首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

NSTimer准确度

NSTimer是一种定时器,它可以在指定的时间间隔内执行特定的任务。它是苹果iOS和OS X开发中常用的定时器类。

NSTimer的准确度取决于它的内部实现方式。在iOS和OS X中,NSTimer是基于RunLoop的,它会在RunLoop的指定模式下执行。RunLoop会不断地轮询,检查是否有超时的定时器需要执行。如果有,RunLoop会执行对应的定时器事件。因此,NSTimer的准确度取决于RunLoop的轮询频率和定时器事件的执行时间。

由于NSTimer的准确度受到RunLoop的影响,因此在某些情况下,它的准确度可能会受到影响。例如,如果RunLoop被阻塞或者CPU负载过高,那么NSTimer的准确度就会受到影响。此外,由于NSTimer是基于时间间隔的,因此它的准确度也受到系统时钟的影响。

总的来说,NSTimer的准确度取决于多种因素,开发者需要注意这些因素的影响,并根据实际需求选择合适的定时器类型。如果需要更高的准确度,可以考虑使用GCD(Grand Central Dispatch)中的定时器,它可以提供更高的准确度和更低的延迟。

页面内容是否对你有帮助?
有帮助
没帮助

相关·内容

  • CVPR 2019 | 用异构卷积训练深度CNN:提升效率而不损准确度

    摘要:我们提出了一种全新的深度学习架构,其中的卷积运算利用了异构核。相比于标准的卷积运算,我们提出的 HetConv(基于异构核的卷积)能在减少计算量(FLOPs)和参数数量的同时维持表征的效率。为了展现我们所提出的卷积的有效性,我们在 VGG [30] 和 ResNet [8] 等标准卷积神经网络(CNN)上进行了广泛的实验并给出了实验结果。我们发现,使用我们提出的 HetConv 过滤器替换了这些架构中的标准卷积过滤器之后,我们能在 FLOPs 方面实现 3 到 8 倍的速度提升,同时还能维持(有时候能提升)准确度。我们将我们提出的卷积与分组/深度方面的卷积进行了比较,结果表明它能在显著提升准确度的同时将 FLOPs 降低更多。

    02

    动物与人类存在的「关键学习期」,联邦学习也有

    关于关键学习期问题,我们之前撰写过这样一篇文章深度学习中的关键学习期(Critical learning periods)。生物学领域的研究人员已经确定,人类或动物存在关键期的原因是对神经元可塑性窗口的生物化学调控(the biochemical modulation of windows of neuronal plasticity)[1]。从生物学角度来看,关键期(critical periods)是指出生后早期发育的时间窗口,在这期间,感知缺陷可能导致永久性的技能损伤。生物学领域的研究人员已经发现并记录了影响一系列物种和系统的关键期,包括小猫的视力、鸟类的歌曲学习等等。对于人类来说,在视觉发育的关键时期,未被矫正的眼睛缺陷(如斜视、白内障)会导致 1/50 的成人弱视。

    03
    领券