只是一个简单的系统，用于管理一组支持缓存（内存和磁盘）的度量（字符串名称/函数/返回数据）
simple_metrics_manager的Python项目详细描述
简单的metrics manager有助于管理度量。
interfaces
"storageinterface"是一个类，它支持使用一些持久后端存储度量数据。当前的默认值是相当通用的".npz"格式
，用于存储numpy数组和简单的python对象"npzStorageInterface"。
为了防止数据损坏，它总是将数据保存到临时文件中，然后
将其移动到实际文件中（可能替换任何较旧的副本）。
它有一个简单的save/load/exists API。
torageinterface使用了numpy的"np.load"和（隐藏的）"savez"方法。
它进行了一些简单的检查，以允许保存数组、数组列表和数组字典。
这是非常快速、高效、可靠的，并且提供了相当大的灵活性。
llow_pickle=false`意味着保存对象数组将失败，
如果需要，请将其更改为'true'，但pickle被认为是不稳定的，
因此对python或相关包版本的更改可能意味着您的数据不可读。不过，这是非常方便的，因此它并没有停止像scikit这样的大型软件包从中学习。
/>
使用'force=false'）
*使用"side car"度量值对所有度量值进行日期确定（日期）
*打印所有主要操作（使用'verbose=false'禁用）
它具有以下API：
*`set_functions_dict'
-为管理器设置核心数据，这是一个实际上定义了es度量。
键是度量名称，值是度量函数（无参数）。
通过在"初始"之后调用此函数，管理器本身可以在度量函数中使用。
请参阅下面的"用法"。
*` exists`
-boolean，度量是否在内存缓存中。
*`清除缓存`
-从缓存中删除所有度量。
*`计算`
-调用度量函数。
缓存并返回数据。
*`保存`
-计算度量并用存储接口保存结果。
缓存到内存和磁盘并返回数据。
*`load`
-加载一个度量（假设存在）
尝试缓存，然后storageinterface失败。
返回数据
*`get`
-调用save，然后加载。
缓存到磁盘，然后storageinterface`。
返回缓存的数据。
overlo使用`[]`（也称为`` getitem`）.
此外，`parametereddatedcachemanager`添加了一个强大的装饰器
称为'collect'，它可以自动收集度量。
基本用法：
cm=datacachemanager（npystorageinterface（某些目录））
@cm.collect
def metric_1（）：
stuff=do_something（）
return stuff
@cm.collect
def metric_2（）：
stuff=do_something_else（cm.metric_1（））<；-在此处使用缓存版本
other_stuff=convert（stuff）
return other_stuff
现在调用"cm.metric_1（）"和"cm"。metric_2（）`无缝地使用
缓存（内存和磁盘上）。
这允许自动高效地处理复杂的依赖关系。
如果您愿意，`metric_1（cache=true）`相当于'cm.metric_1（）`。
两者都将调用'cm['metric_1']，后者反过来将调用上面显示的"未修饰"metric_1（），如果它不存在。
示例：`metric_1（）`将有意跳过缓存，像正常一样运行
。
难处理（a）
@cm.collect（params_list=[1，2]，[1，3]，[4，5]）
def poly_y（a，b）：
返回cm.poly_x（a）**2+do_别的什么东西（b）
`cm.poly_y（1，2）`将运行` poly_y（1，2）`它将运行` cm.poly_x（1）`
它将运行` poly_x（1）`
它将运行` poly_x（1）`
它将运行` poly_x（1）`
x（1）`>
然后r调用"cm.poly_y（1，2）"将加载"cm["poly_y 1_2']`并返回它
运行前的所有操作都可以这样做：
cm.poly廑x.get廑all（）
cm.poly廑y.get廑all（）
/>您需要确保您已经预先缓存了可能调用的所有内容。
如果您真的想用任何
参数调用缓存管理器中的函数，只需将此选项添加到上面的代码中：
cm=parametereddatacachemanager（npystorageinterface（某些目录），
动态度量创建=真）
除非指定"cache=true"，否则不会更改。
_ something（）
return stuff
def metric\u2\u function（）：
stuff=do\u something\u else（cm[metric\u 1]）
other\u stuff=convert（stuff）
return other\u stuff
functions\u dict={
metric 1:metric\u 1函数，
metric 2:metric_函数，
…
}
cm.设置函数dict（functions dict）
如果您鄙视decorator
magic；，您仍然可以使用它。
interfaces
"storageinterface"是一个类，它支持使用一些持久后端存储度量数据。当前的默认值是相当通用的".npz"格式
，用于存储numpy数组和简单的python对象"npzStorageInterface"。
为了防止数据损坏，它总是将数据保存到临时文件中，然后
将其移动到实际文件中（可能替换任何较旧的副本）。
它有一个简单的save/load/exists API。
torageinterface使用了numpy的"np.load"和（隐藏的）"savez"方法。
它进行了一些简单的检查，以允许保存数组、数组列表和数组字典。
这是非常快速、高效、可靠的，并且提供了相当大的灵活性。
llow_pickle=false`意味着保存对象数组将失败，
如果需要，请将其更改为'true'，但pickle被认为是不稳定的，
因此对python或相关包版本的更改可能意味着您的数据不可读。不过，这是非常方便的，因此它并没有停止像scikit这样的大型软件包从中学习。
/>
使用'force=false'）
*使用"side car"度量值对所有度量值进行日期确定（日期）
*打印所有主要操作（使用'verbose=false'禁用）
它具有以下API：
*`set_functions_dict'
-为管理器设置核心数据，这是一个实际上定义了es度量。
键是度量名称，值是度量函数（无参数）。
通过在"初始"之后调用此函数，管理器本身可以在度量函数中使用。
请参阅下面的"用法"。
*` exists`
-boolean，度量是否在内存缓存中。
*`清除缓存`
-从缓存中删除所有度量。
*`计算`
-调用度量函数。
缓存并返回数据。
*`保存`
-计算度量并用存储接口保存结果。
缓存到内存和磁盘并返回数据。
*`load`
-加载一个度量（假设存在）
尝试缓存，然后storageinterface失败。
返回数据
*`get`
-调用save，然后加载。
缓存到磁盘，然后storageinterface`。
返回缓存的数据。
overlo使用`[]`（也称为`` getitem`）.
此外，`parametereddatedcachemanager`添加了一个强大的装饰器
称为'collect'，它可以自动收集度量。
基本用法：
cm=datacachemanager（npystorageinterface（某些目录））
@cm.collect
def metric_1（）：
stuff=do_something（）
return stuff
@cm.collect
def metric_2（）：
stuff=do_something_else（cm.metric_1（））<；-在此处使用缓存版本
other_stuff=convert（stuff）
return other_stuff
现在调用"cm.metric_1（）"和"cm"。metric_2（）`无缝地使用
缓存（内存和磁盘上）。
这允许自动高效地处理复杂的依赖关系。
如果您愿意，`metric_1（cache=true）`相当于'cm.metric_1（）`。
两者都将调用'cm['metric_1']，后者反过来将调用上面显示的"未修饰"metric_1（），如果它不存在。
示例：`metric_1（）`将有意跳过缓存，像正常一样运行
。
难处理（a）
@cm.collect（params_list=[1，2]，[1，3]，[4，5]）
def poly_y（a，b）：
返回cm.poly_x（a）**2+do_别的什么东西（b）
`cm.poly_y（1，2）`将运行` poly_y（1，2）`它将运行` cm.poly_x（1）`
它将运行` poly_x（1）`
它将运行` poly_x（1）`
它将运行` poly_x（1）`
x（1）`>
然后r调用"cm.poly_y（1，2）"将加载"cm["poly_y 1_2']`并返回它
运行前的所有操作都可以这样做：
cm.poly廑x.get廑all（）
cm.poly廑y.get廑all（）
/>您需要确保您已经预先缓存了可能调用的所有内容。
如果您真的想用任何
参数调用缓存管理器中的函数，只需将此选项添加到上面的代码中：
cm=parametereddatacachemanager（npystorageinterface（某些目录），
动态度量创建=真）
除非指定"cache=true"，否则不会更改。
_ something（）
return stuff
def metric\u2\u function（）：
stuff=do\u something\u else（cm[metric\u 1]）
other\u stuff=convert（stuff）
return other\u stuff
functions\u dict={
metric 1:metric\u 1函数，
metric 2:metric_函数，
…
}
cm.设置函数dict（functions dict）
如果您鄙视decorator
magic；，您仍然可以使用它。
欢迎加入QQ群-->： 979659372
