Python：如何在第一次调用函数时确保函数被加载？

Question

我目前正在阅读Stanford lecture给出的tensorflow教程。它正在教授关于概念调用＆＃34;延迟加载＆＃34;。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，他正在谈论的属性究竟是什么？

  

使用Python属性确保函数在第一次调用时加载*

Answer 1

对于使用 @property 装饰器进行延迟评估here的描述非常好。基本上， @property 装饰器允许您定义一个实例变量：

1. 首次通话时评估（即延迟加载）
2. 然后将结果存储在实例变量中，以便在进一步调用时引用。

要看到这一点，请考虑代码（注意，此代码是从上一个链接中获取和更改的，因此应该归功于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

当实例化Node_normal对象时，将初始化self.val并立即为其分配值2（正常加载），而Node_lazy将被实例化但不分配值。相反，它在调用val（）时延迟返回值（延迟加载）。最后，当实例化Node_property时，将使用默认值（False）初始化self._val，并在调用时分配true值（2）并将其存储在self._val中，以便在进一步调用时再次引用。

你可以用以下方法测试：

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)

给出了结果

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Node_normal和Node_property只需要运行一次赋值，而Node_lazy只需要进行10次赋值。另外，在调用np.val之前，Node_property没有为self._val分配2。当分配值是一个昂贵的调用时（这不是这种情况），这是最有用的。

还有其他原因使用 @property 装饰器，see here。

Answer 2

如果您查看相关的讲义，它会为此提供链接： http://danijar.com/structuring-your-tensorflow-models/。