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{}已经从另一个库(特别是从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numpyfrom{}。这很糟糕,因为它需要我维护两个代码库,它们是彼此的副本,只是有不同的导入。
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