定义音频事件。更新!!【2021/11/15】 我们正式上线YOLOX_AUDIO快速入门安装数据准备训练推理参考PyTorch 实现的 YOLOX 基线YOLOX @article{yolox2021, title={YOLOX: Exceeding YOLO Series in 2021}, author={Ge, Zheng and Liu, Songtao and Wang, Feng and Li, Zeming and Sun, Jian}, journal={arXiv preprint arXiv:2107.08430}, year={2021}}用于音频特征提取的LibrosalibrosaMcFee, Brian, Colin Raffel, Dawen Liang,
簡述本项目基于yolov5的GUI目标识别程序,支持选择要使用的权重文件,设置是否使用GPU、设置信度阈值等参数。注该Demo为早期版本录制的动画,与新版本存在部分差异!的Python 3.8安装和使用注意该程序由我个人开发,存在bug在所难免,但程序迭代了多个版本并一直在优化,因此强烈建议使用最新版本代码!安装依赖pip install -r requirements.txt所有依赖安装成功后,程序即可正常运行!初次使用需要对软件进行简单的配置,还有必要的配置目标识别模型文件,模型文件可以从网络上下载,或者自己训练生成。这里为了简单说明本程序的使用方式,使用yolov5官方仓库提供的模型文件介绍,yolov5的每个release都附带了训练好的模型文件可以对常见物体进行目标识别,请自行下载备用!yolov5官方模型文件下载https://github.com/ultralytics/yolov5/releases模型文件准备好后,运行程序并点击主界面设置按钮,在弹出的设置对话框中配置权重配置项,即模型文件的路径,然后点击确定按钮保存设置,程
YOLOC 是将不同的模块组合起来构建不同的物体检测模型,包括 YOLOv3、YOLOv4、Scaled_YOLOv4、YOLOv5、YOLOv6、YOLOv7、YOLOX、YOLOR、PPYOLO、PPYOLOEYOLOC介绍 YOLOC正在组合不同的模块来构建不同的对象检测模型。结合一些模块和技巧来改进YOLO检测模型,使用不同数据集的效果不一致。需要通过具体的实验进行尝试和验证YOLOC中的支持的模块有主流 YOLOv3 模型网络结构主流YOLOv4模型网络结构主流 Scaled_YOLOv4 模型网络结构主流YOLOv5模型网络结构主流 YOLOv6 模型网络结构主流 YOLOv7 模型网络结构主流 YOLOX 模型网络结构主流 YOLOR 模型网络结构 PicoDet模型网络结构变压器架构的主干、颈部、头部改进了变压器系列的骨干、颈部、头部注意系列的脊椎、颈部、头部基于anchor-free和anchor-based的检测器FPN、PANet、BiFPN等结构CIoU、DIoU、GIoU、EIoU、S