在Python方法中记忆单个参数
我已经编写了一个Numpy实现,它使用Cox de Boor递归算法来计算B样条基函数。我想在Python方法中记忆单个参数,python,numpy,recursion,memoization,Python,Numpy,Recursion,Memoization,我已经编写了一个Numpy实现,它使用Cox de Boor递归算法来计算B样条基函数。我想为给定的顺序记忆对象实例,但让函数可以调用xi 换句话说,在实例化对象之后,递归函数应该是“set”,但在xi处仍然可以调用。为了提高速度,我确实需要这样做,因为我将多次调用该函数,不想一遍又一遍地重构递归函数 以下是当前的实施情况: import numpy as np #Turn off divide by zero warning because we explicitly check for i
为给定的顺序
记忆对象实例,但让函数可以调用xi
换句话说,在实例化对象之后,递归函数应该是“set”,但在xi
处仍然可以调用。为了提高速度,我确实需要这样做,因为我将多次调用该函数,不想一遍又一遍地重构递归函数
以下是当前的实施情况:
import numpy as np
#Turn off divide by zero warning because we explicitly check for it
np.seterr(divide='ignore')
class Bspline():
def __init__(self, knot_vector, order):
self.knot_vector = knot_vector
self.p = order
def __basis0(self, xi):
return np.where(np.all([self.knot_vector[:-1] <= xi,
xi < self.knot_vector[1:]],axis=0), 1.0, 0.0)
def __basis(self, xi, p):
if p == 0:
return self.__basis0(xi)
else:
basis_p_minus_1 = self.__basis(xi, p - 1)
first_term_numerator = xi - self.knot_vector[:-p]
first_term_denominator = self.knot_vector[p:] - self.knot_vector[:-p]
second_term_numerator = self.knot_vector[(p + 1):] - xi
second_term_denominator = self.knot_vector[(p + 1):] - self.knot_vector[1:-p]
first_term = np.where(first_term_denominator > 1.0e-12,
first_term_numerator / first_term_denominator, 0)
second_term = np.where(second_term_denominator > 1.0e-12,
second_term_numerator / second_term_denominator, 0)
return first_term[:-1] * basis_p_minus_1[:-1] + second_term * basis_p_minus_1[1:]
def __call__(self, xi):
return self.__basis(xi, self.p)
它返回在1.2
处计算的基函数。但是,我需要多次调用此函数,正如现在编写的那样,每次调用都会重构递归函数,这是不必要的,因为递归级别在实例化时设置为4
,在Python3中,或者在Python2.7中,使用类似以下内容,可以很容易地记住任何内容:
创建一个保存函数结果的字典,然后在再次调用函数之前检查dict中是否有该值。根据您的设置,类似于此的功能应该可以正常工作
results = {}
for value in values:
if results.get(value):
answer = results[value]
else:
answer = basis(value)
results[value] = answer
print(answer) # or just display the results dict once you are done
我喜欢这个解决方案,但是可以在类定义中使用它吗?我正在尝试创建一个干净的API,在这里这个备忘录将自动完成;还有蟒蛇2.7。谢谢!在Python 2.7中使用了链接的memoize
函数
class Bspline(object):
...
# Python2.7
@memoize
# or, Python3*
@functools.lru_cache()
def op(self, args):
return self._internal_op(xi)
results = {}
for value in values:
if results.get(value):
answer = results[value]
else:
answer = basis(value)
results[value] = answer
print(answer) # or just display the results dict once you are done