Erfahren Sie, wie Sie Warteschlangen, Daemon-Threads und Ereignisse in einem Machine Studying-Projekt verwenden
Einführung
In den meisten Jobs im Bereich maschinelles Lernen werden Sie nicht an der Verbesserung einer Modellarchitektur oder dem Entwurf einer neuen Verlustfunktion forschen. Meistens müssen Sie Vorhandenes nutzen und an Ihren Anwendungsfall anpassen. Daher ist es sehr wichtig, Ihr Projekt hinsichtlich der architektonischen Gestaltung und Umsetzung zu optimieren. Von dort aus beginnt alles: Sie wollen optimalen Code, der sauber und wiederverwendbar ist und so schnell wie möglich läuft. Threading ist eine in Python integrierte native Bibliothek, die nicht so oft verwendet wird, wie sie sollte.
Über Threads
Threads sind eine Möglichkeit für a Programm Zu Teilt sich selbst in zwei oder mehr gleichzeitig (oder pseudo-gleichzeitig) laufende Aufgaben … im Allgemeinen ist ein Thread in einem Prozess enthalten und verschiedene Threads im selben Prozess teilen sich dieselben Ressourcen.
In diesem Artikel sprechen wir nicht über Multiprocessing, aber die Python-Bibliothek für Multiprocessing funktioniert sehr ähnlich wie die Multithreading-Bibliothek. Im Allgemeinen:
- Multithreading eignet sich hervorragend für I/O-Grenzaufgaben, wie etwa den Aufruf einer API innerhalb einer for-Schleife
- Multiprocessing wird für CPU-gebundene Aufgaben verwendet, wie…