Linux设备驱动之semaphore机制

第十章 提交路径的演进:10.2 BO 列表式提交 BO 列表式提交是 DRM 中最经典、应用最广的提交方式,通过一次 ioctl 完成多方向操作,依赖由调度器管理。其通用流程包括参数解析、BO 查找、作业创建、加锁与依赖收集、装备推入及 fence 写回等步骤,框架提供大量公共辅助函数以统一处理。各驱动实现略有差异,如加锁方式、隐式依赖控制及扩展功能(如 amdgpu 的 gang 提交、上下文 fence 环等)。但该形态存在开销随 BO 数量增长、隐式同步粒度粗、作业 fence 承担内存管理职责等局限,后续形态逐步优化解决。 阅读详情
Linux设备驱动之semaphore机制
在Linux系统中,信号号是一种重要的加锁机制,特别在互斥型资源中,semaphore更能很好的工作。
1: semaphore结构体定义
在Linux2.6.35内核中,semaphore的实现机制与以前的版本一点不同,在其中去除了DECLARE_MUTEX_LOCKED这个初始化互斥宏定义,但是,又添加了一个特别重要的函数,down_killable,这个函数的添加,使此版本的semaphore机制比以往的更强。semaphore结构全定义如下所示。
C/C++ code
struct semaphore { spinlock_t lock; /* 自旋锁结构体变量 */ unsigned int count; /* 用于计录资料数量 */ struct list_head wait_list; /* 内部链表结构体变量 */ };

从此结构体中可以看从,semaphore机制也就是自旋锁的包装,在后面的分析中,读者将会明白我为什么会这样说。
2: semaphore提供的操作函数
在semaphore机制中,系统给我们提供也几个函数用于操作,正因为内核给 
我们提供了这些函数接口,我们才能应用其来更好的完成我们对互斥型资料的加锁,使其能准确无误的在SMP或者多线程中应用。semaphore提供接口函数如下所示。
 DECLARE_MUTEX
 init_MUTEX
 init_MUTEX_LOCKED
 down
 down_interruptible
 down_killable
 down_trylock
 down_timeout
 up

3 DECLARE_MUTEX接口分析
DECLARE_MUTEX接口为一个宏定义,此定义调用另一个宏定义来完成对 
互斥型信号量进行初始化,其原型如下。
C/C++ code
#define DECLARE_MUTEX(name) \ struct semaphore name = __SEMAPHORE_INITIALIZER(name, 1)

此宏用于初始化一个名为name的信号量,并把其资料数初始化为1。其中name为信号的名字,name为符合系统的标号,且不需提前定义。比如我们想定义一个名为my_semaphore的互斥型信号量,并把它初始化为1,我们将应用这个接口来实现,实现代码如下。
C/C++ code
DECLARE_MUTEX(my_semaphore);

从DECLARE_MUTEX宏义看出,此宏是通过调用另一个宏来实现的,此宏定义实现如下。
C/C++ code
#define __SEMAPHORE_INITIALIZER(name, n) \ { \ .lock = __SPIN_LOCK_UNLOCKED((name).lock), \ .count = n, \ .wait_list = LIST_HEAD_INIT((name).wait_list), \ }

4 init_MUTEX接口分析
init_MUTEX接口用于动态初始化一个信号量,此接口也是一个宏定义,通 
过调用sema_init函数来完成,此宏定义原型如下。
C/C++ code
#define init_MUTEX(sem) sema_init(sem, 1)

其中sem为struct semaphore结构体变量,所以,在应用此宏来初始化一个信号前,必须定义一个struct semaphore结构体变量。此宏初始化一个名为sem的信号量,并把其资料初始化为1。
在此宏中我们看到,宏定义是通过调用sema_init函数来完成初始化的,所可,可以这样说,真正初始化sem信号量的应该是sema_init函数。为了读者方便查看,所以在此把sema_init函数的实现过程列出,关于此函数请读者自行查看\include\linux\semaphore.h文件,这样读者对semaphore的理解更加深入。sema_init函数实现如下。
C/C++ code
static inline void sema_init(struct semaphore *sem, int val) { static struct lock_class_key __key; *sem = (struct semaphore) __SEMAPHORE_INITIALIZER(*sem, val); lockdep_init_map(&sem->lock.dep_map, "semaphore->lock", &__key, 0); }

5 init_MUTEX_LOCKED接口分析
init_MUTEX_LOCKED接口的实现与init_MUTEX接口的实现过程是一样的, 
只是此接口把资源数初始化为0。所以在此不再进行分析,其实现如下。
C/C++ code
#define init_MUTEX_LOCKED(sem) sema_init(sem, 0)

6 __down_common函数分析
在进行分析互斥信号量相关操作之前,进行分析一个特别重要的函数,因为 
这个函数非常重要,semaphore的加锁操作都是基于这个函数实现的,所以,在分析它们之前进行分析这个函数,读者更加能看懂semaphore的实现过程。此函数的原型如下。
C/C++ code
static inline int __sched __down_common(struct semaphore *sem, long state, long timeout)

在此函数中应用到的task_struct相关的知识,对于task_struct的知识在这个函数本人不进行分析,同时也不进行说明,因为task_struct机制是一个复杂的机制,不是三言两语就能分析的。在此函数中同样应用自旋锁的知识,关于自旋锁的知识本人将会在自旋锁机制相关的文章进行分析,在此文章中就不进行分析。本函数中一个重要的是超时调度,这一调度的实现如下。由于应用自旋锁加以保护,所以,超时调试过程有可中断,也不可中断,这就要看传入的state是允许中断还是不允许中断。超时调度实现过程如下。
C/C++ code
timeout = schedule_timeout(timeout);

7 down接口分析
down接口用于请求一个信号量。此函数的调用将会到致调用线程的睡眠, 
直到获取到信号。同时,该函数的调用不允许中断。
在此函数中首先进行信号量资源数的查看,如果信号量数据(count)不为0,则把其减1,并返回,调用成功;否则调用__down进行等待,调用者进行睡眠。实现过程如下。
C/C++ code
void down(struct semaphore *sem) { unsigned long flags; spin_lock_irqsave(&sem->lock, flags); if (likely(sem->count > 0)) sem->count--; else __down(sem); spin_unlock_irqrestore(&sem->lock, flags); }

在此函数中引起调用者进行睡眠的函数是__down函数,在等待中能不能中断同样是由于__down函数引起,所以,关键点在于__down函数,__down函数的实现如下。
C/C++ code
static noinline void __sched __down(struct semaphore *sem) { __down_common(sem,TASK_UNINTERRUPTIBLE,\ MAX_SCHEDULE_TIMEOUT); }

在__down函数中,通过调用__down_common函数来进行相关的操作,在上面的分析中我提到,传给__down_common函数的state参数将决定调用者是否可以中断,所以,down接口在睡眠过程中不能中断就是因为传入的实参决定。所以,在编过程中,最好很用此接口,尽量应用down_interruptible、 down_killable接口替代。MAX_SCHEDULE_TIMEOUT为一个宏定义,实定义如下。
C/C++ code
#define MAX_SCHEDULE_TIMEOUT LONG_MAX

LONG_MAX同时也是一个宏定义,其定义如下。
C/C++ code
#define LONG_MAX ((long)(~0UL>>1))

所以,此接口不会因为超时而用,因为需要等待232-1个时钟滴答才能超时,这是一个很长的时间。所以,如果不使用up接口进行唤醒,整个进程将死掉。
9 down_interruptible接口分析
down_interruptible接口也是用于获取一个信号量,与down接口不同的是, 
此接口在等待过程中是可以被中断的,是正常返回还是被中断返回通过返回值进行判断,其它与down相同,所以,在此不再进行分析。
10 down_killable接口分析
down_killable与down_interruptible相同,只是传入的__down_common的实 
参不同,所以,在此不再进行分析。
11 down_trylock接口分析
down_trylock接口用于试着获取一个信号量,但是,此接口不会引起调用者 
的睡眠。不管有无可用信号量,都马上进行返回,如果返回0,则获取信号量成功,如果返回1,则获取失败。所以,在调用此接口时,必须进行返回的值的查看,看是否获取成功。其实现过程如下。
C/C++ code
int down_trylock(struct semaphore *sem) { unsigned long flags; int count; spin_lock_irqsave(&sem->lock, flags); count = sem->count - 1; if (likely(count >= 0)) sem->count = count; spin_unlock_irqrestore(&sem->lock, flags); return (count < 0); }

12 down_timeout接口分析
down_timeout接口的实现过程与down接口的实现过程差不多,只是此接口 
可以自定义超时时间,也就是如果在超时间内不能得到信号量,调用者会因为超时而自行唤醒。其实现过程如下,请注意超时参数的传入。
C/C++ code
int down_timeout(struct semaphore *sem, long jiffies) { unsigned long flags; int result = 0; spin_lock_irqsave(&sem->lock, flags); if (likely(sem->count > 0)) sem->count--; else result = __down_timeout(sem, jiffies); spin_unlock_irqrestore(&sem->lock, flags); return result; }

13 up接口分析
up接口用于唤醒处于等待的线程,对于某些不能获取信号量的线程,如果不 
强制唤醒,那么也许会造此线程的死掉,所以,才有up接口。此接口的实现比较简单,所以不进行详细的分析,其实现如下。
C/C++ code
static noinline void __sched __up(struct semaphore *sem) { struct semaphore_waiter *waiter = list_first_entry(&sem->wait_list, struct semaphore_waiter, list); list_del(&waiter->list); waiter->up = 1; wake_up_process(waiter->task); }

14 关于其它说明
从开始学习嵌入式Linux到现在也有差不多4个月的时间了,从一味的看书
到走进Linux内核,这是本人的一个重大的进步,很多时候知其然而不知其所以然,写不出好的程序,所以,深入Linux是每个学习嵌入式Linux驱动开发学习者的必经之路,同时也是一个生的事。
Linux内核的不断发展,每一个版本之间都或多或少的有改变,如果不进行入其内核进行分析,那么这样就等于把自己限定于某一内核版本内,对自己的技术的提高、发展有很大的影响。同时,在工作中,不是你知道什么,会什么就做什么,而是需要做什么,不管你会与会都必须得做,所以,能不能深入Linux内核在一点上把不同能力的人给区分了。
在能不能看懂Linux内核的问题上,起决定作用的是个人的C语言能力,这也是C语言好坏的体现,如果C语言不好,那么就不能可看懂Linux内核,那么也就决定了个人的发展。所以说在嵌入式C语言是决定个人发展的重大条件,同时也是个人能力的体现。
[QMT量化交易小白入门]-九、如何用Python记录每一笔交易和调试,报错信息? 定义一个函数来获取日志记录器。: 返回全局的日志记录器,以便在其他地方调用。 阅读详情

相关推荐

AutoCAD提示找不到acdb24.dll、AcGe24.dll、AcPal.dll、AcUt.dll怎么办?

在我们安装了AutoCAD 2023版本以后,打开CAD,可能会出现dll文件丢失的情况,如下所示:1、由于找不到acdb24.dll,无法继续执行代码。重新安装程序可能解决此问题。2、由于找不到AcGe24.dll,无法继续执行代码。重新安装程序可能解决此问题。3、由于找不到AcPal.dll,无法继续执行代码。重新安装程序可能解决此问题。4、由于找不到AcUt.dll,无法继续执行代码。重新安装程序可能解决此问题。遇到AutoCAD启动系统错误,由于找不到dll文件该怎么处理呢?

huoxu369的博客 1万+

Linux信号量semaphore

信号量整体的介绍,以及semaphore.h下一些函数的使用

Strange_Head的博客 3536

编译原理(东南大学)一:【编译原理期末冲刺救命笔记】速存!看完再上考场稳了!

本文详细介绍了编译原理的核心概念和流程,包括程序设计语言的分类、编译程序的各个阶段(如词法分析、语法分析、语义分析、中间代码生成、优化和目标代码生成)以及编译程序生成和构造的基础知识。文章还探讨了编译中的表格管理、出错处理和遍的概念,以及编译基础知识如高级语言、语法规则、字母表和符号串的运算。此外,文中还涉及文法与语言的关系,包括文法的概念、非终结符、终结符、产生式、推导和规约等。整体内容旨在为学习编译原理的学生提供全面的复习资料和考试准备指南。

一位搞嵌入式和前端的genius的博客 1030

linux 信号量(semaphore)

在Linux中,信号量是一种用于实现进程间同步和互斥的机制。信号量通常用于控制对共享资源的访问,以确保多个进程之间不会同时访问关键资源,从而避免竞态条件和数据损坏。

weixin_47139576的博客 1448

从0到1:提示工程架构师搭建Agentic AI系统的全流程实战手册

Agentic AI(自主智能体)是具备自主决策能力的大模型应用感知(Perceive):获取外部环境信息(比如代码仓库、用户输入、数据库数据);记忆(Memory):存储和检索历史信息(比如过去的审计记录、用户偏好);规划(Plan):将复杂任务拆解为可执行的步骤(比如“代码审计”拆成3步);行动(Act):调用工具或API完成具体操作(比如调用Git克隆仓库、调用Safety查漏洞);反馈(Feedback):根据结果调整策略(比如用户说“报告不够详细”,下次增加逻辑漏洞的分析深度)。

AI Agent Harness Engineering 1044

Oracle EBS MRP 模块测试记录

MRP 模块测试记录        构思:创建Shirt成品物料,它由Cloth和Button组成。1*Shirt=1*Cloth+8*Button。        首先创建这三个物料(复制模板创建),并分配给T02。        创建BOM,将这三个物料关联起来。        分别创建资源(人工和设备)制造Cloth和Button。        分别创建两个部门(HumanDep和Mach

NetSuite 张老师 8172

Linux 无名信号量(Semaphore)的使用

通过使用信号量empty和full,可以确保生产者不会在缓冲区满时写入数据,而消费者不会在缓冲区空时尝试读取数据。可以看到,第一种程序,因为没有sleep()让出 cpu,会一直生产数据,直到 empty 为空,也就是等待缓冲区空位为0 ,程序阻塞,让出 cpu ,消费者开始进行处理,直到 full 为空,处理完毕,让出 cpu。无名信号量(也被称为POSIX信号量)是POSIX标准的一部分,与System V信号量相比,它提供了更丰富的功能和更好的可移植性。:初始化一个无名信号量。

weixin_46158019的博客 2171

基于Vector 的AUTOSAR NvM 模块使用

本文主要讲述Vector的两款工具configurator和Developer关于NvM的配置流程,包括如何新建NvM SWC以及添加和修改NvM block,Developer主要涉及NvM SWC的新建、添加新NvM Block以及修改原有的NvM Block;Configurator主要涉及三个模块NvM、Fee以及Fls,以下将分为两个模块对该部分进行介绍。 一、Developer 使用 1.1 新建NvM SWC并实例化 如下图,为Developer左列列表 图 1.1...

Fly_To_Skyhehe的博客 4971

【Linux内核】信号量semaphore机制

信号量机制是一种用于控制并发访问的同步机制,常用于多进程或多线程之间的协调。在Linux内核中,信号量机制是通过struct semaphore结构体来实现的。每个semaphore结构体包含一个计数器和一个等待队列,它们用于跟踪当前可用的资源数量以及正在等待这些资源的进程或线程。当某个进程或线程需要访问共享资源时,它会先尝试获取信号量。如果信号量的计数器大于0,表示有可用的资源,该进程或线程就可以继续执行,并将信号量计数器减1;

逆风水手的博客 2383

福建公共资源交易平台 portal-sign与响应Data解密逆向实录

本文分析了福建公共资源交易电子公共服务平台的接口加密机制。通过抓包和代码分析,发现请求头中的portal-sign由MD5算法生成,包含固定秘钥和排序后的参数拼接。响应数据采用AES-256-CBC加密,需使用特定Key和IV解密。文章详细介绍了签名生成规则、参数处理流程及加密常量定位方法,为接口对接提供了技术参考。整个过程展示了如何通过逆向工程还原前端加密逻辑,最终实现脱离浏览器环境的纯协议调用。

自成背后的博客 1162

【JTAG】1500协议详解

随着集成电路的规模不断扩大,1149.1的板级测试无法满足要求越来越高的芯片测试需求。芯片规模变大后,测试需求不在是一次测试整片芯片,而是芯片分为好几个区域去测试,而1500协议正是对1149.1在该方面的一个补充即1149.1主要测试板级间的互连,而1500用来测试芯片内不同core之间的互连。IEEEStd1500已经为包含不同模块的集成电路(ICs)开发了一种可测试性设计标准方法。............

xuhe0206的博客 7041

Linux设备驱动之semaphore机制【转】

转自:http://blog.csdn.net/xiao229404041/article/details/7031776  Linux设备驱动之semaphore机制在Linux系统中,信号号是一种重要的加锁机制,特别在互斥型资源中,semaphore更能很好的工作。1: semaphore结构体定义在Linux2.6.35内核中,semaphore的实现机制与以前的版本一点不同,在其中去除了...

weixin_33742618的博客 89

情感分析在金融领域的应用:舆情影响股价预测

我们都知道,股价的波动受到多种因素的影响,而大众的情绪和看法就是其中很重要的一部分。我们在日常生活中都有根据别人的评价来判断事物好坏的经验,在金融市场里,舆情就像是大众对某家公司的集体评价,它能反映出市场参与者的情绪和预期。学习这方面的知识,能帮助投资者更好地把握市场动态,做出更明智的投资决策,无论是个人投资者还是金融机构的分析师,都能从中受益。有一天,你看到某家知名企业被曝光了严重的产品质量问题,新闻铺天盖地,股民们也都在热议纷纷,负面情绪弥漫。这时,你会不会觉得这家公司的股价可能要下跌了呢?

AI 原生应用开发的博客 1148

Kubernetes RBAC实战:ClusterRole与RoleBinding权限边界详解

访问控制是Kubernetes多租户与安全治理的基石,而RBAC(基于角色的访问控制)正是授权阶段最核心的机制。它通过“角色”与“绑定”分离设计,将权限规则和用户主体解耦,既实现了权限复用,又提升了灵活性。其中ClusterRole可以跨命名空间充当权限模板,RoleBinding则把模板限定在特定命名空间内生效,这种组合方式在CICD账号、监控账号等需要细粒度授权的场景中极为常见。理解ClusterRole与RoleBinding的边界,以及它们与ClusterRoleBinding、Role之间的差异,

weixin_33884611的博客 189

怀旧版电脑GBC模拟器

再现原版GBC掌机的界面,电脑运行连游戏界面都一样大小,很怀旧,很真实,(英文版)强烈推荐,很小的文件,很难才找到的。

大中型超市收银系统(可直接运行)

光步前台收银系统系统功能:商品销售、商品退货、挂单、收银员权限、会员销售、单品取消、整单取消、商品查询、脱机销售、脱机数据上传,基本资料下载,开钱箱、小票打印、收款结算,支持多币种付款方式(现金、储值卡、礼券、微信等),支持多种促销。运行环境:.net 4.0登陆信息用户名:1001 密码:123456内置商品信息,商品编码可输入00001000 - 00010000,测试效果相关功能键F5 结算 F9挂单 F11商品查询 F8退货 Insert单品取消 Del整单取消 F12开钱箱F2 会员 Ctrl+Z退出系统 Home 锁屏 相关源码待公开

linux驱动面试题

linux驱动面试常见题和答案

kv110的专栏 1834

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

Linux内核同步原语:信号量机制详解

Linux内核揭秘项目中的同步原语是保证多任务并发安全的核心机制,而信号量作为其中重要的一员,在资源管理和进程同步中发挥着关键作用。本文将从基础概念到内核实现,全面解析Linux内核信号量机制的工作原理与应用场景。 ## 信号量基础:解决并发问题的关键机制 在多任务操作系统中,多个进程或线程同时访问共享资源时,可能会导致数据不一致或冲突。信号量作为一种高效的同步原语,通过维护一个计数器来控制对

gitblog_00258的博客 366

假人有限元模型

假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用

Linux设备驱动器 之二 线程同步第二篇

Linux APIs 在Linux驱动器中的应用 NXP freescale系列QSPI 驱动器 变量定义 初始化 存取数据 如果有大块数据,使用AHB总线,通过存取映射的存储器,存取数据。 semaphore 数据结构 Linux APIs 在Linux驱动器中的应用 ELAN 的 Uxxx 系列驱动器 ELAN 的 Uxxx 系列适配器是 USB 转 PCMCIA CardBus 适配器 初始化 usb_set_intfdata将FTDI的驱动器数据写入驱动器的数据结构变量中。在需要的生活可

IT_Beijing_BIT的博客 521

漫谈兼容内核之二:关于kernel-win32的对象管理

近来屡有网友提到一个旨在将Wineserver移入内核的开源项目kernel-win32;有问及其本身,希望能对其代码作一些分析、讲解的,也有问及兼容内核与此项目之间关系的。所以从这篇漫谈开始就来谈谈kernel-win32。 首先,兼容内核项目应当从所有(能找到的)相关开源项目吸取营养,有时候甚至就采取“拿来主义”,反正都是开源项目,只要遵守有关的规定就行。从这个意义上说,我们对于kernel

多媒体编程、网络编程、系统编程、网络安全编程、驱动编程 795

【Linux】【并发】设备驱动中的并发控制

原子操作是指在一个操作中不可被中断的部分。在Linux内核中,原子操作通常用来更新共享变量而不必担心被其他任务打断。

极客代码 1398

设备驱动之一 - linux 信号量semaphore

转载地址:http://soft.yesky.com/os/lin/10/2303010_2.shtml   信号量(semaphore)   Linux内核的信号量在概念和原理上与用户态的System V的IPC机制信号量是一样的,但是它绝不可能在内核之外使用,因此它与System V的IPC机制信号量毫不相干。   信号量在创建时需要设置一个初始值,表示同时可以有几个任务可以访问

渡江客涂鸦板 1526

设备驱动之一 - linux读写信号量semaphore .

读写信号量(rw_semaphore)   读写信号量对访问者进行了细分,或者为读者,或者为写者,读者在保持读写信号量期间只能对该读写信号量保护的共享资源进行读访问,如果一个任务除了需要读,可能还需要写,那么它必须被归类为写者,它在对共享资源访问之前必须先获得写者身份,写者在发现自己不需要写访问的情况下可以降级为读者。读写信号量同时拥有的读者数不受限制,也就说可以有任意多个读者同时拥有一个读

宇宙的起源 857
上一篇: 深入探讨this指针
下一篇: ubuntu 12.04下访问windows共享文件夹
计算机与认知
博客等级 码龄14年 31粉丝 19原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值