python剔除函数应用_关于python 2.7：使用异常处理，* args和** kwargs删除函数的无穷大值...

我目前正在阅读Joel Grus的《数据科学》一书，我遇到了一个我不太理解的功能：

def safe(f):

def safe_f(*args, **kwargs):

try:

return f(*args, **kwargs)

except:

return float('inf')

return safe_f

在梯度下降算法中调用安全函数来删除无穷大的值。

def minimize_batch(target_fn, gradient_fn, theta_0, tolerance=0.000001):

step_sizes = [100, 10, 1, 0.1, 0.001, 0.0001, 0.00001]

theta = theta_0

target_fn = safe(target_fn)

value = target_fn(theta)

while True:

gradient = gradient_fn(theta)

next_thetas = [step(theta, gradient, -step_size) for step_size in     step_sizes]

next_theta = min(next_thetas, key=target_fn)

next_value = target_fn(next_theta)

if abs(value - next_value) < tolerance:

return theta

else:

theta, value = next_theta, next_value

我知道保险箱在做什么，但我不明白它是怎么做的。例如，如果没有目标的输入，SAFE如何评估目标的价值？安全的做法是什么？它知道如何删除无穷大的值？

撇开梯度下降不谈，这个安全函数是否适用于在很多地方都没有定义的疯狂函数？

它看起来不像是在删除无穷大的值。它看起来是在添加无穷大的值，而不是引发异常。例如，当x为零时，EDOCX1的不安全版本(0)会引发ZeroDivisionError；安全修饰版本不会引发异常，而是返回无穷大。

如果您知道safe是一个修饰函数，并且可以通过一个闭包在safe_f内部访问f，那么它可能有助于查找有关此的信息。

如果我们逐步替换变量名，可能有助于您理解：

target_fn = safe(target_fn)

指safe中的f为target_fn：

def safe(target_fn):

def safe_f(*args, **kwargs):

try:

return target_fn(*args, **kwargs)

except:

return float('inf')

return safe_f

还有：

target_fn = safe_f

也就是说，我们将最初绑定到target_fn的函数替换为刚才在decorator函数safe中创建的函数safe_f，通过一个闭包保留对原始函数f的访问。

所以这些参数是通过*args, **kwargs传递的(见**(双星)和*(星)对参数做了什么？)：

next_value = target_fn(next_theta)

决定：

def safe_f(next_theta):

try:

return target_fn(next_theta)

except:

return float('inf')

也就是说，用参数next_theta返回调用原始target_fn的结果，或者如果执行此操作时出现错误，返回float('inf')。

would this safe function work on a crazy functions that was undefined at uncountably many places?

因为它使用*args, **kwargs，所以您可以使用它来包装任何函数，它会悄悄地抑制函数产生的任何错误并返回float('inf')—不过，这并不总是可取的！decorator函数还有许多其他用途，这些用途通常使用@decorator语法(例如，用于类和类上的静态方法和属性)；请参见例如，python decorator有哪些常见用途？