


Diskussion darüber, ob das Range-Objekt in Python ein Iterator ist
Iterator ist ein verzögert iterierbares Objekt in Python 3. Ist range also ein Iterator? Warum.
TLNR: Bereichsobjekte in Python 3 (xrange-Objekte in Python 2) sind Lazy, aber Bereichsobjekte sind keine Iteratoren. Ja, das ist sehr verwirrend
Wenn Sie über Iteratoren und iterierbare Objekte in Python sprechen, werden Sie wahrscheinlich jemanden wiederholen hören, dass der Bereich ein Iterator-Missverständnis ist. Ich denke, das ist ein sehr ernstes Missverständnis. Wenn Sie denken, dass Bereichsobjekte Iteratoren sind, dann ist Ihr mentales Modell der „Funktionsweise von Iteratoren“ nicht klar genug. In gewissem Sinne sind sowohl Bereiche als auch Iteratoren „faul“, aber sie erreichen „Faulheit“ auf ganz unterschiedliche Weise.
In Python ist ein Iterable alles, worüber Sie iterieren können, und ein Iterator ist das, worüber Sie tatsächlich iterieren.
Iter-
ables können iteriert werden. Iteratoren
sind die Agenten, die die Iteration durchführen.
Ein Iterator kann von jedem iterierbaren Objekt mithilfe der Iter-Funktion abgerufen werden:
Sobald Sie Mit einem Iterator können Sie nur das nächste Element abrufen:
Wenn es keins gibt update Wenn zu viele Elemente vorhanden sind, wird eine Ausnahme zum Stoppen der Iteration ausgelöst:
Alle Iteratoren sind iterierbare Objekte, das heißt Sie können einen Iterator von einem Iterator erhalten, sodass Sie über einen Iterator iterieren können:
Es ist zu beachten, dass Iteratoren zustandsbehaftet sind. Nachdem Sie sie einmal durchlaufen haben, ist sie leer, wenn Sie erneut versuchen, sie zu durchlaufen: In Python 3, <code style="box-sizing: inherit;margin-right: 2px;margin-left: 2px;padding: 3px 4px;border-radius: 3px;"><span style="color: rgb(103, 103, 103);">enumerate、zip、reversed</span>
enumerate, zip, reversed
Generatoren (ob aus Generatorfunktionen oder Generatorausdrücken) sind eine einfache Möglichkeit, Iteratoren zu erstellen:
Ich sage oft, dass Iteratoren faule, einmalig iterierbare Objekte sind. „Lazy“, weil sie nur Elemente in einer Schleife zählen, „single-use“, weil, sobald ein Element von einem Iterator „verbraucht“ wird, das Element für immer verschwunden ist.
Was ist Range?
Range-Objekt in Python 3 (Python xrange in 2) kann wie jedes andere iterierbare Objekt in einer Schleife ausgeführt werden:
Da Range ein iterierbares Objekt ist, können Sie es erhalten ein Iterator daraus:
Aber das Range-Objekt selbst ist kein Iterator, wir können ihn nicht für das Range-Objekt aufrufen weiter:
Im Gegensatz zu Iteratoren können wir über ein Bereichsobjekt iterieren, ohne es zu „verbrauchen“:
Wenn wir dies mit einem Iterator tun, erhalten wir beim zweiten Mal durch die Schleife keine Elemente:
Zongshang und <code style="box-sizing: inherit;margin-right: 2px;margin-left: 2px;padding: 3px 4px;border-radius: 3px;"><span style="color: rgb(103, 103, 103);">zip</span>
zip, <span style="color: rgb(103, 103, 103);">enumerate</span>
<span style="color: rgb(103, 103, 103);">enumerate</span>
<span style="color: rgb(103, 103, 103);">generator</span>
, oder generator
Objekte sind unterschiedlich und das Bereichsobjekt ist kein Iterator.
Was genau ist Bereich?
Das Bereichsobjekt ist In gewisser Weise ist es „faul“ in dem Sinne, dass es nicht jede darin enthaltene Zahl generiert, wenn es erstellt wird, sondern diese Zahlen stattdessen an uns zurückgibt, wenn wir sie in der Schleife benötigen.
Das Folgende ist ein Bereichsobjekt und ein Generator (eine Art Iterator):
Im Gegensatz zu Generatoren haben Bereichsobjekte die Länge:
und können indiziert werden:
Im Gegensatz zu Iteratoren können Sie sie fragen, ob sie ein Element enthalten, ohne ihren Status zu ändern:
Wenn Sie eine Beschreibung von Bereichsobjekten wünschen, können Sie diese <code style="box-sizing: inherit;margin-right: 2px;margin-left: 2px;padding: 3px 4px;border-radius: 3px;"><span style="color: rgb(103, 103, 103);">懒序列</span>
Lazy sequence, range ist eine Sequenz (wie Liste, Tupel und String), aber nicht enthalten keine In-Memory-Inhalte, sondern verwenden stattdessen Berechnungen, um die Frage zu beantworten.
Warum dieser Unterschied wichtig ist
Wenn ich Ihnen sage, dass ein Objekt ein Iterator ist, wissen Sie, dass Sie beim Aufruf der Iter-Funktion für dieses Objekt immer dasselbe Objekt erhalten (per Definition):
Stellen Sie sicher, dass Sie die nächste Funktion für dieses Objekt aufrufen können, da die nächste Funktion für alle Iteratoren aufgerufen werden kann:
Und Sie wissen, dass beim Iterieren die Elemente vom Iterator verbraucht werden. Manchmal kann diese Funktion nützlich sein (Auf besondere Weise mit Iteratoren umgehen):
Obwohl es wie „faules iterierbares Objekt“ und „Der Unterschied“ aussieht zwischen „Iterator“ ist subtil, aber diese Begriffe bedeuten unterschiedliche Dinge. Während „faules iterierbares Objekt“ ein sehr allgemeiner Begriff ohne spezifische Bedeutung ist, bezeichnet das Wort „Iterator“ ein Objekt mit sehr spezifischem Verhalten.
Zusammenfassung
Wenn Sie wissen, dass Sie ein Objekt durchlaufen können, handelt es sich um ein iterierbares Objekt (iterierbar ). ).
Wenn Sie wissen, dass das Objekt, über das Sie eine Schleife durchlaufen, während der Schleife berechnet wird, dann ist dies eine verzögerte Iteration (Lazy Iterable).
Wenn Sie wissen, dass Sie etwas an die nächste Funktion übergeben können, handelt es sich um einen Iterator (das häufigste verzögert iterierbare Objekt).
Wenn Sie mehrere Schleifen durchlaufen können, ohne sie zu „erschöpfen“, handelt es sich nicht um einen Iterator. Wenn Sie der nächsten Funktion nichts übergeben können, handelt es sich nicht um einen Iterator. Die Range-Objekte von Python 3 sind keine Iteratoren. Wenn Sie jemanden über Bereichsobjekte unterrichten, verwenden Sie bitte nicht das Wort „Iterator“. Dies ist sehr verwirrend und kann dazu führen, dass andere anfangen, das Wort „Iterator“ zu missbrauchen.
Verwandte Empfehlungen:
Detaillierte Beschreibung der Iteratoren
Verständnis von iterierbaren Objekten und Iteratorobjekten in Python
Das obige ist der detaillierte Inhalt vonDiskussion darüber, ob das Range-Objekt in Python ein Iterator ist. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

AI Hentai Generator
Erstellen Sie kostenlos Ai Hentai.

Heißer Artikel

Heiße Werkzeuge

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6
Visuelle Webentwicklungstools

SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Heiße Themen



PHP und Python haben ihre eigenen Vor- und Nachteile, und die Wahl hängt von den Projektbedürfnissen und persönlichen Vorlieben ab. 1.PHP eignet sich für eine schnelle Entwicklung und Wartung großer Webanwendungen. 2. Python dominiert das Gebiet der Datenwissenschaft und des maschinellen Lernens.

Aktivieren Sie die Pytorch -GPU -Beschleunigung am CentOS -System erfordert die Installation von CUDA-, CUDNN- und GPU -Versionen von Pytorch. Die folgenden Schritte führen Sie durch den Prozess: Cuda und Cudnn Installation Bestimmen Sie die CUDA-Version Kompatibilität: Verwenden Sie den Befehl nvidia-smi, um die von Ihrer NVIDIA-Grafikkarte unterstützte CUDA-Version anzuzeigen. Beispielsweise kann Ihre MX450 -Grafikkarte CUDA11.1 oder höher unterstützen. Download und installieren Sie Cudatoolkit: Besuchen Sie die offizielle Website von Nvidiacudatoolkit und laden Sie die entsprechende Version gemäß der höchsten CUDA -Version herunter und installieren Sie sie, die von Ihrer Grafikkarte unterstützt wird. Installieren Sie die Cudnn -Bibliothek:

Docker verwendet Linux -Kernel -Funktionen, um eine effiziente und isolierte Anwendungsumgebung zu bieten. Sein Arbeitsprinzip lautet wie folgt: 1. Der Spiegel wird als schreibgeschützte Vorlage verwendet, die alles enthält, was Sie für die Ausführung der Anwendung benötigen. 2. Das Union File System (UnionFS) stapelt mehrere Dateisysteme, speichert nur die Unterschiede, speichert Platz und beschleunigt. 3. Der Daemon verwaltet die Spiegel und Container, und der Kunde verwendet sie für die Interaktion. 4. Namespaces und CGroups implementieren Container -Isolation und Ressourcenbeschränkungen; 5. Mehrere Netzwerkmodi unterstützen die Containerverbindung. Nur wenn Sie diese Kernkonzepte verstehen, können Sie Docker besser nutzen.

Effizientes Training von Pytorch -Modellen auf CentOS -Systemen erfordert Schritte, und dieser Artikel bietet detaillierte Anleitungen. 1.. Es wird empfohlen, YUM oder DNF zu verwenden, um Python 3 und Upgrade PIP zu installieren: Sudoyumupdatepython3 (oder sudodnfupdatepython3), PIP3Install-upgradepip. CUDA und CUDNN (GPU -Beschleunigung): Wenn Sie Nvidiagpu verwenden, müssen Sie Cudatool installieren

Python und JavaScript haben ihre eigenen Vor- und Nachteile in Bezug auf Gemeinschaft, Bibliotheken und Ressourcen. 1) Die Python-Community ist freundlich und für Anfänger geeignet, aber die Front-End-Entwicklungsressourcen sind nicht so reich wie JavaScript. 2) Python ist leistungsstark in Bibliotheken für Datenwissenschaft und maschinelles Lernen, während JavaScript in Bibliotheken und Front-End-Entwicklungsbibliotheken und Frameworks besser ist. 3) Beide haben reichhaltige Lernressourcen, aber Python eignet sich zum Beginn der offiziellen Dokumente, während JavaScript mit Mdnwebdocs besser ist. Die Wahl sollte auf Projektbedürfnissen und persönlichen Interessen beruhen.

Bei der Auswahl einer Pytorch -Version unter CentOS müssen die folgenden Schlüsselfaktoren berücksichtigt werden: 1. Cuda -Version Kompatibilität GPU -Unterstützung: Wenn Sie NVIDIA -GPU haben und die GPU -Beschleunigung verwenden möchten, müssen Sie Pytorch auswählen, der die entsprechende CUDA -Version unterstützt. Sie können die CUDA-Version anzeigen, die unterstützt wird, indem Sie den Befehl nvidia-smi ausführen. CPU -Version: Wenn Sie keine GPU haben oder keine GPU verwenden möchten, können Sie eine CPU -Version von Pytorch auswählen. 2. Python Version Pytorch

Effizient verarbeiten Pytorch-Daten zum CentOS-System, die folgenden Schritte sind erforderlich: Abhängigkeit Installation: Aktualisieren Sie zuerst das System und installieren Sie Python3 und PIP: Sudoyumupdate-Judoyuminstallpython3-Tysudoyuminstallpython3-Pip-y, Download und installieren Sie Cudatoolkit und Cudnn-Model von der NVIDIA-offiziellen Website. Konfiguration der virtuellen Umgebung (empfohlen): Verwenden Sie Conda, um eine neue virtuelle Umgebung zu erstellen und zu aktivieren, zum Beispiel: condacreate-n

Die Installation von CentOS-Installationen erfordert die folgenden Schritte: Installieren von Abhängigkeiten wie Entwicklungstools, PCRE-Devel und OpenSSL-Devel. Laden Sie das Nginx -Quellcode -Paket herunter, entpacken Sie es, kompilieren Sie es und installieren Sie es und geben Sie den Installationspfad als/usr/local/nginx an. Erstellen Sie NGINX -Benutzer und Benutzergruppen und setzen Sie Berechtigungen. Ändern Sie die Konfigurationsdatei nginx.conf und konfigurieren Sie den Hörport und den Domänennamen/die IP -Adresse. Starten Sie den Nginx -Dienst. Häufige Fehler müssen beachtet werden, z. B. Abhängigkeitsprobleme, Portkonflikte und Konfigurationsdateifehler. Die Leistungsoptimierung muss entsprechend der spezifischen Situation angepasst werden, z. B. das Einschalten des Cache und die Anpassung der Anzahl der Arbeitsprozesse.
