Python获取当前时间(time模块)

本文详细介绍了Python中使用time模块进行时间获取、格式化和转换的方法。包括获取当前时间戳、本地时间、格式化时间和时间戳的相互转换。适用于Python开发者理解和掌握时间相关操作。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

本文章已经生成可运行项目,

Python获取当前时间(time模块)

1. time.time()

  • 返回当前时间戳,值为按秒计算的浮点数
  • 表示从1970年1月1日0点0分开始,到当前时间,一共经历了多少秒
import time

time.time()
1566028075.37242

2. time.localtime()

  • 格式化时间戳为本地的时间,年月日,时分秒等信息
  • 若未输入参数,默认当前时间
t = time.localtime()
t
time.struct_time(tm_year=2019, tm_mon=8, tm_mday=17, tm_hour=15, tm_min=47, tm_sec=56, tm_wday=5, tm_yday=229, tm_isdst=0)
t.tm_year, t.tm_mon, t.tm_mday   # 年, 月, 日
(2019, 8, 17)
t.tm_hour, t.tm_min, t.tm_sec    # 时, 分, 秒
(15, 47, 56)
t.tm_wday,  t.tm_yday            # 本周的第几天, 本年的第几天
(5, 229)
t.tm_isdst                      # 夏时令(夏天时将时间快调一小时,中国于1992年暂停实行)
0
t2 = time.time()
time.localtime(t2)
time.struct_time(tm_year=2019, tm_mon=8, tm_mday=17, tm_hour=15, tm_min=47, tm_sec=57, tm_wday=5, tm_yday=229, tm_isdst=0)

3. time.asctime()

  • 格式化时间
  • 若未输入参数,默认当前时间
time.asctime()
'Sat Aug 17 15:47:58 2019'
t = time.localtime(time.time())
time.asctime(t)
'Sat Aug 17 15:47:58 2019'
time.asctime(time.localtime())
'Sat Aug 17 15:47:58 2019'

4. time.strftime()

  • 格式化时间
time.strftime('%Y-%m-%d %H:%M:%S', time.localtime())
'2019-08-17 15:47:58'
time.strftime('%a %b %d %H:%M:%S %Y', time.localtime())
'Sat Aug 17 15:47:58 2019'
符号意义
%y两位数的年份(00-99)
%Y四位数的年份(000-9999)
%m月份(01-12)
%d日(0-31)
%H24小时制(0-23)
%I12小时制(01-12)
%M分(00-59)
%S秒(00-59)
%a简化星期名称(示例:Sat)
%A完整星期名称(示例:Saturday)
%b简化月份名称(示例:Aug)
%B完整月份名称(示例:August)
%c日期和时间(示例:Sat Aug 17 15:55:44 2019)
%x日期(示例:08/17/19)
%X时间(示例:15:59:31)
%j年内第几天(001-366)
%pA.M.或P.M.
%U年内第几个星期,星期天为星期的开始(00-53)
%W年内第几个星期,星期一为星期的开始(00-53)
%w星期,星期天为星期的开始(0-6)
%zGMT时区信息(示例:+0800,表示中国标准时间,正8时区)
%Z失去名称(Python3,Windows下乱码,未解决)
%%%

5. time.mktime()

  • 将格式字符串转换为时间戳(按秒计算的浮点数)
time.mktime(time.localtime())
1566028079.0

6. time.ctime()

  • 把时间戳(按秒计算的浮点数)转化为 time.asctime() 形式。
  • 若未输入参数或参数为 None,默认 time.time(),即当前时间,相当于 time.asctime(time.localtime())
time.ctime()
'Sat Aug 17 15:48:00 2019'
time.ctime(None)
'Sat Aug 17 15:48:00 2019'
time.ctime(time.time())
'Sat Aug 17 15:48:00 2019'
time.asctime(time.localtime())    # 比较
'Sat Aug 17 15:48:00 2019'
本文章已经生成可运行项目
### 使用 AutoGPTQ 库量化 Transformer 模型 为了使用 `AutoGPTQ` 对 Transformer 模型进行量化,可以遵循如下方法: 安装所需的依赖包是必要的操作。通过 pip 安装 `auto-gptq` 可以获取最新版本的库。 ```bash pip install auto-gptq ``` 加载预训练模型并应用 GPTQ (General-Purpose Tensor Quantization) 技术来减少模型大小和加速推理过程是一个常见的流程。下面展示了如何利用 `AutoGPTQForCausalLM` 类来进行这一工作[^1]。 ```python from transformers import AutoModelForCausalLM, AutoTokenizer from auto_gptq import AutoGPTQForCausalLM model_name_or_path = "facebook/opt-350m" quantized_model_dir = "./quantized_model" tokenizer = AutoTokenizer.from_pretrained(model_name_or_path) model = AutoModelForCausalLM.from_pretrained(model_name_or_path) # 加载已经量化的模型或者创建一个新的量化器对象用于量化未压缩过的模型 gptq_model = AutoGPTQForCausalLM.from_pretrained(quantized_model_dir, model=model, tokenizer=tokenizer) ``` 对于那些希望进一步优化其部署环境中的模型性能的人来说,`AutoGPTQ` 提供了多种配置选项来自定义量化参数,比如位宽(bit-width),这有助于平衡精度损失与运行效率之间的关系。 #### 注意事项 当处理特定硬件平台上的部署时,建议查阅官方文档以获得最佳实践指导和支持信息。此外,在实际应用场景之前应该充分测试经过量化的模型以确保满足预期的质量标准。
评论 4
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