我有一个模块lib
,它需要numpy
。例如,假设我有一个假设函数,它看起来像
import numpy
def doSomething(x):
return numpy.sqrt(x)
现在要在一个单独的模块中使用该函数,我将把名称导入为
^{pr2}$这是棘手的部分。。。现在我想公开另一个版本的doSomething
,其中{autograd
)导入。例如,我希望能有一个函数
from autograd import numpy
def doSomething(x):
return numpy.sqrt(x)
这些函数之间唯一的区别在于numpy
是从何处导入的。特别是,我希望在同一代码中使用doSomething
的两个版本,也就是说,我希望以某种方式导入doSomething
两次。。。一次使用默认的numpy
,一次使用来自autograd的numpy
。像这样:
useAutograd = False
from lib(useAutograd) import doSomething
useAutograd = True
from lib(useAutograd) import doSomething as doSomethingAutograd
我知道这里有几个选择,但没有一个是令人满意的。在
我将制作一个代码库的副本,其中一个使用默认的numpy
,另一个使用numpy
from{
我可以输入一个有条件的导入:
try:
from autograd import numpy
except ImportError:
import numpy
这很糟糕,因为用户无法控制导入的版本。。。如果他们有签名,那么他们必须使用这个版本。
我可以定义一个环境变量来控制导入
import os
if os.environ.get('AUTOGRADNUMPY'):
try:
from autograd import numpy
except ImportError:
import numpy
else:
import numpy
这有一个缺点,虽然用户可以控制导入,但他们只能选择一个版本(据我所知)。所以他们不能在同一个代码中使用两个版本。
对于这个用例有更好的选择吗?在
感兴趣者的背景:
Autograd
有自己的一组函数,这些函数模仿numpy
,可以使用自动微分(与tensorflow一样)轻松计算导数,而不需要昂贵的数值微分。在
然而,他们的numpy实现并不是最优化的版本(AFAIK)。因此,当用户需要函数的jacobian时,允许用户使用带有autograd
导入的版本,而在不需要时使用默认的、高度优化的numpy包是非常有利的
你不需要做任何事情来达到这个目的。在
如果你这么做的话
这些函数中的每一个都使用在其特定模块中导入的}使用在{}中导入的
numpy
。因此doSomethingAutograd
使用在lib_with_autograd
中导入的,而{由于python中的所有内容都是一个对象,包括模块,因此可以执行以下操作:
然后您可以在不设置
^{pr2}$numpy
的情况下调用该函数,然后它将使用默认的numpy。如果你想用另一个纽比,就这样称呼它:如果您希望避免重复代码库,请将接口改为类。例如:
现在}将使用
using_numpy.do_something
将使用numpy
,而{autograd.numpy
。在或者,如果您对
^{pr2}$classmethod
感到不舒服,可以将接口作为类的实例,例如:相关问题 更多 >
编程相关推荐