RKNPU2从入门到实践 --- 【10】RKNPU2零拷贝API实现RKNN模型在RK3588开发板上的部署

news2024/11/15 10:51:30

目录

一、为什么叫零拷贝API？  

二、零拷贝API执行流程（代码解读）

2.1 前奏工作 

2.2 main.cc文件的编写（代码的编写） 

2.2.1  第一步：rknn_init接口创建rknn_context对象、加载RKNN模型

2.2.2 第二步：调用rknn query接口查询获取到模型输入输出属性、推理时间、SDK版本等信息

2.2.3 第三步：调用rknn_create_mem接口申请内存

2.2.3.1 rknn_create_mem API介绍

2.2.3.2 实际代码编写

2.2.4 第四步：调用rknn_set_io_mem接口让NPU使用上一步申请的内存

2.2.4.1 rknn_set_io_mem API介绍

2.2.4.2 实际代码编写

 2.2.5 第五步：调用rknn_run接口执行模型推理

2.2.6 第六步：对模型推理的输出数据进行后处理

2.2.7 第七步：调用rknn_destroy_mem毁rknn _tensor_mem结构体，释放用户分配的内存

2.2.7.1 rknn_destroy_mem API介绍

2.2.7.2 实际代码编写 

​编辑

2.2.8 第八步：调用rknn_destroy释放传入的rknn_context及其相关资源

2.2.9 最终代码

2.2.10 运行build.sh构建工程

2.2.11 在开发板上完成模型的测试 

      作者使用的开发平台是Ubuntu20.04虚拟系统，开发板为瑞芯微RK3588开发板，开发板上面的系统为Ubuntu22.04。

在上一篇博文【RKNPU2从入门到实践 ---- 【9】使用RKNPU2的C API接口将RKNN模型部署在RK3588开发板上-CSDN博客】中我们介绍了RKNPU2 SDK的通用API，而在这一篇博文中，我们要介绍RKNPU2 SDK的另一套API，即零拷贝API。两套API根据帧数据的更新方式来进行划分。

一、为什么叫零拷贝API？  

      为什么叫零拷贝API呢 ？首先，根据上一篇博文中的代码来回顾 通用API 如何获取帧数据。
首先通过opencv读取了要推理的图片数据，该图片数据保存在了img变量中，如下图所示：

然后，又将该图片数据拷贝到了rknn_input结构体变量buf当中，如下图所示：

在使用rknn_inputs_set设置输入数据时，又会将rknn_input结构体进行传入，最后保存到了context变量当中，如下图所示：

经过多次拷贝（上述操作）之后，才可以进行图片的推理工作。
      以上就是通用API在获取帧数据时的方式，是不是感觉很麻烦呢？接下来我们先来看看零拷贝API使用流程图。 流程图如下图所示：

零拷贝API使用流程

      和之前的通用API使用流程相比，少了数据输入设置（rknn_inputs_set接口）和获取输出数据（rknn_outputs_get接口）的相关步骤， 多出了内存申请（rknn_create_mem接口）和内存使能（rknn_set_io_mem接口）相关的步骤。
      使用opencv获取到图片数据之后，会直接将数据放在申请的内存之中，NPU可以直接对内存中的数据进行读取，而不再像通用API那样对数据进行多次拷贝，所以被称作零拷贝API。
我们使用代码来看看零拷贝API是如何获取帧数据的。

二、零拷贝API执行流程（代码解读）

2.1 前奏工作 

      新建本节内容目录 non_copy_learning ，将上一篇博文的项目文件夹（01_resnet18）中的内容复制过来，删掉build目录和install目录，最终 non_copy_learning 目录下的内容如下图所示：


      将 CMakeLists.txt 文件中的项目名称由：

修改为：

打开main.cc文件，删掉里面的内容，我们从头开始编写代码。
至此，前奏工作已经完成。接下来我们就按照流程图一步一步编写代码。

2.2 main.cc文件的编写（代码的编写） 

2.2.1  第一步：rknn_init接口创建rknn_context对象、加载RKNN模型

 下面的代码使用了rknn_init接口创建rknn_context对象，加载RKNN模型。使用opencv读取推理测试图片的数据。

#include<stdio.h>
#include "rknn_api.h"
#include "opencv2/core/core.hpp"
#include "opencv2/imgcodecs.hpp"
#include "opencv2/imgproc.hpp"
#include<string.h> // 后面的memcpy函数的头文件
using namespace cv;

int main(int argc,char *argv[]){
  char *model_path = argv[1]; /*要加载的模型路径*/
  char *image_path = argv[2]; /*要推理的图片的路径*/

  rknn_context context; /*创建一个rknn_context类型的结构体变量*/
  rknn_init(&context,model_path,0,0,NULL); /*将RKNN模型的运行环境和相关信息赋予到context变量当中*/
  
  /*使用opencv读取推理测试图片*/
  cv::Mat img = cv::imread(image_path);
  cv::cvtColor(img,img,cv::COLOR_BGR2RGB);

  return 0;
}
2.2.2 第二步：调用rknn query接口查询获取到模型输入输出属性、推理时间、SDK版本等信息

由于我们现在不知道要查询什么信息，所以这块的内容暂且忽略。

2.2.3 第三步：调用rknn_create_mem接口申请内存
2.2.3.1 rknn_create_mem API介绍

当用户要 NPU 内部分配内存时，rknn_create_mem 函数可以创建一个 rknn_tensor_mem 结构体并得到它的指针，该函数通过传入内存大小，运行时会初始化 rknn_tensor_mem 结构体。

示例代码如下：

2.2.3.2 实际代码编写

      在调用rknn_create_mem接口申请内存时，我们发现其函数中有一个参数size【分配内存的大小】我们并没有办法确认，因此这就需要使用到rknn_query接口查询输入输出的tensor属性，如下所示：

/*调用rknn_query接口查询输入输出tensor属性*/
  rknn_tensor_attr input_attr[1],output_attr[1]; /*input_attr，output_attr分别记录输入，输出tensor属性*/
  /*使用memset对这两个变量进行初始化*/
  memset(input_attr,0,sizeof(rknn_tensor_attr));
  memset(output_attr,0,sizeof(rknn_tensor_attr));

  rknn_query(context,RKNN_QUERY_INPUT_ATTR,input_attr,sizeof(input_attr));
  rknn_query(context,RKNN_QUERY_OUTPUT_ATTR,output_attr,sizeof(output_attr));

接下来，我们才可使用rknn_create_mem接口申请输入输出数据的内存，如下所示：

/*调用rknn_create_mem接口申请输入和输出数据内存*/
  rknn_tensor_mem *input_mem[1],*output_mem[1];
  input_mem[0] = rknn_create_mem(context,input_attr[0].size_with_stride);/*size_with_stride表示补齐了无效像素后，实际存储图像数据所占用的内存空间的大小*/
  output_mem[0] = rknn_create_mem(context,output_attr[0].n_elems*sizeof(float));/*n_elems表示输出数据的元素个数，输出数据所占内存为输出数据的元素个数n_elems乘每个元素所占的空间大小*/

至此，输入和输出数据的内存申请就完成了。
然后使用memcpy函数将要推理的数据加载到刚刚申请的内存中。代码如下所示：

  unsigned char *input_data = img.data;
  memcpy(input_mem[0]->virt_addr,input_data,input_attr[0].size_with_stride);
📌void * destination
第一个参数的类型是无类型指针(void*),它指向拷贝的目的地内存块,它的作用是为函数提供目的地的内存块起始地址,以便函数能够准确地将内容拷贝到我们需要的内存空间.
📌const void * source
第二个参数的类型是被const修饰(const修饰的指针,const在*左边表示指针指向的内容不可修改,const在*右边表示指针的指向不可修改)的无类型指针(void*),它指向拷贝数据的来源内存块,它的作用是为函数提供拷贝源头内存块起始地址,以便函数能够准确找到拷贝的源头进行拷贝.
📌size_t num
第三个参数的类型是size_t(无符号整形),它表示要拷贝数据的字节数,它的作用是告诉函数需要拷贝的字节数是多少,以便函数精准的拷贝该数目字节数空间的内容到目的地.
🎏函数返回值
函数的返回值类型是无类型指针(void*),它的作用是在函数运行结束后返回拷贝后的目的地内存块的起始地址.
🎏函数头文件
该函数包含在头文件<string.h>中.

                        
原文链接：https://blog.csdn.net/weixin_72357342/article/details/132104889
2.2.4 第四步：调用rknn_set_io_mem接口让NPU使用上一步申请的内存
2.2.4.1 rknn_set_io_mem API介绍

如果用户自己为网络输入/输出 tensor 分配内存，初始化相应的 rknn_tensor_mem 结构体后，在调用 rknn_run 前，通过 rknn_set_io_mem 函数可以让 NPU 使用该内存。

示例代码如下：

2.2.4.2 实际代码编写
  /*调用rknn_set_io_mem让NPU使用上面申请到的内存*/
  /*在使用该命令之前，还需要对输入数据和输出数据的tensor数据类型进行设置*/
  input_attr[0].type = RKNN_TENSOR_UINT8;
  output_attr[0].type = RKNN_TENSOR_FLOAT32;
  rknn_set_io_mem(context,input_mem[0],input_attr);
  rknn_set_io_mem(context,output_mem[0],output_attr);
 2.2.5 第五步：调用rknn_run接口执行模型推理


模型推理完成之后， 会将推理数据保存到输出数据内存中。

2.2.6 第六步：对模型推理的输出数据进行后处理

后处理代码如下所示：

static int rknn_GetTopN(float* pfProb, float* pfMaxProb, uint32_t* pMaxClass, uint32_t outputCount, uint32_t topNum)
{
  uint32_t i, j;
  uint32_t top_count = outputCount > topNum ? topNum : outputCount;

  for (i = 0; i < topNum; ++i) {
    pfMaxProb[i] = -FLT_MAX;
    pMaxClass[i] = -1;
  }

  for (j = 0; j < top_count; j++) {
    for (i = 0; i < outputCount; i++) {
      if ((i == *(pMaxClass + 0)) || (i == *(pMaxClass + 1)) || (i == *(pMaxClass + 2)) || (i == *(pMaxClass + 3)) ||
          (i == *(pMaxClass + 4))) {
        continue;
      }

      if (pfProb[i] > *(pfMaxProb + j)) {
        *(pfMaxProb + j) = pfProb[i];
        *(pMaxClass + j) = i;
      }
    }
  }

  return 1;
}



   // Get top 5
  uint32_t topNum = 5;
  uint32_t MaxClass[topNum];
  float    fMaxProb[topNum];
  float*   buffer    = (float*)output_mem[0]->virt_addr;
  uint32_t sz        = output_attr[0].n_elems;
  int      top_count = sz > topNum ? topNum : sz;

  rknn_GetTopN(buffer, fMaxProb, MaxClass, sz, topNum);

  printf("---- Top%d ----\n", top_count);
  for (int j = 0; j < top_count; j++) {
    printf("%8.6f - %d\n", fMaxProb[j], MaxClass[j]);
  }

 将上述代码的两个部分分别放至如下位置，如下图所示：

2.2.7 第七步：调用rknn_destroy_mem毁rknn _tensor_mem结构体，释放用户分配的内存
2.2.7.1 rknn_destroy_mem API介绍

rknn_destroy_mem 函数会销毁 rknn_tensor_mem 结构体，用户分配的内存需要自行释放。

示例代码如下：

2.2.7.2 实际代码编写 
2.2.8 第八步：调用rknn_destroy释放传入的rknn_context及其相关资源

 

2.2.9 最终代码

 main.cc文件最终如下所示：

#include<stdio.h>
#include "rknn_api.h"
#include "opencv2/core/core.hpp"
#include "opencv2/imgcodecs.hpp"
#include "opencv2/imgproc.hpp"
#include "string.h"
using namespace cv;

  static int rknn_GetTopN(float* pfProb, float* pfMaxProb, uint32_t* pMaxClass, uint32_t outputCount, uint32_t topNum)
{
  uint32_t i, j;
  uint32_t top_count = outputCount > topNum ? topNum : outputCount;

  for (i = 0; i < topNum; ++i) {
    pfMaxProb[i] = -FLT_MAX;
    pMaxClass[i] = -1;
  }

  for (j = 0; j < top_count; j++) {
    for (i = 0; i < outputCount; i++) {
      if ((i == *(pMaxClass + 0)) || (i == *(pMaxClass + 1)) || (i == *(pMaxClass + 2)) || (i == *(pMaxClass + 3)) ||
          (i == *(pMaxClass + 4))) {
        continue;
      }

      if (pfProb[i] > *(pfMaxProb + j)) {
        *(pfMaxProb + j) = pfProb[i];
        *(pMaxClass + j) = i;
      }
    }
  }

  return 1;
}

int main(int argc,char *argv[]){
  char *model_path = argv[1]; /*要加载的模型路径*/
  char *image_path = argv[2]; /*要推理的图片的路径*/

  rknn_context context; /*创建一个rknn_context类型的结构体变量*/
  rknn_init(&context,model_path,0,0,NULL); /*将RKNN模型的运行环境和相关信息赋予到context变量当中*/
  
  /*使用opencv读取推理测试图片*/
  cv::Mat img = cv::imread(image_path);
  cv::cvtColor(img,img,cv::COLOR_BGR2RGB);

  /*调用rknn_query接口查询输入输出tensor属性*/
  rknn_tensor_attr input_attr[1],output_attr[1]; /*input_attr，output_attr分别记录输入，输出tensor属性*/
  /*使用memset对这两个变量进行初始化*/
  memset(input_attr,0,sizeof(rknn_tensor_attr));
  memset(output_attr,0,sizeof(rknn_tensor_attr));

  rknn_query(context,RKNN_QUERY_INPUT_ATTR,input_attr,sizeof(input_attr));
  rknn_query(context,RKNN_QUERY_OUTPUT_ATTR,output_attr,sizeof(output_attr));
  

  /*调用rknn_create_mem接口申请输入和输出数据内存*/
  rknn_tensor_mem *input_mem[1],*output_mem[1];
  input_mem[0] = rknn_create_mem(context,input_attr[0].size_with_stride);/*size_with_stride表示补齐了无效像素后，实际存储图像数据所占用的内存空间的大小*/
  output_mem[0] = rknn_create_mem(context,output_attr[0].n_elems*sizeof(float));/*n_elems表示输出数据的元素个数，输出数据所占内存为输出数据的元素个数n_elems乘每个元素所占的空间大小*/

  /**/
  unsigned char *input_data = img.data;
  memcpy(input_mem[0]->virt_addr,input_data,input_attr[0].size_with_stride);
  

  /*调用rknn_set_io_mem让NPU使用上面申请到的内存*/
  /*在使用该命令之前，还需要对输入数据和输出数据的tensor数据类型进行设置*/
  input_attr[0].type = RKNN_TENSOR_UINT8;
  output_attr[0].type = RKNN_TENSOR_FLOAT32;
  rknn_set_io_mem(context,input_mem[0],input_attr);
  rknn_set_io_mem(context,output_mem[0],output_attr);
   
  /*调用rknn_run接口进行模型推理*/
  rknn_run(context,NULL);

  /*后处理操作*/
   // Get top 5
  uint32_t topNum = 5;
  uint32_t MaxClass[topNum];
  float    fMaxProb[topNum];
  float*   buffer    = (float*)output_mem[0]->virt_addr;
  uint32_t sz        = output_attr[0].n_elems;
  int      top_count = sz > topNum ? topNum : sz;

  rknn_GetTopN(buffer, fMaxProb, MaxClass, sz, topNum);

  printf("---- Top%d ----\n", top_count);
  for (int j = 0; j < top_count; j++) {
    printf("%8.6f - %d\n", fMaxProb[j], MaxClass[j]);
  }


  /*调用rknn_destroy_mem接口销毁申请的内存*/
  rknn_destroy_mem(context,input_mem[0]); // 销毁输入数据内存
  rknn_destroy_mem(context,output_mem[0]); // 销毁输出数据内存

  /*调用rknn_destory销毁context对象*/
  rknn_destroy(context);

  return 0;
}
2.2.10 运行build.sh构建工程



      项目文件夹中多出了build目录和install目录，将install目录拷贝到开发板系统根目录上，如下图所示，这跟上一篇博文中提到的操作流程一至，在这里就不过多赘述了。

2.2.11 在开发板上完成模型的测试 

使用 adb shell 命令切换至开发板终端，如下图所示：

在开发板上打开install目录，如下图所示：

进入 non_copy_Linux中，如下图所示：

通过 ./non_copy 运行模型，如下图所示：

得到运行结果：

推理测试成功。
至此，使用零拷贝API编写的RKNPU2推理程序也就测试完成了！！

 

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/2090265.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

产品概述Tektronix泰克TCP0030A电流探头TCP0030原装二手

产品概述Tektronix泰克TCP0030A电流探头TCP0030原装二手

产品概述 Tekronix TCP0030 AC/DC 电流探头是一款高性能且易于使用的探头&#xff0c;它通过可选测量范围增强了带宽&#xff0c;同时还提供了低电流测量能力和精度。Tektronix TCP0030 探头专为具有 TekVPI 探头接口的示波器而设计。 Tektronix TCP0030 AC/DC 电流探头的功能…
阅读更多...
浏览器播放RTSP流，支持H264、H265等格式，支持IE、Chrome等浏览器

浏览器播放RTSP流，支持H264、H265等格式，支持IE、Chrome等浏览器

目录 背景 解决方案 效果 代码 前端代码 后端代码 下载 背景 项目中需要在浏览器中播放RTSP流&#xff0c;实在是不想折腾ActiveX控件 1、麻烦&#xff08;开发麻烦、使用时设置也麻烦&#xff09; 2、非IE浏览器不兼容 解决方案 使用OpenCvSharpNancy写一个解码服…
阅读更多...
uniapp秋云图表报错json underfind的原因

uniapp秋云图表报错json underfind的原因

如果在使用秋云图表 出现报错 以及只有第一次能够渲染正确的图表 后续刷新都不显示 那么大概率都是因为在刷新页面数据的时候 图标组件自己先执行了一遍&#xff0c;导致在第一遍的时候找不到值而报错 如图所示 只需要在加载数据的时候 加个延时 就可以很好的解决这个问题
阅读更多...
记录一下腾讯云即时通信IM（无UI集成）、TRTC做文字、语音、图片、实时音视频聊天遇到的问题

记录一下腾讯云即时通信IM（无UI集成）、TRTC做文字、语音、图片、实时音视频聊天遇到的问题

文章目录 简单记录一下通讯IM和TRTC的一些坑&#xff1a;&#xff08;有其他坑再补充......&#xff09;isReady() 一直返回falseSDK_READY监听有时候会不触发getConversationList拉取会话&#xff0c;消息数据里的cloudCustomData经常会丢移动端发图片消息总是卡顿im里的信令消…
阅读更多...
SpringBoot+redis+aop处理黑白名单

SpringBoot+redis+aop处理黑白名单

提示&#xff1a;SpringBootredisaop处理黑白名单 文章目录 目录 文章目录 1.导包 2.配置文件 3.代码 1.返回类型 2.redis 3.redisUtils 4.controller 5.AOP 6.具体实现 4.APIFox压力测试 1.导包 <dependencies><dependency><groupId>org.springf…
阅读更多...
Mybatis基础操作学习

Mybatis基础操作学习

文章目录 实施前的准备工作&#xff1a;基础操作演示删除新增修改&#xff08;更新&#xff09;查询条件查询 实施前的准备工作&#xff1a; 准备数据库表创建一个新的springboot工程&#xff0c;选择引入对应的起步依赖&#xff08;mybatis、mysql驱动、lombok&#xff09;ap…
阅读更多...
C语言初阶 --- 数据在内存中的存储

C语言初阶 --- 数据在内存中的存储

&#x1f388; 个人主页&#x1f449;&#xff1a;tbRNA-CSDN博客 &#x1f4af; 个人简介&#xff1a;在校大学生一枚&#x1f48b;. &#x1f60d; 希望我的文章对大家有着不一样的帮助&#xff0c;欢迎大家关注我&#xff0c;感谢大家的多多支持&#xff01; &#x1f389; …
阅读更多...
chapter09-OOP高级部分——（final关键字）——day12

chapter09-OOP高级部分——（final关键字）——day12

目录 394-final基本使用 395-final使用细节1 396-final使用细节2 397-final课堂练习 394-final基本使用 395-final使用细节1 396-final使用细节2 397-final课堂练习 一、 二、 x&#xff1b;相当于修改final x的值&#xff0c;不可以 return x1&#xff1b;这里是可以的
阅读更多...
【红队技巧】.Net免杀 绕过主流杀软

【红队技巧】.Net免杀 绕过主流杀软

【技巧】.Net免杀 绕过主流杀软 前言 最近执行任务时&#xff0c;需要动用自己的免杀知识却发现它们不再生效&#xff0c;于是就有了本文。这次对windows api和C#又有了比在thm​学习时更深的认识和了解。 C#动态加载LoadLinrary受限绕过EnumWindows函数执行shellcode C#动…
阅读更多...
Theadlocal是什么？有哪些使用场景？底层实现是什么？

Theadlocal是什么？有哪些使用场景？底层实现是什么？

首先在线程里有一个ThreadlocalMap这个变量&#xff0c;在我们调用threadlocal.set&#xff08;&#xff09;方法的时候其实就是操作当前线程的ThreadlocalMap&#xff0c;将threadlocal放到key上将threadlocal的值存入value中。 这是set方法的具体实现。 需要注意的是&#x…
阅读更多...
普元Devops-在云主机上拉取harbor的docker镜像并部署

普元Devops-在云主机上拉取harbor的docker镜像并部署

1 前言 本文讲解如何从普元Devops配置构建&#xff0c;从而实现在云主机上拉取Docker镜像&#xff0c;然后运行Docker容器&#xff0c;实现云主机的Docker部署。 2 主要步骤说明 首先&#xff0c;我们有一个Devops服务器&#xff0c;还有一个云主机服务器&#xff0c;还有一个…
阅读更多...
springboot+redis+mybatis体会布隆过滤器

springboot+redis+mybatis体会布隆过滤器

1.建立数据库表和对应实体类 CREATE TABLE user (id int(11) NOT NULL AUTO_INCREMENT,uname varchar(50) DEFAULT NULL,usex varchar(20) DEFAULT NULL,uage int(11) DEFAULT NULL,PRIMARY KEY (id) USING BTREE ) ENGINEInnoDB AUTO_INCREMENT1319 DEFAULT CHARSETutf8 ROW_…
阅读更多...
美国硅谷多ip服务器用途广吗?

美国硅谷多ip服务器用途广吗?

美国硅谷多IP服务器的用途广泛&#xff0c;涉及多个行业和应用场景&#xff0c;包括站群运营、SEO优化、游戏代理、软件开发、数据分析、科学研究、电子商务、在线营销、虚拟主机和云服务等。具体分析如下&#xff0c;rak小编为您整理发布美国硅谷多ip服务器用途广吗的相关内容…
阅读更多...
JetBrains WebStorm 2024.2 (macOS, Linux, Windows) - 最智能的 JavaScript IDE

JetBrains WebStorm 2024.2 (macOS, Linux, Windows) - 最智能的 JavaScript IDE

JetBrains WebStorm 2024.2 (macOS, Linux, Windows) - 最智能的 JavaScript IDE JetBrains 跨平台开发者工具 请访问原文链接&#xff1a;ttps://sysin.org/blog/jetbrains-webstorm/&#xff0c;查看最新版。原创作品&#xff0c;转载请保留出处。 作者主页&#xff1a;sy…
阅读更多...
OpenCV绘图函数（12）绘制直线函数 line()的使用

OpenCV绘图函数（12）绘制直线函数 line()的使用

操作系统&#xff1a;ubuntu22.04 OpenCV版本&#xff1a;OpenCV4.9 IDE:Visual Studio Code 编程语言&#xff1a;C11 算法描述 line 函数在图像中绘制从 pt1 到 pt2 两点之间的线段。这条线会被图像边界裁剪。对于没有抗锯齿效果且坐标为整数的线&#xff0c;会使用 8-连接…
阅读更多...
HarmonyOS开发实战（ Beta5版）减小应用包大小

HarmonyOS开发实战（ Beta5版）减小应用包大小

简介 减小应用包大小是提升应用下载、安装体验的重要方式之一。通过压缩、精简或者复用应用中的代码或资源&#xff0c;可以有效降低应用的大小&#xff0c;提升应用下载和安装速度&#xff0c;减少系统空间占用。 开发者可以参考下面三种方法减小应用包大小&#xff1a; 配…
阅读更多...
数据结构—栈和队列

数据结构—栈和队列

栈 一、栈的概念及结构 栈&#xff08;Stack&#xff09;是一种特殊的线性表&#xff0c;其只允许在表的固定的一端进行插入和删除操作。 栈顶&#xff1a;进行插入数据和删除数据的一端。 栈底&#xff1a;相对于栈顶的另一端。 原则&#xff1a;栈的数据元素遵循后进先出…
阅读更多...
【Python报错已解决】`TypeError`：`TypeError: not enough arguments for format string`

【Python报错已解决】`TypeError`：`TypeError: not enough arguments for format string`

&#x1f3ac; 鸽芷咕&#xff1a;个人主页 &#x1f525; 个人专栏: 《C干货基地》《粉丝福利》 ⛺️生活的理想&#xff0c;就是为了理想的生活! 引言 在Python编程中&#xff0c;TypeError是一个常见的错误类型&#xff0c;它表示在操作或函数调用中使用了错误的类型。本文…
阅读更多...
服务器死机/无故宕机排查思路/服务器起不来

服务器死机/无故宕机排查思路/服务器起不来

1、查看服务器型号 dmidecode -t system dmidecode | grep ‘Product Name’ 2、风扇异响&#xff1a;查看BMC&#xff0c;坏了一个风扇其他的所有的风扇会全速转。 3、服务器亮红灯 红灯就是 故障告警 不一定是啥需要查看BMC口日志。这种就是看bmc日志 会有打印的 -问题现象&a…
阅读更多...
java中的反射Reflection

java中的反射Reflection

Java中的反射&#xff08;Reflection&#xff09;是一种强大的机制&#xff0c;它允许程序在运行时查询和操作对象的类型信息。通过反射API&#xff0c;程序可以动态地创建对象、调用方法、访问字段和构造函数等&#xff0c;即使在编译时这些信息是未知的。 反射的原理 反射的…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023