一个已经存在10年,却被严重低估的 Python 库

Python视频处理避坑指南:pip安装的decord库内存泄漏问题全解析 本文深入解析了Python视频处理中,使用pip安装的decord库可能引发的内存泄漏问题。通过从问题现象、代码排查到使用专业工具定位,最终发现预编译版本在CPU上下文下的缺陷,并提供了从源码编译安装的完整解决方案,帮助开发者彻底规避这一陷阱,确保大规模视频处理任务的稳定性。 阅读详情

Python黑魔法手册 2.0 文档

今天介绍的是一个已经存在十年,但是依旧不红的库 decorator,好像很少有人知道他的存在一样。

这个库可以帮你做什么呢 ?

其实很简单,就是可以帮你更方便地写python装饰器代码,更重要的是,它让 Python 中被装饰器装饰后的方法长得更像装饰前的方法。

本篇文章不会过多的向你介绍装饰器的基本知识,我会默认你知道什么是装饰器,并且懂得如何写一个简单的装饰器。

不了解装饰器的可以先去阅读我之前写的文章,非常全且详细的介绍了装饰器的各种实现方法。

常规的装饰器

下面这是一个最简单的装饰器示例,在运行 myfunc 函数的前后都会打印一条日志。

def deco(func):
    def wrapper(*args, **kw):
        print("Ready to run task")
        func(*args, **kw)
        print("Successful to run task")
    return wrapper

@deco
def myfunc():
    print("Running the task")

myfunc()
复制代码

装饰器使用起来,似乎有些高端和魔幻,对于一些重复性的功能,往往我们会封装成一个装饰器函数。

在定义一个装饰器的时候,我们都需要像上面一样机械性的写一个嵌套的函数,对装饰器原理理解不深的初学者,往往过段时间就会忘记如何定义装饰器。

有一些比较聪明的同学,会利用 PyCharm 来自动生成装饰器模板

然后要使用的时候,直接敲入 deco 就会生成一个简单的生成器代码,提高编码的准备效率

使用神库

使用 PyCharm 的 Live Template ,虽然能降低编写装饰器的难度,但却要依赖 PyCharm 这一专业的代码编辑器。

这里,明哥要教你一个更加简单的方法,使用这个方法呢,你需要先安装一个库 : decorator,使用 pip 可以很轻易地去安装它

$ python3 -m pip install decorator
复制代码

从库的名称不难看出,这是一个专门用来解决装饰器问题的第三方库。

有了它之后,你会惊奇的发现,以后自己定义的装饰器,就再也不需要写嵌套的函数了

from decorator import decorator

@decorator
def deco(func, *args, **kw):
    print("Ready to run task")
    func(*args, **kw)
    print("Successful to run task")

@deco
def myfunc():
    print("Running the task")

myfunc()
复制代码

deco 作为装饰函数,第一个参数是固定的,都是指被装饰函数,而后面的参数都固定使用 可变参数 *args 和 **kw 的写法,代码被装饰函数的原参数。

这种写法,不得不说,更加符合直觉,代码的逻辑也更容易理解。

带参数的装饰器

装饰器根据有没有携带参数,可以分为两种

第一种:不带参数,最简单的示例,上面已经举例

def decorator(func):
    def wrapper(*args, **kw):
        func(*args, **kw)
    return wrapper
复制代码

第二种:带参数,这就相对复杂了,理解起来了也不是那么容易。

def decorator(arg1, arg2):
    def wrapper(func):
        def deco(*args, **kwargs)
            func(*args, **kwargs)
        return deco
    return wrapper
复制代码

那么对于需要带参数的装饰器,decorator 是否也一样能很好的支持呢?

下面是一个官方的示例

from decorator import decorator

@decorator
def warn_slow(func, timelimit=60, *args, **kw):
    t0 = time.time()
    result = func(*args, **kw)
    dt = time.time() - t0
    if dt > timelimit:
        logging.warn('%s took %d seconds', func.__name__, dt)
    else:
        logging.info('%s took %d seconds', func.__name__, dt)
    return result
  
@warn_slow(timelimit=600)  # warn if it takes more than 10 minutes
def run_calculation(tempdir, outdir):
    pass
复制代码

可以看到

  • 装饰函数的第一个参数,还是被装饰器 func ,这个跟之前一样
  • 而第二个参数 timelimit 写成了位置参数的写法,并且有默认值
  • 再往后,就还是跟原来一样使用了可变参数的写法

不难推断,只要你在装饰函数中第二个参数开始,使用了非可变参数的写法,这些参数就可以做为装饰器调用时的参数。

签名问题有解决?

我们在自己写装饰器的时候,通常都会顺手加上一个叫 functools.wraps 的装饰器,我想你应该也经常见过,那他有啥用呢?

先来看一个例子

def wrapper(func):
    def inner_function():
        pass
    return inner_function

@wrapper
def wrapped():
    pass

print(wrapped.__name__)
#inner_function
复制代码

为什么会这样子?不是应该返回 func 吗?

这也不难理解,因为上边执行func 和下边 decorator(func) 是等价的,所以上面 func.__name__ 是等价于下面decorator(func).__name__ 的,那当然名字是 inner_function

def wrapper(func):
    def inner_function():
        pass
    return inner_function

def wrapped():
    pass

print(wrapper(wrapped).__name__)
#inner_function
复制代码

目前,我们可以看到当一个函数被装饰器装饰过后,它的签名信息会发生变化(譬如上面看到的函数名)

那如何避免这种情况的产生?

解决方案就是使用我们前面所说的 functools .wraps 装饰器。

它的作用就是将 被修饰的函数(wrapped) 的一些属性值赋值给 修饰器函数(wrapper) ,最终让属性的显示更符合我们的直觉。

from functools import wraps

def wrapper(func):
    @wraps(func)
    def inner_function():
        pass
    return inner_function

@wrapper
def wrapped():
    pass

print(wrapped.__name__)
# wrapped
复制代码

那么问题就来了,我们使用了 decorator 之后,是否还会存在这种签名的问题呢?

写个例子来验证一下就知道啦

from decorator import decorator

@decorator
def deco(func, *args, **kw):
    print("Ready to run task")
    func(*args, **kw)
    print("Successful to run task")

@deco
def myfunc():
    print("Running the task")

print(myfunc.__name__)
复制代码

输出的结果是 myfunc,说明 decorator 已经默认帮我们处理了一切可预见的问题。

总结一下

decorator 是一个提高装饰器编码效率的第三方库,它适用于对装饰器原理感到困惑的新手,可以让你很轻易的写出更符合人类直觉的代码。对于带参数装饰器的定义,是非常复杂的,它需要要写多层的嵌套函数,并且需要你熟悉各个参数的传递路径,才能保证你写出来的装饰器可以正常使用。这时候,只要用上 decorator 这个库,你就可以很轻松的写出一个带参数的装饰器。同时你也不用担心他会出现签名问题,这些它都为你妥善的处理好了。

这么棒的一个库,推荐你使用起来。


《Python黑魔法手册》是我多年 Python 经验的经验总结,这本手册专门介绍 Python 黑魔法玩法的电子书。其中包括少有人知的一些 Python 冷门知识,Python Shell 的多样玩法,各种令人疯狂的 Python 炫技操作,Python 的超详细进阶知识解读,还有不断扩充完善适合所有 Python 开发者的开发技巧等等。

本书旨在向你介绍一个不一样的 Python,而不是一份初学者的 Python 基础教学资料。

这里还准备了些Python相关的学习资料-200本电子书囊括Python各大领域,以及Python实战项目,可以帮助你更轻松掌握Python。

领取通道→https://docs.qq.com/doc/DV2hMT29NemJydVdN

 

 

decord:高效的视频加载器,可通过智能混洗进行深度学习,超级易消化 Decord Decord是Record的相反过程。 它在硬件加速的视频解码器之上提供了基于薄包装的便捷视频切片方法,例如 FFMPEG / LibAV(完成) Nvidia编解码器(完成) 英特尔编解码器 Decord旨在处理尴尬的视频混洗体验,以便提供类似于随机图像加载器的流畅体验,以进行深度学习。 Decord还能够解码视频和音频文件中的音频。 可以将视频和音频切片在一起以获得同步结果。 因此,提供了视频和音频解码的一站式解决方案。 目录 初步基准 Decord擅长处理随机访问模式,这在神经网络训练中很常见。 安装 通过点子安装 只需使用 pip install decord 支持平台: Linux Mac OS> = 10.12,python> = 3.5 视窗 请注意,PYPI现在仅提供CPU版本。 请从源代码构建以启用GPU加速器。 从源安装 Linux 为 立即下载

相关推荐

Decorator:Decorator是一个Android库,可帮助在RecyclerViews中创建可组合的边距和分隔线

装潢师 在Android中,当您使用RecyclerViews时,使用填充和边距的标准方法是使用布局文件中的固定尺寸。 尽管这对许多应用程序都有效,但有时不应在每个屏幕上都应用布局文件内的页边距。 Decorator是一个库,可帮助在RecyclerViews中创建可组合的边距和分隔线。 安装 implementation ' io.cabriole:decorator:1.3.0 ' 用可用的最新版本替换xxx 如何使用 只需创建以下示例中提供的装饰之一,然后使用以下命令将它们添加到RecyclerView中: recyclerView.addItemDecoration(decoration) 保证金装饰 这些装饰在项目之间留出了一定的余量。 LinearMarginDecoration recyclerView.addItemDecoration( LinearMarginDe

decord 库使用

decord 库使用

jacke121的专栏 2436

Python库 | decord-0.4.1-py2.py3-none-win_amd64.whl

python库,解压后可用。 资源全名:decord-0.4.1-py2.py3-none-win_amd64.whl

【Python】一个已经存在 10 年,却被严重低估的库

今天介绍的是一个已经存在十三年,但是依旧不红的库 decorator,好像很少有人知道他的存在一样。这个库可以帮你做什么呢 ?其实很简单,就是可以帮你更方便地写python装饰器代码,更重...

fengdu78的博客 384

Python库 | decord-0.3.4-cp36-cp36m-macosx_10_6_intel.whl

资源分类:Python库 所属语言:Python 资源全名:decord-0.3.4-cp36-cp36m-macosx_10_6_intel.whl 资源来源:官方 安装方法:https://lanzao.blog.youkuaiyun.com/article/details/101784059

Ubuntu中snap简单介绍

通过Snap可以安装众多的软件包。需要注意的是,snap是一种全新的软件包管理方式,它类似一个容器拥有一个应用程序所有的文件和库,各个应用程序之间完全独立。所以使用snap包的好处就是它解决了应用程序之间的依赖问题,使应用程序之间更容易管理。但是由此带来的问题就是它占用更多的磁盘空间 介绍一些常用命令,有点类似docker 1、查看已经通过snap安装的snap包 snap list可以查看 2、可以搜索想要的snap包,例如tomcat snap search tomcat

icanflying的博客 4万+

一个已经存在10年,却被严重低估的 Python 库_pydesign 实战中没有价值

from decorator import decorator@decorator def deco(func, *args, **kw): print(“Ready to run task”) func(*args, **kw) print(“Successful to run task”)@deco def myfunc(): print(“Running the task”)myfunc() def decorator(func): def wrapper(*args, **kw): func(*ar

m0_61408947的博客 898

LVGL与STM32的理解(基于正点原子资料)

我们要在lcd_draw_fast_rgb_color里面实现对屏的具体操作(也就是在这里实现自己的代码)。lcd_set_window、lcd_write_ram_prepare、lcd_wr_data这三个函数是本例程LCD屏的控制函数(也就是自己写的函数)。以下是stm32工程的文件目录,GUI_APP也可以忽略(细节参考正点原子例程):这里主要是再次加强一下印象,主要就是把。,里面的lcd_init()与lcd_display_dir是。它们都是LVGL的接口,按照它们的需求,把内容给它们即可。

weixin_39257775的博客 3439

一个已经存在10年,却被严重低估的 Python 库_pip install dector

Python所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照下面的知识点去找对应的学习资源,保证自己学得较为全面。工具都帮大家整理好了,安装就可直接上手!当我学到一定基础,有自己的理解能力的时候,会去阅读一些前辈整理的书籍或者手写的笔记资料,这些笔记详细记载了他们对一些技术点的理解,这些理解是比较独到,可以学到不一样的思路。观看全面零基础学习视频,看视频学习是最快捷也是最有效果的方式,跟着视频中老师的思路,从基础到深入,还是很容易入门的。

2401_84537603的博客 397

【初阶】手把手教你轻松上手Denodo | 连接数据库并创建基本视图 (二)

在本教程的第二部分,我们将涵盖:连接到数据库,与创建基本视图。

Denodo的博客 1113

LVGL hal indev(porting evdev)

LVGL中对输入设备的管理是单例实现的,而在Linux的输入设备是多个的,所以需要对其进行改造成多例实现。

Bigan(安)的博客 3346

2024年一个已经存在10年,却被严重低估的 Python 库,2024年最新字节技术面试题

🍅 硬核资料:关注即可领取PPT模板、简历模板、行业经典书籍PDF。🍅 技术互助:技术群大佬指点迷津,你的问题可能不是问题,求资源在群里喊一声。🍅 面试题库:由技术群里的小伙伴们共同投稿,热乎的大厂面试真题,持续更新中。🍅 知识体系:含编程语言、算法、大数据生态圈组件(Mysql、Hive、Spark、Flink)、数据仓库、Python、前端等等。网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。需要这份系统化学习资料的朋友,可以戳这里获取。

m0_57472099的博客 786

【RT-DETR涨点改进】全网独家-特征融合改进篇 | AAAI 2025 顶会| 高效涨点,RT-DETR利用CDFA对比度特征聚合模块,适用于目标检查(全网独家创新)

本文提出了一种基于CDFA模块的多级特征融合优化RT-DETR模型,用于解决医学图像分割中的软边界模糊、小目标和共现现象等问题。CDFA模块通过对比度特征聚合、局部特征增强和多级注意力机制,有效提升模型性能。研究提供了三种改进方案(rtdetr-r18/y50/l-CDFA),并在多个医学数据集上验证了其有效性。核心创新包括语义信息解耦、对比驱动特征融合和尺寸感知解码器。实验结果表明,该方法在分割精度和鲁棒性方面达到SOTA水平。

Ai缝合怪、助力小伙伴高效发论文 510
上一篇: python的期末考核——学生管理系统(4)
下一篇: python的期末考核——学生管理系统(5)
老贡讲Python
博客等级 码龄5年 526粉丝 129原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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