Python:如何确保函数在第一次调用时加载一次？

Question

我目前正在阅读斯坦福大学给出的tensorflow教程lecture .它正在教授一个叫做“延迟加载”的概念。在幻灯片中，它解释了我们可以通过利用 python 的属性来避免这种情况。

我对 Python 比较陌生，他说的属性到底是什么？

Use Python property to ensure function is also loaded once the first time it is called*

Answer 1

关于使用 @property 装饰器进行惰性求值有一个很好的描述 here .基本上，@property 装饰器允许您定义一个实例变量，它将:

1. 在第一次调用时进行评估(即延迟加载)
2. 然后将结果存储在一个实例变量中，以便在进一步调用时引用。

要了解这一点，请考虑代码(请注意，此代码是从上一个链接中提取和更改的，因此应归功于 Steven Loria):

class Node_normal:
    def __init__(self):
        print("nn")
        self.val = 2

class Node_lazy:
    def val(self):
        print("nl")
        return 2

class Node_property:
    def __init__(self):
        self._val = False

    @property
    def val(self):
        if not self._val:
            print("np")
            self._val = 2
        return self._val

当一个Node_normal对象被实例化时，self.val将被初始化并立即赋值2(正常加载)，而Node_lazy将被实例化但不赋值。相反，它会在调用 val() 时返回值(延迟加载)。最后，当 Node_property 被实例化时，self._val 将被初始化为一个默认值 (False)，并且在调用时分配真值 (2) 并将其存储在 self._val 中以供进一步调用时再次引用。

您可以使用以下方法进行测试:

exec(open("node_normal.py").read())
exec(open("node_lazy.py").read())
exec(open("node_property.py").read())

class Graph:
    def __init__(self):
        nn = Node_normal()
        self.nodes1 = [nn.val for x in range(1,10)]
        nl = Node_lazy()
        self.nodes2 = [nl.val() for x in range(1,10)]
        np = Node_property()
        self.nodes3 = [np.val  for x in range(1,10)]

g = Graph()
print(g.nodes1)
print(g.nodes2)
print(g.nodes3)

给出结果

nn
nl
nl
nl
nl
nl
nl
nl
nl
nl
np
[2, 2, 2, 2, 2, 2, 2, 2, 2]
[2, 2, 2, 2, 2, 2, 2, 2, 2]
[2, 2, 2, 2, 2, 2, 2, 2, 2]

请注意，g.nodes 中的值对于所有三种方式都是相同的，但是 Node_normal 和 Node_property 只需要运行一次赋值，而 Node_lazy 进行了 10 次赋值。此外，在调用 np.val 之前，Node_property 不会将 2 分配给 self._val。这在分配值是一个昂贵的调用时最有用(这里不是这种情况)。

使用@property 装饰器还有其他原因，see here .