


Comment capturer le signal de terminaison Ctrl+C en Python3
Contexte technique
Une attention particulière est requise pour les programmes Python de longue durée, tels que les backends de serveur ou les programmes de calcul scientifique. Lors de l'exécution de certaines opérations, telles que l'utilisation de Ctrl+C pour terminer un programme en cours d'exécution, nous devrons peut-être le terminer plus tôt. Habituellement, il existe deux possibilités pour cette situation : la première est que le programme comporte une erreur et que le programme doit être arrêté pour ajustement. L'autre est que le programme lui-même est correct, mais qu'il s'exécute trop lentement ou qu'il souhaite se terminer plus tôt. Dans ce scénario, nous espérons souvent conserver les résultats de calcul correspondants. Cependant, si nous utilisons un format de stockage de données tiers pour stocker les données, il se peut qu'il ne prenne pas en charge le stockage continu. Il est très courant de sauvegarder les résultats une fois l'exécution du programme terminée. Si le programme est terminé à mi-chemin, des moyens spéciaux sont nécessaires pour sauvegarder ses résultats.
Cas de base
Regardons d'abord un cas relativement simple : un programme ordinaire qui imprime des nombres, imprime un nombre toutes les 1 seconde, nous pouvons utiliser le signal.signal de python pour capturer ce signal de terminaison.
# signal_exit.py import signal import sys def signal_handler(signal, frame): print ('\nSignal Catched! You have just type Ctrl+C!') sys.exit(0) if __name__ == '__main__': import time signal.signal(signal.SIGINT, signal_handler) for x in range(100): time.sleep(1) print (x)
Lorsque nous sommes à mi-chemin de l'exécution de ce programme et que nous appuyons sur Ctrl+C en même temps, nous obtiendrons les résultats suivants :
$ python3 signal_exit.py
0
1
2
^C
Signal Catched You ! il suffit de taper Ctrl+C !
Ce résultat montre que nous avons capturé l'opération externe de Ctrl+C pendant l'exécution du programme et traité l'opération en conséquence avant de terminer l'exécution du programme. Il convient de noter que si l'opération de terminaison de sys.exit(0) n'est pas ajoutée à ce moment, le programme ne sera pas arrêté et continuera à s'exécuter, ce qui équivaut à capter le signal de terminaison anormal mais à n'effectuer aucun traitement.
Passer des paramètres externes au signal de fin
Dans le cas ci-dessus, nous n'avons capturé que le signal externe de « terminaison de l'exécution », mais si nous allons plus loin, nous voulons capturer le dernier numéro de sortie, ceci Comment faire fonctionner ? La fonction signal.signal elle-même ne prend pas en charge le passage de nombreux paramètres. À l'heure actuelle, il est recommandé de créer une classe par vous-même et d'encapsuler la fonction signal_handler en tant que fonction membre de la classe, afin que nous puissions obtenir les paramètres internes correspondants. , comme dans le cas suivant Comme indiqué :
# signal_exit.py import signal import sys import time class Printer: def __init__(self): self.x = 0 signal.signal(signal.SIGINT, self.signal_handler) def signal_handler(self, signal, frame): print ('\nSignal Catched! You have just type Ctrl+C! The last number is: {}'.format(self.x)) sys.exit(0) def run(self, counter=10): while self.x < counter: print (self.x) time.sleep(1) self.x += 1 if __name__ == '__main__': printer = Printer() printer.run(counter=100)
À ce moment, si vous appuyez sur Ctrl+C en même temps pendant l'exécution du programme, le résultat sera le suivant :
$ python3 signal_exit.py
0
1
2
3
^C
Signal Catched ! Vous venez de taper Ctrl+C Le dernier chiffre est : 3
Comme vous pouvez le voir, nous avons réussi à capturer le dernier paramètre de sortie.
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Outils d'IA chauds

Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.

Undress AI Tool
Images de déshabillage gratuites

Clothoff.io
Dissolvant de vêtements AI

AI Hentai Generator
Générez AI Hentai gratuitement.

Article chaud

Outils chauds

Bloc-notes++7.3.1
Éditeur de code facile à utiliser et gratuit

SublimeText3 version chinoise
Version chinoise, très simple à utiliser

Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP

Dreamweaver CS6
Outils de développement Web visuel

SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)

PHP et Python ont leurs propres avantages et inconvénients, et le choix dépend des besoins du projet et des préférences personnelles. 1.Php convient au développement rapide et à la maintenance des applications Web à grande échelle. 2. Python domine le domaine de la science des données et de l'apprentissage automatique.

Une formation efficace des modèles Pytorch sur les systèmes CentOS nécessite des étapes, et cet article fournira des guides détaillés. 1. Préparation de l'environnement: Installation de Python et de dépendance: le système CentOS préinstalle généralement Python, mais la version peut être plus ancienne. Il est recommandé d'utiliser YUM ou DNF pour installer Python 3 et Mettez PIP: sudoyuMupDatePython3 (ou sudodnfupdatepython3), pip3install-upradepip. CUDA et CUDNN (accélération GPU): Si vous utilisez Nvidiagpu, vous devez installer Cudatool

Activer l'accélération du GPU Pytorch sur le système CentOS nécessite l'installation de versions CUDA, CUDNN et GPU de Pytorch. Les étapes suivantes vous guideront tout au long du processus: CUDA et CUDNN Installation détermineront la compatibilité de la version CUDA: utilisez la commande NVIDIA-SMI pour afficher la version CUDA prise en charge par votre carte graphique NVIDIA. Par exemple, votre carte graphique MX450 peut prendre en charge CUDA11.1 ou plus. Téléchargez et installez Cudatoolkit: visitez le site officiel de Nvidiacudatoolkit et téléchargez et installez la version correspondante selon la version CUDA la plus élevée prise en charge par votre carte graphique. Installez la bibliothèque CUDNN:

Docker utilise les fonctionnalités du noyau Linux pour fournir un environnement de fonctionnement d'application efficace et isolé. Son principe de travail est le suivant: 1. Le miroir est utilisé comme modèle en lecture seule, qui contient tout ce dont vous avez besoin pour exécuter l'application; 2. Le Système de fichiers Union (UnionFS) empile plusieurs systèmes de fichiers, ne stockant que les différences, l'économie d'espace et l'accélération; 3. Le démon gère les miroirs et les conteneurs, et le client les utilise pour l'interaction; 4. Les espaces de noms et les CGROUP implémentent l'isolement des conteneurs et les limitations de ressources; 5. Modes de réseau multiples prennent en charge l'interconnexion du conteneur. Ce n'est qu'en comprenant ces concepts principaux que vous pouvez mieux utiliser Docker.

Python et JavaScript ont leurs propres avantages et inconvénients en termes de communauté, de bibliothèques et de ressources. 1) La communauté Python est amicale et adaptée aux débutants, mais les ressources de développement frontal ne sont pas aussi riches que JavaScript. 2) Python est puissant dans les bibliothèques de science des données et d'apprentissage automatique, tandis que JavaScript est meilleur dans les bibliothèques et les cadres de développement frontaux. 3) Les deux ont des ressources d'apprentissage riches, mais Python convient pour commencer par des documents officiels, tandis que JavaScript est meilleur avec MDNWEBDOCS. Le choix doit être basé sur les besoins du projet et les intérêts personnels.

Lors de la sélection d'une version Pytorch sous CentOS, les facteurs clés suivants doivent être pris en compte: 1. CUDA Version Compatibilité GPU Prise en charge: si vous avez NVIDIA GPU et que vous souhaitez utiliser l'accélération GPU, vous devez choisir Pytorch qui prend en charge la version CUDA correspondante. Vous pouvez afficher la version CUDA prise en charge en exécutant la commande nvidia-SMI. Version CPU: Si vous n'avez pas de GPU ou que vous ne souhaitez pas utiliser de GPU, vous pouvez choisir une version CPU de Pytorch. 2. Version Python Pytorch

La formation distribuée par Pytorch sur le système CentOS nécessite les étapes suivantes: Installation de Pytorch: La prémisse est que Python et PIP sont installés dans le système CentOS. Selon votre version CUDA, obtenez la commande d'installation appropriée sur le site officiel de Pytorch. Pour la formation du processeur uniquement, vous pouvez utiliser la commande suivante: pipinstalltorchtorchVisionTorChaudio Si vous avez besoin d'une prise en charge du GPU, assurez-vous que la version correspondante de CUDA et CUDNN est installée et utilise la version Pytorch correspondante pour l'installation. Configuration de l'environnement distribué: la formation distribuée nécessite généralement plusieurs machines ou des GPU multiples uniques. Lieu

CENTOS L'installation de Nginx nécessite de suivre les étapes suivantes: Installation de dépendances telles que les outils de développement, le devet PCRE et l'OpenSSL. Téléchargez le package de code source Nginx, dézippez-le et compilez-le et installez-le, et spécifiez le chemin d'installation AS / USR / LOCAL / NGINX. Créez des utilisateurs et des groupes d'utilisateurs de Nginx et définissez les autorisations. Modifiez le fichier de configuration nginx.conf et configurez le port d'écoute et le nom de domaine / adresse IP. Démarrez le service Nginx. Les erreurs communes doivent être prêtées à prêter attention, telles que les problèmes de dépendance, les conflits de port et les erreurs de fichiers de configuration. L'optimisation des performances doit être ajustée en fonction de la situation spécifique, comme l'activation du cache et l'ajustement du nombre de processus de travail.
