我正在尝试为具有 numpy 数组输入参数的函数制作一个缓存装饰器
from functools import lru_cache
import numpy as np
from time import sleep
a = np.array([1,2,3,4])
@lru_cache()
def square(array):
sleep(1)
return array * array
square(a)
但是 numpy 数组是不可哈希的,
TypeError Traceback (most recent call last)
<ipython-input-13-559f69d0dec3> in <module>()
----> 1 square(a)
TypeError: unhashable type: 'numpy.ndarray'
因此需要将它们转换为元组。我有这个工作和缓存正确:
@lru_cache()
def square(array_hashable):
sleep(1)
array = np.array(array_hashable)
return array * array
square(tuple(a))
但我想把它全部包装在一个装饰器中,到目前为止我已经尝试过:
def np_cache(function):
def outter(array):
array_hashable = tuple(array)
@lru_cache()
def inner(array_hashable_inner):
array_inner = np.array(array_hashable_inner)
return function(array_inner)
return inner(array_hashable)
return outter
@np_cache
def square(array):
sleep(1)
return array * array
但是缓存不起作用。计算已执行但未正确缓存,因为我总是等待 1 秒。
我在这里错过了什么?我猜 lru_cache
没有获得正确的上下文并且它在每次调用中都被实例化,但我不知道如何修复它。
我试过盲目地到处乱扔 functools.wraps
装饰器,但没有成功。
最佳答案
每次调用时,您的包装函数都会创建一个新的 inner()
函数。而那个新的函数对象在那个时候被装饰了,所以最终的结果是每次 outter()
被调用时,一个新的 lru_cache()
被创建,这将是空的。一个空缓存总是需要重新计算值。
您需要创建一个装饰器,将缓存附加到为每个装饰目标创建的函数仅一次。如果您要在调用缓存之前转换为元组,则必须创建两个函数:
from functools import lru_cache, wraps
def np_cache(function):
@lru_cache()
def cached_wrapper(hashable_array):
array = np.array(hashable_array)
return function(array)
@wraps(function)
def wrapper(array):
return cached_wrapper(tuple(array))
# copy lru_cache attributes over too
wrapper.cache_info = cached_wrapper.cache_info
wrapper.cache_clear = cached_wrapper.cache_clear
return wrapper
cached_wrapper()
函数仅在每次调用 np_cache()
时创建一次,并且可作为 wrapper()
函数使用关闭。所以 wrapper()
调用 cached_wrapper()
,它有一个 @lru_cache()
附加到它,缓存你的元组。
我还复制了 lru_cache
放在装饰函数上的两个函数引用,因此它们也可以通过返回的包装器访问。
此外,我还使用了@functools.wraps()
decorator将元数据从原始函数对象复制到包装器,例如名称、注释和文档字符串。这总是一个好主意,因为这意味着你的修饰函数将在回溯中、调试时以及你需要访问文档或注释时被清楚地识别出来。装饰器还添加了一个指向原始函数的 __wrapped__
属性,这将是 let you unwrap the decorator again if need be .
关于python - numpy 数组的缓存装饰器,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/52331944/