生产者和消费者模式就是通过一个容器来解决生产者和消费者的强耦合问题。生产者和消费者彼此之间不直接通讯，而通过阻塞队列来进行通讯，所以生产者生产完数据之后不用等待消费者处理，直接扔给阻塞队列，消费者不找生产者要数据，而是直接从阻塞队列里取，阻塞队列就相当于一个缓冲区，平衡了生产者和消费者的处理能力。这个阻塞队列就是用来给生产者和消费者解耦的。

如果树为空，直接插入新节点中，该节点为树的根节点树非空，找待插入元素在树中的插入位置(注意：找到的插入节点位置一定在叶子节点中)检测是否找到插入位置(假设树中的key唯一，即该元素已经存在时则不插入)按照插入排序的思想将该元素插入到找到的节点中检测该节点是否满足B-树的性质：即该节点中的元素个数是否等于M，如果小于则满足如果插入后节点不满足B树的性质，需要对该节点进行分裂：申请新节点找到该节点的中

【代码】【Redis】数据类型补充。

TCP协议是一种传输控制协议，旨在确保数据传输的可靠性。其核心机制包括确认应答（ACK）和超时重传，通过序列号和确认序号来保证数据的有序性和完整性。TCP还通过三次握手和四次挥手来管理连接的建立和关闭，确保通信双方的全双工通信。在连接关闭时，主动关闭的一方会进入TIME_WAIT状态，等待2MSL（最大报文生存时间）以确保网络中残留的报文消散，避免端口冲突。TCP的这些机制共同保障了数据传输的可靠

功能：创建一个图像预处理的转换对象trans。是模块里的一个类，专门用于将 PIL（Python Imaging Library）图像或者 NumPy 数组（一般是uint8类型）转换为类型的张量。转换细节- 在转换过程中，会把图像的像素值归一化到[0.0, 1.0]范围。例如，原始图像像素值范围是[0, 255]，经过该转换后，像素值会除以 255，变成[0.0, 1.0]之间的浮点数。- 同时

功能：创建一个图像预处理的转换对象trans。是模块里的一个类，专门用于将 PIL（Python Imaging Library）图像或者 NumPy 数组（一般是uint8类型）转换为类型的张量。转换细节- 在转换过程中，会把图像的像素值归一化到[0.0, 1.0]范围。例如，原始图像像素值范围是[0, 255]，经过该转换后，像素值会除以 255，变成[0.0, 1.0]之间的浮点数。- 同时

到目前为止，我们讨论了如何处理数据，以及如何构建、训练和测试深度学习模型。然而，有时我们希望保存训练的模型，以备将来在各种环境中使用（比如在部署中进行预测）。此外，当运行一个耗时较长的训练过程时，最佳的做法是定期保存中间结果，以确保在服务器电源被不小心断掉时，我们不会损失几天的计算结果。因此，现在是时候了。

我们之前讨论的多层感知机十分适合处理表格数据，其中行对应样本，列对应特征。对于表格数据，我们寻找的模式可能涉及特征之间的交互，但是我们不能预先假设任何与特征交互相关的先验结构。此时，多层感知机可能是最好的选择，然而对于高维感知数据，这种缺少结构的网络可能会变得不实用。例如，在之前猫狗分类的例子中：假设我们有一个足够充分的照片数据集，数据集中是拥有标注的照片，每张照片具有百万级像素，这意味着网络的每

回忆一下块的介绍，这应该看起来很眼熟。下面的。

上节我们解析了卷积层的原理，现在我们看看它的实际应用。由于卷积神经网络的设计是用于探索图像数据，本节我们将以图像为例。