Go语言实战：Goroutine组(Group)在项目中的高效应用‌

作者： 分类：所有,golang 字数：17737

并发是 Go 语言的核心特性之一，而在实际项目中，我们往往需要同时启动成百上千个 Goroutine，并对它们进行高效的管理与调度。本文将围绕“Goroutine 组（Group）”展开，详细介绍如何利用 sync.WaitGroup、errgroup、context、工作池、管道模式等组合方式，在项目中实现高性能、可控的并发逻辑。文章配有代码示例、Mermaid 图解与详细说明，帮助你快速掌握实战技巧。

目录

  1. 为什么要使用 Goroutine 组？
  2. 基础工具：sync.WaitGroup
    2.1. WaitGroup 基本用法
    2.2. 等待子任务完成场景示例
  3. 错误管理：golang.org/x/sync/errgroup
    3.1. errgroup vs WaitGroup
    3.2. errgroup 并发任务示例
  4. 上下文与取消：context.WithCancel、WithTimeout
    4.1. 用上下文控制一组 Goroutine
    4.2. ctx 取消传播示例
  5. 工人池（Worker Pool）模式
    5.1. Worker Pool 基本原理
    5.2. Worker Pool 代码示例
    5.3. Mermaid 图解：Worker Pool 流程
  6. 并发管道（Pipeline）模式
    6.1. Pipeline 模型简介
    6.2. 多阶段处理示例
    6.3. Mermaid 图解：Pipeline 并发流程
  7. 实战示例：并发文件下载系统
    7.1. 需求描述与设计思路
    7.2. 核心代码解析
    7.3. 流程图示意（Mermaid）
  8. 性能与调优建议
    8.1. 避免过度启动 Goroutine
    8.2. 选择合适的缓冲区大小
    8.3. 减少共享资源竞争
  9. 总结

1. 为什么要使用 Goroutine 组？

在 Go 项目中，我们往往会遇到需要并行处理多个子任务的场景，例如：

  • 同时向多个第三方 API 发起请求，等待全部结果后汇总；
  • 对大量文件或数据记录并发处理，最后统计结果；
  • 在后台启动多个消费者协程，从队列中获取任务并执行。

如果直接 go f() 启动多个 Goroutine，却没有集中管理，就会导致：

  1. 无法知道何时全部完成：主进程提前退出，或后续逻辑无法获取所有结果；
  2. 错误无法汇总：某个子协程发生错误，难以传递给上层进行统一处理；
  3. 取消困难：需要提前中止所有协程时，没有统一的取消机制。

因此，我们引入“Goroutine 组”概念，通过如下手段来高效管理一组并发任务：

  • 使用 sync.WaitGroup 等待所有子任务完成；
  • 使用 errgroup.Group 在出错时能自动取消剩余子任务；
  • 结合 context.Context 实现全局超时或手动取消；
  • 在任务量大时，通过工作池或管道控制并发数与数据流。

2. 基础工具：sync.WaitGroup

sync.WaitGroup 是 Go 标准库提供的并发等待工具，用于等待一组 Goroutine 完成。

2.1 WaitGroup 基本用法

package main

import (
    "fmt"
    "sync"
    "time"
)

func worker(id int, wg *sync.WaitGroup) {
    defer wg.Done() // 表示当前 Goroutine 完成
    fmt.Printf("Worker %d 开始\n", id)
    time.Sleep(time.Second) // 模拟工作耗时
    fmt.Printf("Worker %d 完成\n", id)
}

func main() {
    var wg sync.WaitGroup
    numWorkers := 5

    // 启动 5 个 Goroutine
    for i := 1; i <= numWorkers; i++ {
        wg.Add(1) // 增加一个等待计数
        go worker(i, &wg)
    }

    // 等待所有 Goroutine 完成
    wg.Wait()
    fmt.Println("所有 Worker 完成")
}

说明：

  • wg.Add(1)：对 WaitGroup 计数加 1；
  • defer wg.Done()：在 Goroutine 结束前调用 Done()，将计数减 1；
  • wg.Wait()：阻塞当前 Goroutine，直到计数降为 0。

2.2 等待子任务完成场景示例

假设有一批 URL，需要并发获取页面并处理，最后才进行汇总：

package main

import (
    "fmt"
    "io/ioutil"
    "net/http"
    "sync"
)

func fetchURL(url string, wg *sync.WaitGroup, mu *sync.Mutex, results map[string]int) {
    defer wg.Done()
    resp, err := http.Get(url)
    if err != nil {
        fmt.Printf("获取 %s 失败: %v\n", url, err)
        return
    }
    defer resp.Body.Close()

    body, _ := ioutil.ReadAll(resp.Body)
    mu.Lock()
    results[url] = len(body) // 简单统计内容长度
    mu.Unlock()
}

func main() {
    urls := []string{
        "https://golang.org",
        "https://www.baidu.com",
        "https://www.github.com",
    }
    var wg sync.WaitGroup
    var mu sync.Mutex
    results := make(map[string]int)

    for _, url := range urls {
        wg.Add(1)
        go fetchURL(url, &wg, &mu, results)
    }

    wg.Wait()
    fmt.Println("所有 URL 已抓取，结果如下：")
    for u, length := range results {
        fmt.Printf("%s → %d 字节\n", u, length)
    }
}
  • 通过 sync.Mutex 保护共享的 results，避免并发写冲突；
  • 最后在 wg.Wait() 之后统一输出结果，保证所有子任务完成后再汇总。

3. 错误管理：golang.org/x/sync/errgroup

当并发任务中可能产生错误时，单纯的 sync.WaitGroup 不能将错误传递给主 Goroutine，也无法实现“出错后取消剩余任务”。Go 官方提供的 errgroup 解决了这一需求。

3.1 errgroup vs WaitGroup

  • errgroup.Group 内部集成了 sync.WaitGroup，并增加了错误捕获与取消功能；

  • 一旦某个任务返回非 nil 错误，errgroup 会：

    1. 将该错误保存为全局错误；
    2. 自动取消通过与之关联的 context.Context 生成的子 Context；
    3. 其余挂起任务可通过检查 ctx.Err() 及时退出。

3.2 errgroup 并发任务示例

package main

import (
    "context"
    "fmt"
    "golang.org/x/sync/errgroup"
    "time"
)

// 模拟执行带错误的任务
func doTask(ctx context.Context, id int) error {
    select {
    case <-time.After(time.Duration(id) * 500 * time.Millisecond):
        if id == 2 {
            return fmt.Errorf("任务 %d 失败", id)
        }
        fmt.Printf("任务 %d 完成\n", id)
        return nil
    case <-ctx.Done():
        fmt.Printf("任务 %d 被取消\n", id)
        return ctx.Err()
    }
}

func main() {
    ctx := context.Background()
    g, ctx := errgroup.WithContext(ctx)

    // 启动 3 个并发任务
    for i := 1; i <= 3; i++ {
        i := i // 避免闭包陷阱
        g.Go(func() error {
            return doTask(ctx, i)
        })
    }

    // 主 Goroutine 等待所有任务完成或第一个错误
    if err := g.Wait(); err != nil {
        fmt.Printf("并发任务出错: %v\n", err)
    } else {
        fmt.Println("所有任务成功完成")
    }
}

输出示例：

任务 1 完成
并发任务出错: 任务 2 失败
任务 3 被取消
  • 任务 2 在 1s 后失败，errgroup 捕获后取消了任务 3；
  • 最终 g.Wait() 返回第一个错误。

4. 上下文与取消：context.WithCancel、WithTimeout

在复杂的并发场景下，我们往往需要在某个时刻批量取消一组 Goroutine，而不仅仅是等待它们执行完毕。借助 context.Context，可以优雅地实现取消传播。

4.1 用上下文控制一组 Goroutine

package main

import (
    "context"
    "fmt"
    "time"
)

func worker(ctx context.Context, id int) {
    for {
        select {
        case <-time.After(300 * time.Millisecond):
            fmt.Printf("Worker %d: 做一次工作\n", id)
        case <-ctx.Done():
            fmt.Printf("Worker %d: 收到取消信号，退出\n", id)
            return
        }
    }
}

func main() {
    ctx, cancel := context.WithCancel(context.Background())
    // 启动 3 个 Worker
    for i := 1; i <= 3; i++ {
        go worker(ctx, i)
    }

    // 运行 1 秒后取消
    time.Sleep(time.Second)
    fmt.Println("主 Goroutine: 触发取消")
    cancel()

    // 等待一会儿观察输出
    time.Sleep(500 * time.Millisecond)
    fmt.Println("退出")
}

运行结果示例：

Worker 1: 做一次工作
Worker 2: 做一次工作
Worker 3: 做一次工作
Worker 1: 做一次工作
Worker 2: 做一次工作
Worker 3: 做一次工作
主 Goroutine: 触发取消
Worker 1: 收到取消信号，退出
Worker 3: 收到取消信号，退出
Worker 2: 收到取消信号，退出
退出
  • 3 个 Worker 在并发执行，当主 Goroutine 调用 cancel() 后，所有 Worker 同时收到取消信号并退出，确保不会遗留僵尸 Goroutine。

4.2 ctx 取消传播示例

结合 WaitGroup 与 context，可以在出现某个子任务错误时，取消其他正在运行的子任务：

package main

import (
    "context"
    "fmt"
    "sync"
    "time"
)

func job(ctx context.Context, id int, wg *sync.WaitGroup, errCh chan<- error) {
    defer wg.Done()
    for {
        select {
        case <-time.After(time.Duration(id) * 300 * time.Millisecond):
            if id == 2 {
                errCh <- fmt.Errorf("job %d 错误", id)
                return
            }
            fmt.Printf("Job %d 完成一次工作\n", id)
        case <-ctx.Done():
            fmt.Printf("Job %d 收到取消，退出\n", id)
            return
        }
    }
}

func main() {
    ctx, cancel := context.WithCancel(context.Background())
    var wg sync.WaitGroup
    errCh := make(chan error, 1)

    // 启动 3 个并发 job
    for i := 1; i <= 3; i++ {
        wg.Add(1)
        go job(ctx, i, &wg, errCh)
    }

    // 等待首个错误或全部完成
    go func() {
        wg.Wait()
        close(errCh)
    }()

    if err, ok := <-errCh; ok {
        fmt.Printf("检测到错误: %v，取消其他任务\n", err)
        cancel()
    }

    // 等待所有 Goroutine 退出
    wg.Wait()
    fmt.Println("主 Goroutine: 所有 job 都已退出")
}
  • errCh 缓冲为 1，用于接收首个错误；
  • 主 Goroutine 在接收到错误后立即 cancel()，其他任务根据 ctx.Done() 退出；
  • 最终 wg.Wait() 确保所有 Goroutine 彻底退出。

5. 工人池（Worker Pool）模式

当任务数量远大于 Goroutine 能承受的并发数时，需要使用工作池模式，限制并发数量，并复用固定数量的 Goroutine 来处理多个任务。

5.1 Worker Pool 基本原理

  1. 固定数量的 Worker（Goroutine）：先启动 N 个 Goroutine，作为工作线程池；
  2. 任务队列（Channel）：新任务发送到一个任务 Channel；
  3. Worker 取任务执行：每个 Worker 都从任务 Channel 中接收任务，处理完毕后继续循环等待；
  4. 关闭流程：当不再产生新任务时，关闭任务 Channel，Worker 在遍历完 Channel 后自行退出。

Mermaid 图解：Worker Pool 流程

flowchart LR
    subgraph TaskProducer
        A1[产生任务] --> A2[发送到 taskChan]
    end
    subgraph WorkerPool
        direction LR
        W1[Worker1] <---> taskChan
        W2[Worker2] <---> taskChan
        W3[Worker3] <---> taskChan
    end
    subgraph TaskConsumer
        B[Worker 处理完成，写结果或返回]
    end
  • taskChan 代表任务队列，生产者向 Channel 发送任务，多个 Worker 从中并发消费。

5.2 Worker Pool 代码示例

下面用 Go 实现一个简单的 Worker Pool，将一组整数任务并发计算平方并打印。

package main

import (
    "fmt"
    "sync"
    "time"
)

func worker(id int, tasks <-chan int, results chan<- int, wg *sync.WaitGroup) {
    defer wg.Done()
    for n := range tasks {
        result := n * n
        fmt.Printf("Worker %d 处理任务: %d 的平方 = %d\n", id, n, result)
        time.Sleep(200 * time.Millisecond) // 模拟耗时
        results <- result
    }
    fmt.Printf("Worker %d 退出\n", id)
}

func main() {
    numWorkers := 3
    numbers := []int{2, 3, 4, 5, 6, 7, 8, 9}

    tasks := make(chan int, len(numbers))
    results := make(chan int, len(numbers))

    var wg sync.WaitGroup
    // 启动固定数量的 Worker
    for i := 1; i <= numWorkers; i++ {
        wg.Add(1)
        go worker(i, tasks, results, &wg)
    }

    // 发送任务
    for _, num := range numbers {
        tasks <- num
    }
    close(tasks) // 关闭任务 Channel，表示不会再发送新任务

    // 等待所有 Worker 结束
    wg.Wait()
    close(results)

    fmt.Println("所有 Worker 已退出，结果如下：")
    for res := range results {
        fmt.Println(res)
    }
}

运行流程：

  1. 创建 3 个 Worker Goroutine，它们都从 tasks Channel 中读取整数；
  2. 将 8 个整数依次发送到 tasks；
  3. close(tasks) 通知 Worker：不再有新任务，Worker 在遍历完 Channel 后退出；
  4. 每个 Worker 计算平方后将结果写入 results Channel；
  5. 等待所有 Worker wg.Wait()，再关闭 results 并遍历输出。

5.3 Mermaid 图解：Worker Pool 流程

flowchart TD
    subgraph Producer[任务生产者]
        A1[生成任务 nums=[2,3,4,...]]
        A1 -->|发送到| TaskChan[taskChan]
    end

    subgraph WorkerPool[Worker 池]
        direction LR
        W1[Worker1] <--> TaskChan
        W2[Worker2] <--> TaskChan
        W3[Worker3] <--> TaskChan
    end

    subgraph Results[结果收集]
        B1[结果 Channel results]
    end

    W1 -->|计算 n^2| B1
    W2 -->|计算 n^2| B1
    W3 -->|计算 n^2| B1

    B1 -->|输出最终结果| Output[打印]

6. 并发管道（Pipeline）模式

管道模式是 Go 并发中的经典模式，将多个处理阶段串联，每个阶段由一组 Goroutine 负责，数据沿着 Channel 从一个阶段流向下一个阶段。

6.1 Pipeline 模型简介

  1. 阶段 1：生成：Producer 产生原始数据，写入 chan1；
  2. 阶段 2：处理：一组 Goroutine 从 chan1 中读取数据，进行转换后写入 chan2；
  3. 阶段 3：汇总：最后一组 Goroutine 从 chan2 读取结果，进行最终输出或存储。

每个阶段内部也常结合 WaitGroup 或 errgroup 控制并发数量与错误处理。

6.2 多阶段处理示例

下面示例一个两阶段管道：

  • 阶段 1：生成数字（1\~10）；
  • 阶段 2：计算每个数字的平方；
  • 阶段 3：打印结果。
package main

import (
    "fmt"
    "sync"
)

// 生成者，将数字发送到 out Channel
func generator(out chan<- int) {
    for i := 1; i <= 10; i++ {
        out <- i
    }
    close(out)
}

// 计算平方，将输入加以处理后写入 out Channel
func square(in <-chan int, out chan<- int, wg *sync.WaitGroup) {
    defer wg.Done()
    for n := range in {
        out <- n * n
    }
}

// 汇总者，从 in Channel 读取并打印
func printer(in <-chan int, done chan<- struct{}) {
    for sq := range in {
        fmt.Println("平方结果:", sq)
    }
    done <- struct{}{}
}

func main() {
    // 阶段 1 → 阶段 2 → 阶段 3
    ch1 := make(chan int)
    ch2 := make(chan int)
    done := make(chan struct{})

    // 启动生成者
    go generator(ch1)

    // 阶段 2：启动 3 个并发 Goroutine 计算平方
    var wg sync.WaitGroup
    numWorkers := 3
    wg.Add(numWorkers)
    for i := 0; i < numWorkers; i++ {
        go square(ch1, ch2, &wg)
    }

    // 阶段 3：汇总者
    go func() {
        wg.Wait()
        close(ch2)
    }()
    go printer(ch2, done)

    <-done
    fmt.Println("Pipeline 完成")
}
  • generator 产生数字 1\~10，并关闭 ch1；
  • square 阶段启动 3 个并发 Goroutine，从 ch1 中不断读取并计算平方，写入 ch2，最后在 wg.Wait() 后关闭 ch2；
  • printer 持续从 ch2 中读取并打印，直至 ch2 关闭后，将 done 通知主 Goroutine 退出。

6.3 Mermaid 图解：Pipeline 并发流程

flowchart TD
    subgraph Stage1[生成阶段]
        G[Generator (1~10)] -->|写入| ch1
    end

    subgraph Stage2[计算阶段]
        direction LR
        W1[Worker1] <-- ch1
        W2[Worker2] <-- ch1
        W3[Worker3] <-- ch1
        W1 --> ch2
        W2 --> ch2
        W3 --> ch2
    end

    subgraph Stage3[打印阶段]
        P[Printer] <-- ch2
    end

    P --> Done[主 Goroutine 退出]

7. 实战示例：并发文件下载系统

下面以一个典型的场景做实战：并发下载多个文件，并在下载完成后统一处理。

7.1 需求描述与设计思路

  • 输入一组文件 URL；
  • 使用固定数量的工作池并发下载文件；
  • 在下载完成后，统计所有文件的大小或进行后续处理；
  • 支持“超时”与“出错后取消其余下载”。

设计思路：

  1. 使用 errgroup.Group 创建可取消的上下文；
  2. 搭建一个 Worker Pool，将 URL 写入任务 Channel；
  3. Worker 从 Channel 读取 URL，调用 http.Get 并保存到本地或测量大小；
  4. 出错时通过 Context 取消其余任务；
  5. 最终统计成功下载的文件信息。

7.2 核心代码解析

package main

import (
    "context"
    "fmt"
    "golang.org/x/sync/errgroup"
    "io"
    "net/http"
    "os"
    "path/filepath"
)

const (
    maxWorkers = 5
    timeout    = 30 // 秒
)

// downloadFile 下载 URL 到指定目录，并返回文件大小
func downloadFile(ctx context.Context, url, dir string) (int64, error) {
    // 创建请求并携带上下文
    req, err := http.NewRequestWithContext(ctx, "GET", url, nil)
    if err != nil {
        return 0, err
    }
    resp, err := http.DefaultClient.Do(req)
    if err != nil {
        return 0, err
    }
    defer resp.Body.Close()

    // 生成本地文件路径
    fileName := filepath.Base(url)
    filePath := filepath.Join(dir, fileName)
    file, err := os.Create(filePath)
    if err != nil {
        return 0, err
    }
    defer file.Close()

    // 写入并统计大小
    n, err := io.Copy(file, resp.Body)
    if err != nil {
        return n, err
    }
    return n, nil
}

func main() {
    urls := []string{
        "https://example.com/file1.zip",
        "https://example.com/file2.zip",
        "https://example.com/file3.zip",
        // ... 更多 URL
    }
    downloadDir := "./downloads"

    // 确保下载目录存在
    os.MkdirAll(downloadDir, 0755)

    // 带超时的 Context
    ctx, cancel := context.WithTimeout(context.Background(), timeout*1e9)
    defer cancel()

    g, ctx := errgroup.WithContext(ctx)

    // 任务队列
    tasks := make(chan string, len(urls))
    // 结果存储 map: url -> 大小
    var mu sync.Mutex
    results := make(map[string]int64)

    // 启动 Worker Pool
    for i := 0; i < maxWorkers; i++ {
        g.Go(func() error {
            for {
                select {
                case <-ctx.Done():
                    return ctx.Err()
                case url, ok := <-tasks:
                    if !ok {
                        return nil // 任务已全部派发
                    }
                    size, err := downloadFile(ctx, url, downloadDir)
                    if err != nil {
                        return err // 发生错误后会取消其他 Goroutine
                    }
                    mu.Lock()
                    results[url] = size
                    mu.Unlock()
                }
            }
        })
    }

    // 派发下载任务
    for _, u := range urls {
        tasks <- u
    }
    close(tasks)

    // 等待所有下载完成或出错/超时
    if err := g.Wait(); err != nil {
        fmt.Printf("下载中出现错误或超时: %v\n", err)
    } else {
        fmt.Println("所有文件下载完成:")
        for u, size := range results {
            fmt.Printf("%s → %d 字节\n", u, size)
        }
    }
}

解析：

  1. 带有超时的 Context：context.WithTimeout 确保整个下载流程不会无限等待；
  2. errgroup.WithContext：创建带取消功能的 Group，一旦某个 Worker 出错，g.Wait() 会返回错误并触发 Context 取消；
  3. Worker Pool：启动 maxWorkers 个 Goroutine，从 tasks Channel 中获取 URL 并调用 downloadFile；
  4. 结果收集：使用 sync.Mutex 保护 results map；
  5. 任务派发与关闭：将所有 URL 写入 tasks 后关闭 Channel，Worker 遍历完后退出。

7.3 流程图示意（Mermaid）

flowchart TD
    subgraph Main Goroutine
        A[准备 URL 列表] --> B[创建带超时 Context 和 errgroup]
        B --> C[启动 maxWorkers 个 Worker]
        C --> D[将所有 URL 写入 tasks Channel 并 close]
        D --> E[g.Wait() 等待所有或第一个错误/超时]
        E -->|成功| F[打印下载结果]
        E -->|错误/超时| G[输出错误信息]
    end

    subgraph Worker Pool
        direction LR
        tasks[(tasks Channel)]
        W1[Worker1] <-- tasks
        W2[Worker2] <-- tasks
        W3[Worker3] <-- tasks
        W4[Worker4] <-- tasks
        W5[Worker5] <-- tasks
        W1 --> results[记录结果]
        W2 --> results
        W3 --> results
        W4 --> results
        W5 --> results
    end

8. 性能与调优建议

在项目中使用 Goroutine 组时，以下经验和技巧可以帮助你获得更好的性能和可控性。

8.1 避免过度启动 Goroutine

  • 硬限制 Goroutine 数量：并发数设置过大，可能导致调度开销和内存压力激增；工作池、并发信号量都是常用手段。
  • 合理估算并发度：根据 CPU 核数、任务 I/O/CPU 特性来设置并发数。例如：I/O 密集型任务可以设置更高并发，CPU 密集型任务应接近 CPU 核数。

8.2 选择合适的缓冲区大小

  • Channel 缓冲大小：根据任务铺垫能力，将任务 Channel 设为足够容量，避免生产者阻塞或数据积压；
  • 结果 Channel：如果有大量结果，适当加大结果 Channel 缓冲，或直接将结果写入并发安全结构。

8.3 减少共享资源竞争

  • 减少锁粒度：sync.Mutex 保护共享结构时，应尽量缩小加锁范围；
  • 使用并发安全数据结构：如 sync.Map、原子操作 atomic 包，或分片锁等；
  • 避免热点写冲突：例如多个 Goroutine 同时写一个文件或数据库表时，要考虑分批或加队列处理。

9. 总结

本文围绕“Go 语言实战：Goroutine 组（Group）在项目中的高效应用”展开，从 sync.WaitGroup、errgroup、context、工作池、管道、到并发文件下载实战示例，详细讲解了常见并发模式与管理方式，并配以代码示例与Mermaid 图解，帮助你在实际项目中：

  • 高效启动并管理一组 Goroutine，保证能够等待或取消它们；
  • 在出现错误时及时中断其余任务，避免资源浪费；
  • 结合上下文（context）实现超时与取消传播；
  • 使用工作池限制并发度，防止出现大量 Goroutine 导致调度与内存压力；
  • 构建多阶段并发管道，便于分阶段处理任务。

通过上述技巧，你可以在 Go 项目中更加自如地使用并发，实现高效、健壮、易维护的并行处理逻辑。

golang
最后修改于：2025年06月04日 11:03

评论已关闭

推荐阅读

DDPG 模型解析，附Pytorch完整代码
2024年11月24日
python , AI
DQN 模型解析，附Pytorch完整代码
2024年11月24日
python , AI , 机器学习
AIGC实战——Transformer模型
2024年12月01日
python , AI , 机器学习
Socket TCP 和 UDP 编程基础（Python）
2024年11月30日
python , tcp , udp
如何使用 ChatGPT 进行学术润色？你需要这些指令
2024年12月01日
AI
最新 Python 调用 OpenAi 详细教程实现问答、图像合成、图像理解、语音合成、语音识别（详细教程）
2024年11月24日
python , AI
ChatGPT 和 DALL·E 2 配合生成故事绘本
2024年12月01日
python , AI
omegaconf，一个超强的 Python 库！
2024年11月24日
python
【视觉AIGC识别】误差特征、人脸伪造检测、其他类型假图检测
2024年12月01日
python , AI
［超级详细］如何在深度学习训练模型过程中使用 GPU 加速
2024年11月29日
python , AI , 机器学习
Python 物理引擎pymunk最完整教程
2024年11月27日
python
MediaPipe 人体姿态与手指关键点检测教程
2024年11月27日
python
深入了解 Taipy：Python 打造 Web 应用的全面教程
2024年11月26日
python
基于Transformer的时间序列预测模型
2024年11月25日
python , Matplotlib , 机器学习
Python在金融大数据分析中的AI应用（股价分析、量化交易）实战
2024年11月25日
python , Matplotlib , 机器学习
AIGC Gradio系列学习教程之Components
2024年12月01日
python , AI
Python3 `asyncio` — 异步 I/O，事件循环和并发工具
2024年11月30日
python
llama-factory SFT系列教程：大模型在自定义数据集 LoRA 训练与部署
2024年12月01日
python , AI , 机器学习
Python 多线程和多进程用法
2024年11月24日
python
Python socket详解，全网最全教程
2024年11月27日
python , http , websocket
Copyright © 2025 Tech Blog
All Right Reserved | 京ICP备19053165号