手撕程序 執行緒

2021-10-09 14:22:24 字數 1460 閱讀 6343

最近剛剛學習了程序和執行緒,老師說它是學習程式設計中的乙個小boss,無處安放的銷售決定來會會這個小boss。

所謂程序,我們可以從兩個角度來理解:

public

class

threaddemo

}public

static

void

main

(string[

] args)

}

public

class

threaddemo2

private

static

void

serial()

int b =0;

for(

int i =

0; i < count; i++

)long end = system.

currenttimemillis()

;//用時間戳來記錄結束時間

system.out.

println(+

(end-beg)

+" ms");

}private

static

void

parallel()

}}; thread t2 =

newthread()

}}; t1.

start()

;try

catch

(interruptedexception e)

t2.start()

;try

catch

(interruptedexception e)

long end = system.

currenttimemillis()

;//用時間戳來記錄結束時間

system.out.

println(+

(end-beg)

+" ms");

}}

public

class

threaddemo3

}public

static

void

main

(string[

] args)

}

public

class

threaddemo4};

thread thread =

newthread

(runnable)

; thread.

start()

;}}

public

class

threaddemo5);

thread.

start()

;}

手撕SVM公式

對於給定的訓練樣本集d yi屬於,希望能找出乙個超平面,把不同類別的資料集分開,對於線性可分的資料集來說,這樣的超平面有無窮多個,而最優的超平面即是分隔間距最大的中間那個超平面 對於以上的kkt條件可以看出,對於任意的訓練樣本總有ai 0或者yif xi 1 0即yif xi 1 1 當ai 0時,...

手撕演算法 adaboost

adaboost是典型的boosting演算法。boosting演算法的核心思想是 上乙個模型對單個樣本 的結果越差,下個模型越重視這個樣本 增大該樣本的權重,加大模型 錯的成本 提公升樹就是每個模型都是決策樹,提公升樹種效果比較好的是gbdt和xgboost,入門是adaboost。adaboos...

手撕演算法 PCA

pca,principle component analysis。lda,linear discriminant analysis 首先說一下pca和lda的區別,二者都是降維的方法,pca的主要思想是降維後各個樣本點的方差之和最大,也就是各個樣本點要盡量的區分開。而lda的思想是降維後同類的樣本要...