Python闭包&装饰器

本文深入探讨了Python中的闭包和装饰器概念,解释了闭包如何作为一种高效的数据结构来保存状态,并详细介绍了装饰器如何在不修改原始函数的情况下增强其功能,遵循开放封闭原则。

Python闭包

  • 闭包是一种与class相似但是在资源使用上却相对小很多的一种数据结构,我始终认为class就是一种特殊的保存or描述一类事物的数据结构。
  • 闭包的结构一般如下:

def test_one(temp_x, temp_y):
    def test_circle(temp_z):
        return temp_x * temp_y * temp_z
    return test_circle


test_main = test_one(2,5)
print(test_main(5))
print(test_main(6))

运行结果为:

# 显然类似于实例化的方式将2,5的数据保存导入test_main中,后面不需要多次传入参数即可使用该参数。
50
60

Python装饰器

  • 由于编程中几乎所有时候都要遵守 开放封闭 原则,原因是程序之间的耦合性已然未知,很可能在已有的代码中修改造成调用该函数的部分无法使用。

  • 正是考虑到这种情况,开放封闭 原则几乎一种被坚持遵守,一般可以使用装饰器能达到所需要的目的,扩展而不在原函数上修改。

  • 装饰器

# 多个装饰器对应一个函数...
def add_qx(func):
    print("---外层add_qx---")
    def call_func(*args, **kwargs):
        print("---add_qx---")
        return func(*args, **kwargs)
    return call_func


def add_xx(func):
    print("---外层add_xx---")
    def call_func(*args, **kwargs):
        print("---add_xx---")
        return func(*args, **kwargs)
    return call_func


def add_new(func):
    print("---外层add_new---")
    def call_func(*args, **kwargs):
        print("---add_new---")
        return func(*args, **kwargs)
    return call_func


@add_qx
@add_xx
@add_new
def test_one():
    print("------test_one------")


test_one()
  • 执行结果为:
---外层add_new---
---外层add_xx---
---外层add_qx---
---add_qx---
---add_xx---
---add_new---
------test1------
  • 可以理解为外层逆序,内层是顺序的。

  • 更加清晰的举例.

def test_one(main_test):
    def test_one_cricle():
        return "test_one " + main_test() + " /test_one"
    return test_one_cricle

def test_two(main_test):
    def test_two_circle():
        return "test_two_circle " + main_test() + " test_two_circle"
    return test_two_circle



@test_one
@test_two
def main_test():
    return "我是主测试."

print(main_test())
print("this is a final")

# 运行结果为:
test_one test_two_circle 我是主测试. test_two_circle /test_one
this is a final
  • 装饰器-装饰类
# 示范如下:
class class_test(object):
    """docstring for class_test"""

    def __init__(self, arg):
        super(class_test, self).__init__()
        self.arg = arg

    def __call__(self):
        print("主类测试")
        return self.arg()


@class_test
def class_main():
    return "this is class_main"


print(class_main())

# 运行结果为:
主类测试
this is class_main

重要的闭包与装饰器的联合使用,在WSGI文章较多.

具有多种最大功率点跟踪(MPPT)方法的光伏发电系统(P&O-增量法-人工神经网络-模糊逻辑控制-粒子群优化)之使用粒子群算法的最大功率点追踪(MPPT)(Simulink仿真实现)内容概要:本文介绍了一个涵盖多个科研领域的综合性MATLAB仿真资源集合,重点聚焦于光伏发电系统中基于粒子群优化(PSO)算法的最大功率点追踪(MPPT)技术的Simulink仿真实现。文档还列举了多种MPPT方法(如P&O、增量电导法、神经网络、模糊逻辑控制等),并展示了该团队在电力系统、智能优化算法、机器学习、路径规划、无人机控制、信号处理等多个方向的技术服务能力与代码实现案例。整体内容以科研仿真为核心,提供大量可复现的Matlab/Simulink模型和优化算法应用实例。; 适合人群:具备一定电力电子、自动控制或新能源背景,熟悉MATLAB/Simulink环境,从事科研或工程仿真的研究生、科研人员及技术人员。; 使用场景及目标:①学习并实现光伏系统中基于粒子群算法的MPPT控制策略;②掌握多种智能优化算法在电力系统与自动化领域的建模与仿真方法;③获取可用于论文复现、项目开发和技术攻关的高质量仿真资源。; 阅读建议:建议结合提供的网盘资料,按照研究方向选取对应模块进行实践,重点关注Simulink模型结构与算法代码逻辑的结合,注重从原理到仿真实现的全过程理解,提升科研建模能力。
热成像人物检测数据集 一、基础信息 数据集名称:热成像人物检测数据集 图片数量: 训练集:424张图片 验证集:121张图片 测试集:61张图片 总计:606张热成像图片 分类类别: - 热成像人物:在热成像图像中的人物实例 - 非热成像人物:在非热成像或普通图像中的人物实例,用于对比分析 标注格式: YOLO格式,包含边界框和类别标签,适用于目标检测任务。数据来源于热成像和视觉图像,覆盖多种场景条件。 二、适用场景 热成像监控与安防系统开发: 数据集支持目标检测任务,帮助构建能够在低光、夜间或恶劣环境下自动检测和定位人物的AI模型,提升监控系统的可靠性和实时响应能力。 红外视觉应用研发: 集成至红外摄像头或热成像设备中,实现实时人物检测功能,应用于安防、军事、救援和工业检测等领域。 学术研究与创新: 支持计算机视觉与热成像技术的交叉研究,助力开发新算法用于人物行为分析或环境适应型检测模型。 教育与培训: 可用于高校或培训机构,作为学习热成像人物检测和AI模型开发的教学资源,提升实践技能。 三、数据集优势 精准标注与多样性: 每张图片均由专业标注员标注,确保边界框定位准确,类别分类清晰。包含热成像和非热成像类别,提供对比数据,增强模型的泛化能力和鲁棒性。 场景实用性强: 数据覆盖多种环境条件,如不同光照和天气,模拟真实世界应用,适用于复杂场景下的人物检测任务。 任务适配性高: YOLO标注格式兼容主流深度学习框架(如YOLOv5、YOLOv8等),可直接加载使用,支持快速模型开发和评估。 应用价值突出: 专注于热成像人物检测,在安防、监控和特殊环境检测中具有重要价值,支持早期预警和高效决策。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值