装饰器

装饰器是程序开发中经常会用到的一个功能,用好了装饰器,开发效率如虎添翼,所以这也是Python面试中必问的问题,但对于好多初次接触这个知识的人来讲,这个功能有点绕,自学时直接绕过去了,然后面试问到了就挂了,因为装饰器是程序开发的基础知识,这个都不会,别跟人家说你会Python, 看了下面的文章,保证你学会装饰器。1、先明白这段代码#### 第一波 ####def foo():    print(‘foo’)
foo     #表示是函数foo()   #表示执行foo函数

第二波 ####def foo():    print(‘foo’)

foo = lambda x: x + 1
foo()   # 执行下面的lambda表达式,而不再是原来的foo函数,因为foo这个名字被重新指向了另外一个匿名函数2、需求来了初创公司有N个业务部门,1个基础平台部门,基础平台负责提供底层的功能,如:数据库操作、redis调用、监控API等功能。业务部门使用基础功能时,只需调用基础平台提供的功能即可。如下:############### 基础平台提供的功能如下 ###############
def f1():    print(‘f1’)
def f2():    print(‘f2’)
def f3():    print(‘f3’)
def f4():    print(‘f4’)
############### 业务部门A 调用基础平台提供的功能 ###############
f1()f2()f3()f4()
############### 业务部门B 调用基础平台提供的功能 ###############
f1()f2()f3()f4(0目前公司有条不紊的进行着,但是,以前基础平台的开发人员在写代码时候没有关注验证相关的问题,即:基础平台的提供的功能可以被任何人使用。现在需要对基础平台的所有功能进行重构,为平台提供的所有功能添加验证机制,即:执行功能前,先进行验证。老大把工作交给 Low B,他是这么做的:跟每个业务部门交涉,每个业务部门自己写代码,调用基础平台的功能之前先验证。诶,这样一来基础平台就不需要做任何修改了。太棒了,有充足的时间泡妹子…当天Low B 被开除了…老大把工作交给 Low BB,他是这么做的:############### 基础平台提供的功能如下 ###############
def f1():    # 验证1    # 验证2    # 验证3    print(‘f1’)
def f2():    # 验证1    # 验证2    # 验证3    print(‘f2’)
def f3():    # 验证1    # 验证2    # 验证3    print(‘f3’)
def f4():    # 验证1    # 验证2    # 验证3    print(‘f4’)
############### 业务部门不变 ################## 业务部门A 调用基础平台提供的功能###
f1()f2()f3()f4()

业务部门B 调用基础平台提供的功能

f1()f2()f3()f4()过了一周 Low BB 被开除了…老大把工作交给 Low BBB,他是这么做的:只对基础平台的代码进行重构,其他业务部门无需做任何修改############### 基础平台提供的功能如下 ###############
def check_login():    # 验证1    # 验证2    # 验证3    pass

def f1():
    check_login()
    print(‘f1’)
def f2():
    check_login()
    print(‘f2’)
def f3():
    check_login()
    print(‘f3’)
def f4():
    check_login()
    print(‘f4’)老大看了下Low BBB 的实现,嘴角漏出了一丝的欣慰的笑,语重心长的跟Low BBB聊了个天:老大说:写代码要遵循开放封闭原则,虽然在这个原则是用的面向对象开发,但是也适用于函数式编程,简单来说,它规定已经实现的功能代码不允许被修改,但可以被扩展,即:封闭:已实现的功能代码块开放:对扩展开发如果将开放封闭原则应用在上述需求中,那么就不允许在函数 f1 、f2、f3、f4的内部进行修改代码,老板就给了Low BBB一个实现方案:def w1(func):    def inner():        # 验证1        # 验证2        # 验证3        func()    return inner
@w1def f1():    print(‘f1’)@w1def f2():    print(‘f2’)@w1def f3():    print(‘f3’)@w1def f4():    print(‘f4’)对于上述代码,也是仅仅对基础平台的代码进行修改,就可以实现在其他人调用函数 f1 f2 f3 f4 之前都进行【验证】操作,并且其他业务部门无需做任何操作。Low BBB心惊胆战的问了下,这段代码的内部执行原理是什么呢?老大正要生气,突然Low BBB的手机掉到地上,恰巧屏保就是Low BBB的女友照片,老大一看一紧一抖,喜笑颜开,决定和Low BBB交个好朋友。详细的开始讲解了:单独以f1为例:def w1(func):    def inner():        # 验证1        # 验证2        # 验证3        func()    return inner
@w1def f1():    print(‘f1’)python解释器就会从上到下解释代码,步骤如下:def w1(func): ==>将w1函数加载到内存@w1没错, 从表面上看解释器仅仅会解释这两句代码,因为函数在 没有被调用之前其内部代码不会被执行。从表面上看解释器着实会执行这两句,但是 @w1 这一句代码里却有大文章, @函数名 是python的一种语法糖。上例@w1内部会执行一下操作:执行w1函数执行w1函数 ,并将 @w1 下面的函数作为w1函数的参数,即:@w1 等价于 w1(f1) 所以,内部就会去执行:def inner():    #验证 1    #验证 2    #验证 3    f1()     # func是参数,此时 func 等于 f1return inner# 返回的 inner,inner代表的是函数,非执行函数 ,其实就是将原来的 f1 函数塞进另外一个函数中w1的返回值将执行完的w1函数返回值 赋值 给@w1下面的函数的函数名f1 即将w1的返回值再重新赋值给 f1,即:新f1 = def inner():            #验证 1            #验证 2            #验证 3            原来f1()        return inner所以,以后业务部门想要执行 f1 函数时,就会执行 新f1 函数,在新f1 函数内部先执行验证,再执行原来的f1函数,然后将原来f1 函数的返回值返回给了业务调用者。如此一来, 即执行了验证的功能,又执行了原来f1函数的内容,并将原f1函数返回值 返回给业务调用着Low BBB 你明白了吗?要是没明白的话,我晚上去你家帮你解决吧!!!3. 再议装饰器
#定义函数:完成包裹数据def makeBold(fn):    def wrapped():        return “” + fn() + “”    return wrapped
#定义函数:完成包裹数据def makeItalic(fn):    def wrapped():        return “” + fn() + “”    return wrapped
@makeBolddef test1():    return “hello world-1”
@makeItalicdef test2():    return “hello world-2”
@makeBold@makeItalicdef test3():    return “hello world-3”
print(test1()))print(test2()))print(test3()))运行结果:hello world-1hello world-2hello world-34. 装饰器(decorator)功能引入日志函数执行时间统计执行函数前预备处理执行函数后清理功能权限校验等场景缓存5. 装饰器示例例1:无参数的函数
from time import ctime, sleep
def timefun(func):    def wrappedfunc():        print("%s called at %s"%(func.name, ctime()))        func()    return wrappedfunc
@timefundef foo():    print(“I am foo”)
foo()sleep(2)foo()上面代码理解装饰器执行行为可理解成foo = timefun(foo)#foo先作为参数赋值给func后,foo接收指向timefun返回的wrappedfuncfoo()#调用foo(),即等价调用wrappedfunc()#内部函数wrappedfunc被引用,所以外部函数的func变量(自由变量)并没有释放#func里保存的是原foo函数对象例2:被装饰的函数有参数from time import ctime, sleep
def timefun(func):    def wrappedfunc(a, b):        print("%s called at %s"%(func.name, ctime()))        print(a, b)        func(a, b)    return wrappedfunc
@timefundef foo(a, b):    print(a+b)
foo(3,5)sleep(2)foo(2,4)例3:被装饰的函数有不定长参数from time import ctime, sleep
def timefun(func):    def wrappedfunc(*args, **kwargs):        print("%s called at %s"%(func.name, ctime()))        func(*args, **kwargs)    return wrappedfunc
@timefundef foo(a, b, c):    print(a+b+c)
foo(3,5,7)sleep(2)foo(2,4,9)例4:装饰器中的returnfrom time import ctime, sleep
def timefun(func):    def wrappedfunc():        print("%s called at %s"%(func.name, ctime()))        func()    return wrappedfunc
@timefundef foo():    print(“I am foo”)
@timefundef getInfo():    return ‘----hahah—’
foo()sleep(2)foo()

print(getInfo())执行结果:foo called at Fri Nov  4 21:55:35 2016I am foofoo called at Fri Nov  4 21:55:37 2016I am foogetInfo called at Fri Nov  4 21:55:37 2016None如果修改装饰器为return func(),则运行结果:foo called at Fri Nov  4 21:55:57 2016I am foofoo called at Fri Nov  4 21:55:59 2016I am foogetInfo called at Fri Nov  4 21:55:59 2016----hahah—总结:一般情况下为了让装饰器更通用,可以有return例5:装饰器带参数,在原有装饰器的基础上,设置外部变量#decorator2.py
from time import ctime, sleep
def timefun_arg(pre=“hello”):    def timefun(func):        def wrappedfunc():            print("%s called at %s %s"%(func.name, ctime(), pre))            return func()        return wrappedfunc    return timefun
@timefun_arg(“hehe”)def foo():    print(“I am foo”)
@timefun_arg(“python”)def too():    print(“I am too”)
foo()sleep(2)foo()
too()sleep(2)too()可以理解为foo()==timefun_arg(“hehe")(foo)()例6:类装饰器(扩展,非重点)装饰器函数其实是这样一个接口约束,它必须接受一个callable对象作为参数,然后返回一个callable对象。在Python中一般callable对象都是函数,但也有例外。只要某个对象重写了 call() 方法,那么这个对象就是callable的。class Test():    def call(self):        print(‘call me!’)
t = Test()t()  # call me类装饰器demo
class Test(object):    def init(self, func):        print("—初始化—")        print(“func name is %s”%func.name)        self.__func = func    def call(self):        print("—装饰器中的功能—")        self.__func()#说明:#1. 当用Test来装作装饰器对test函数进行装饰的时候,首先会创建Test的实例对象#    并且会把test这个函数名当做参数传递到__init__方法中#    即在__init__方法中的func变量指向了test函数体##2. test函数相当于指向了用Test创建出来的实例对象##3. 当在使用test()进行调用时,就相当于让这个对象(),因此会调用这个对象的__call__方法##4. 为了能够在__call__方法中调用原来test指向的函数体,所以在__init__方法中就需要一个实例属性来保存这个函数体的引用#    所以才有了self.__func = func这句代码,从而在调用__call__方法中能够调用到test之前的函数体@Testdef test():    print("----test—")test()showpy()#如果把这句话注释,重新运行程序,依然会看到"–初始化–"运行结果如下:—初始化—func name is test—装饰器中的功能-------test—

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
图像识别技术在病虫害检测中的应用是一个快速发展的领域,它结合了计算机视觉和机器学习算法来自动识别和分类植物上的病虫害。以下是这一技术的一些关键步骤和组成部分: 1. **数据收集**:首先需要收集大量的植物图像数据,这些数据包括健康植物的图像以及受不同病虫害影响的植物图像。 2. **图像预处理**:对收集到的图像进行处理,以提高后续分析的准确性。这可能包括调整亮度、对比度、去噪、裁剪、缩放等。 3. **特征提取**:从图像中提取有助于识别病虫害的特征。这些特征可能包括颜色、纹理、形状、边缘等。 4. **模型训练**:使用机器学习算法(如支持向量机、随机森林、卷积神经网络等)来训练模型。训练过程中,算法会学习如何根据提取的特征来识别不同的病虫害。 5. **模型验证和测试**:在独立的测试集上验证模型的性能,以确保其准确性和泛化能力。 6. **部署和应用**:将训练好的模型部署到实际的病虫害检测系统中,可以是移动应用、网页服务或集成到智能农业设备中。 7. **实时监测**:在实际应用中,系统可以实时接收植物图像,并快速给出病虫害的检测结果。 8. **持续学习**:随着时间的推移,系统可以不断学习新的病虫害样本,以提高其识别能力。 9. **用户界面**:为了方便用户使用,通常会有一个用户友好的界面,显示检测结果,并提供进一步的指导或建议。 这项技术的优势在于它可以快速、准确地识别出病虫害,甚至在早期阶段就能发现问题,从而及时采取措施。此外,它还可以减少对化学农药的依赖,支持可持续农业发展。随着技术的不断进步,图像识别在病虫害检测中的应用将越来越广泛。
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