拡張算術代入「-=」演算の詳細説明
関連する学習の推奨事項: python チュートリアル
序文
この記事は一連の記事ですPython 構文シュガー 1 について。最新のソース コードは desugar プロジェクト (github.com/brettcannon…
Introduction
Python には 拡張算術代入
(拡張算術代入) と呼ばれるものがあります。この名前に聞き覚えがないかもしれません。実際には、算術演算を行う際の代入を意味します。たとえば、a -= b は、減算の拡張された算術代入です。
拡張された代入は、Python 2.0 バージョンで追加されました。(注釈) : PEP-203 で導入)
分析-=
Python では、特別/魔法のメソッドを持つ他の操作と比較して、代入の上書きが許可されていないため、
まず第一に、a -= b
は意味的に a = a-b
と同じであることを知っておく必要があります。ただし、オブジェクトを変数名に割り当てたいことが事前にわかっている場合は、a - b
ブラインド操作よりも効率的である可能性があることにも注意してください。
たとえば、少なくとも次のようになります。利点は、新しいオブジェクトの作成を回避できることです: オブジェクトをその場で変更できる場合は、新しいオブジェクトを再構築するよりも self を返す方が効率的です。
したがって、Python は __isub__() メソッドを提供します。代入の左側で定義されている場合 (通常は左辺値と呼ばれます)、右側の値 (通常は右辺値と呼ばれます) が呼び出されます。 a. __isub__(b). 呼び出しの結果が NotImplemented であるか、結果がまったくない場合、Python は通常の二項算術演算 (
) に戻ります。二項演算に関する記事、翻訳はこちら)最終的には、どのメソッドを使用しても戻り値は a に代入されます。
以下は簡単な疑似コードです。
a - = b は次のように分解されます。 <div class="code" style="position:relative; padding:0px; margin:0px;"><pre class='brush:php;toolbar:false;'># 实现 a -= b 的伪代码if hasattr(a, "__isub__"):
_value = a.__isub__(b) if _value is not NotImplemented:
a = _value else:
a = a - b del _value else:
a = a - b复制代码</pre><div class="contentsignin">ログイン後にコピー</div></div>
これらのメソッドを一般化する
すでにバイナリ算術を実装しているため、拡張された算術を一般化することはそれほど複雑ではありません。
バイナリ算術演算関数を渡し、いくつかのイントロスペクション (および発生する可能性のある TypeError の処理) を行うことで、次のようにきれいに要約できます。def _create_binary_inplace_op(binary_op: _BinaryOp) -> Callable[[Any, Any], Any]: binary_operation_name = binary_op.__name__[2:-2] method_name = f"__i{binary_operation_name}__" operator = f"{binary_op._operator}=" def binary_inplace_op(lvalue: Any, rvalue: Any, /) -> Any: lvalue_type = type(lvalue) try: method = debuiltins._mro_getattr(lvalue_type, method_name) except AttributeError: pass else: value = method(lvalue, rvalue) if value is not NotImplemented: return value try: return binary_op(lvalue, rvalue) except TypeError as exc: # If the TypeError is due to the binary arithmetic operator, suppress # it so we can raise the appropriate one for the agumented assignment. if exc._binary_op != binary_op._operator: raise raise TypeError( f"unsupported operand type(s) for {operator}: {lvalue_type!r} and {type(rvalue)!r}" ) binary_inplace_op.__name__ = binary_inplace_op.__qualname__ = method_name binary_inplace_op.__doc__ = ( f"""Implement the augmented arithmetic assignment `a {operator} b`.""" ) return binary_inplace_op复制代码
* *=
この記事のコードを書いているときに、**= という奇妙なテスト エラーが発生しました。 __pow__ が適切に呼び出されることを確認するすべてのテストのうち、Python 標準ライブラリの
operator
モジュールで失敗するテストがあります。 私のコードは通常は問題なく、そのコードと CPython のコードに違いがある場合は、通常、何か間違ったことをしていることを意味します。
>>> def test(): a **= b... >>> import dis>>> dis.dis(test) 1 0 LOAD_FAST 0 (a) 2 LOAD_GLOBAL 0 (b) 4 INPLACE_POWER 6 STORE_FAST 0 (a) 8 LOAD_CONST 0 (None) 10 RETURN_VALUE复制代码
INPLACE_POWER
を見つけました:case TARGET(INPLACE_POWER): { PyObject *exp = POP(); PyObject *base = TOP(); PyObject *res = PyNumber_InPlacePower(base, exp, Py_None); Py_DECREF(base); Py_DECREF(exp); SET_TOP(res); if (res == NULL) goto error; DISPATCH(); }复制代码
出典: github.com/python/cpyt …
次に、PyNumber_InPlacePower()
を見つけます:PyObject *PyNumber_InPlacePower(PyObject *v, PyObject *w, PyObject *z){ if (v->ob_type->tp_as_number && v->ob_type->tp_as_number->nb_inplace_power != NULL) { return ternary_op(v, w, z, NB_SLOT(nb_inplace_power), "**="); } else { return ternary_op(v, w, z, NB_SLOT(nb_power), "**="); } }复制代码
出典: github.com/python/cpyt…
安堵のため息をつきました~コードは定義されているかどうかを示します__ipow__ が存在すると呼び出されますが、__pow__ は __ipow__ が存在しない場合にのみ呼び出されます。 ただし、正しいアプローチは次のとおりです。 __ipow__ の呼び出し時に問題があり、NotImplemented が返されるか、まったく返されない場合は、__pow__ および __rpow__ を呼び出す必要があります。
つまり、__ipow__ が存在する場合、上記のコードは a**b のフォールバック セマンティクスを予期せずスキップします。
実は、この問題は部分的に発見され、約 11 か月前にバグが提出されました。この問題を修正し、python-dev に文書化しました。 現時点では、これは Python 3.10 で修正されるようです。また、3.8 および 3.9 のドキュメントに **= にバグがあることに関する通知を追加する必要があります (問題は初期のものである可能性がありますが、古いものである可能性があります)。 Python バージョンはすでにセキュリティのみのメンテナンス モードになっているため、ドキュメントは変更されません)。 修正コードはセマンティクスの変更であり、誰かが誤って問題のあるセマンティクスに依存したかどうかを判断するのが難しいため、移植されない可能性が高くなります。しかし、この問題に気づくまでに非常に時間がかかりました。これは、**= が広く使用されていないことを示唆しています。そうでなければ、問題はずっと前に発見されていたでしょう。プログラミング学習について詳しく知りたい方は、
php trainingのコラムに注目してください!
以上が拡張算術代入「-=」演算の詳細説明の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

AI Hentai Generator
AIヘンタイを無料で生成します。

人気の記事

ホットツール

メモ帳++7.3.1
使いやすく無料のコードエディター

SublimeText3 中国語版
中国語版、とても使いやすい

ゼンドスタジオ 13.0.1
強力な PHP 統合開発環境

ドリームウィーバー CS6
ビジュアル Web 開発ツール

SublimeText3 Mac版
神レベルのコード編集ソフト(SublimeText3)

ホットトピック









PHPとPythonには独自の利点と短所があり、選択はプロジェクトのニーズと個人的な好みに依存します。 1.PHPは、大規模なWebアプリケーションの迅速な開発とメンテナンスに適しています。 2。Pythonは、データサイエンスと機械学習の分野を支配しています。

Pytorch GPUアクセラレーションを有効にすることで、CentOSシステムでは、PytorchのCUDA、CUDNN、およびGPUバージョンのインストールが必要です。次の手順では、プロセスをガイドします。CUDAおよびCUDNNのインストールでは、CUDAバージョンの互換性が決定されます。NVIDIA-SMIコマンドを使用して、NVIDIAグラフィックスカードでサポートされているCUDAバージョンを表示します。たとえば、MX450グラフィックカードはCUDA11.1以上をサポートする場合があります。 cudatoolkitのダウンロードとインストール:nvidiacudatoolkitの公式Webサイトにアクセスし、グラフィックカードでサポートされている最高のCUDAバージョンに従って、対応するバージョンをダウンロードしてインストールします。 cudnnライブラリをインストールする:

DockerはLinuxカーネル機能を使用して、効率的で孤立したアプリケーションランニング環境を提供します。その作業原則は次のとおりです。1。ミラーは、アプリケーションを実行するために必要なすべてを含む読み取り専用テンプレートとして使用されます。 2。ユニオンファイルシステム(UnionFS)は、違いを保存するだけで、スペースを節約し、高速化する複数のファイルシステムをスタックします。 3.デーモンはミラーとコンテナを管理し、クライアントはそれらをインタラクションに使用します。 4。名前空間とcgroupsは、コンテナの分離とリソースの制限を実装します。 5.複数のネットワークモードは、コンテナの相互接続をサポートします。これらのコア概念を理解することによってのみ、Dockerをよりよく利用できます。

PythonとJavaScriptには、コミュニティ、ライブラリ、リソースの観点から、独自の利点と短所があります。 1)Pythonコミュニティはフレンドリーで初心者に適していますが、フロントエンドの開発リソースはJavaScriptほど豊富ではありません。 2)Pythonはデータサイエンスおよび機械学習ライブラリで強力ですが、JavaScriptはフロントエンド開発ライブラリとフレームワークで優れています。 3)どちらも豊富な学習リソースを持っていますが、Pythonは公式文書から始めるのに適していますが、JavaScriptはMDNWebDocsにより優れています。選択は、プロジェクトのニーズと個人的な関心に基づいている必要があります。

MINIOオブジェクトストレージ:CENTOSシステムの下での高性能展開Minioは、Amazons3と互換性のあるGO言語に基づいて開発された高性能の分散オブジェクトストレージシステムです。 Java、Python、JavaScript、Goなど、さまざまなクライアント言語をサポートしています。この記事では、CentosシステムへのMinioのインストールと互換性を簡単に紹介します。 Centosバージョンの互換性Minioは、Centos7.9を含むがこれらに限定されない複数のCentosバージョンで検証されています。

Pytorchの分散トレーニングでは、Centosシステムでトレーニングには次の手順が必要です。Pytorchのインストール:PythonとPipがCentosシステムにインストールされていることです。 CUDAバージョンに応じて、Pytorchの公式Webサイトから適切なインストールコマンドを入手してください。 CPUのみのトレーニングには、次のコマンドを使用できます。PipinstalltorchtorchtorchvisionTorchaudioGPUサポートが必要な場合は、CUDAとCUDNNの対応するバージョンがインストールされ、インストールに対応するPytorchバージョンを使用してください。分散環境構成:分散トレーニングには、通常、複数のマシンまたは単一マシンの複数GPUが必要です。場所

PytorchをCentosシステムにインストールする場合、適切なバージョンを慎重に選択し、次の重要な要因を検討する必要があります。1。システム環境互換性:オペレーティングシステム:Centos7以上を使用することをお勧めします。 Cuda and Cudnn:PytorchバージョンとCudaバージョンは密接に関連しています。たとえば、pytorch1.9.0にはcuda11.1が必要ですが、pytorch2.0.1にはcuda11.3が必要です。 CUDNNバージョンは、CUDAバージョンとも一致する必要があります。 Pytorchバージョンを選択する前に、互換性のあるCUDAおよびCUDNNバージョンがインストールされていることを確認してください。 Pythonバージョン:Pytorch公式支店

NGINXのインストールをインストールするには、次の手順に従う必要があります。開発ツール、PCRE-Devel、OpenSSL-Develなどの依存関係のインストール。 nginxソースコードパッケージをダウンロードし、それを解凍してコンパイルしてインストールし、/usr/local/nginxとしてインストールパスを指定します。 nginxユーザーとユーザーグループを作成し、アクセス許可を設定します。構成ファイルnginx.confを変更し、リスニングポートとドメイン名/IPアドレスを構成します。 nginxサービスを開始します。依存関係の問題、ポート競合、構成ファイルエラーなど、一般的なエラーに注意する必要があります。パフォーマンスの最適化は、キャッシュをオンにしたり、ワーカープロセスの数を調整するなど、特定の状況に応じて調整する必要があります。
