Python의 덕 타이핑(Duck Typing) 및 원숭이 패치(Monkey Patching)
안녕하세요 여러분 라오왕 입니다.
Python 개발자는 덕 타이핑(Duck Typing)과 원숭이 패치(Monkey Patching)라는 용어를 들어본 적이 있을 수도 있지만 관련 코드를 작성했을 수도 있지만 그 뒤에 숨은 기술적 요점을 이해하지 못할 뿐입니다.
저도 최근 지원자 면접 때 이 두 가지 컨셉에 대해 질문을 드렸는데, 많은 분들의 답변이 별로 좋지 않았습니다. 하지만 내가 그들에게 설명을 하고 나면 그들은 대개 갑자기 "아, 바로 이거야, 전에 써본 적 있어"라고 깨닫는다.
그래서 저는 이 두 가지 기술에 대해 논의하는 글을 쓰기로 결정했습니다.
덕 타이핑
Wikipedia의 설명 인용:
덕 타이핑은 프로그래밍에서 동적 타이핑의 스타일입니다. 이 스타일에서 객체의 효과적인 의미는 특정 클래스에서 상속하거나 특정 인터페이스를 구현하는 것이 아니라 "현재 메서드 및 속성 집합"에 의해 결정됩니다.
더 대중적으로 말하면:
새가 오리처럼 걷고, 오리처럼 헤엄치고, 오리처럼 꽥꽥거리는 것을 보면 이 새를 오리라고 부를 수 있습니다.
즉, 덕 타이핑에서는 객체가 속한 유형에 초점을 맞추기보다는 객체의 동작과 그것이 무엇을 할 수 있는지에 중점을 둡니다.
더 생생하게 보여주기 위해 예를 살펴보겠습니다:
# 这是一个鸭子(Duck)类 class Duck: def eat(self): print("A duck is eating...") def walk(self): print("A duck is walking...") # 这是一个狗(Dog)类 class Dog: def eat(self): print("A dog is eating...") def walk(self): print("A dog is walking...") def animal(obj): obj.eat() obj.walk() if __name__ == '__main__': animal(Duck()) animal(Dog())
프로그램 출력:
A duck is eating... A duck is walking... A dog is eating... A dog is walking...
Python은 동적 언어이며 엄격한 유형 검사 기능이 없습니다. Duck과 Dog가 각각 eat 및 walk 메서드를 구현하는 한 직접 호출할 수 있습니다.
또 다른 예는 list.extend() 메서드입니다. 목록 외에도 반복 가능한 한 dict 및 tuple도 호출할 수 있습니다.
위의 예를 읽은 후에는 "객체 동작"과 "객체 유형"에 대해 더 깊이 이해해야 합니다.
조금 더 확장하면 덕 타이핑은 인터페이스가 명시적으로 정의되지 않는다는 점을 제외하면 실제로 인터페이스와 매우 유사합니다.
예를 들어 Go 언어를 사용하여 덕 타이핑을 구현하는 경우 코드는 다음과 같습니다.
package main import "fmt" // 定义接口,包含 Eat 方法 type Duck interface { Eat() } // 定义 Cat 结构体,并实现 Eat 方法 type Cat struct{} func (c *Cat) Eat() { fmt.Println("cat eat") } // 定义 Dog 结构体,并实现 Eat 方法 type Dog struct{} func (d *Dog) Eat() { fmt.Println("dog eat") } func main() { var c Duck = &Cat{} c.Eat() var d Duck = &Dog{} d.Eat() s := []Duck{ &Cat{}, &Dog{}, } for _, n := range s { n.Eat() } }
Duck 인터페이스와 해당 인터페이스에 메소드를 구현하는 각 구조를 명시적으로 정의하여 구현됩니다.
Monkey Patch
Monkey Patch는 일반적으로 기능을 추가하거나 결함을 수정하기 위해 런타임에 모듈, 클래스 또는 함수를 동적으로 수정하기 때문에 평판이 좋지 않습니다.
Monkey 패치는 메모리에서 작동하며 소스 코드를 수정하지 않으므로 현재 실행 중인 프로그램 인스턴스에만 유효합니다.
그러나 남용되면 시스템을 이해하고 유지하기가 어려워집니다.
두 가지 주요 문제가 있습니다.
- 패치는 캡슐화를 깨고 일반적으로 대상과 밀접하게 연결되므로 취약합니다. library 따라서 임시 해결 방법으로 간주되며 코드를 통합하는 권장 방법은 아닙니다.
늘 그렇듯이 설명을 위한 예를 들어보겠습니다.
# 定义一个Dog类 class Dog: def eat(self): print("A dog is eating ...") # 在类的外部给 Dog 类添加猴子补丁 def walk(self): print("A dog is walking ...") Dog.walk = walk # 调用方式与类的内部定义的属性和方法一样 dog = Dog() dog.eat() dog.walk()
프로그램 출력:
A dog is eating ... A dog is walking ...
이는 클래스 외부의 Dog 클래스에 걷기 메서드를 추가하는 것과 동일하며 호출 메서드는 정의된 속성 및 메서드와 동일합니다. 내부적으로는 .
일반적으로 사용되는 json 표준 라이브러리와 같은 또 다른 실용적인 예를 들어보겠습니다. 대신 더 높은 성능의 ujson을 사용하려면 필연적으로 각 파일을 가져와야 합니다.
import json
다음으로 변경:
import ujson as json
이것을 변경하는 것은 상대적으로 높을 것입니다. 현재로서는 원숭이 패치 사용을 고려할 수 있습니다. 프로그램 항목에
import json import ujson def monkey_patch_json(): json.__name__ = 'ujson' json.dumps = ujson.dumps json.loads = ujson.loads monkey_patch_json()
만 추가하면 됩니다. 이렇게 하면 나중에 덤프 및 로드 메서드를 호출할 때 호출되는 것이 ujson 패키지가 됩니다. 여전히 매우 편리합니다.
하지만 원숭이 패치는 양날의 검입니다. 문제는 위에서도 언급했지만 필요에 따라 주의해서 사용하세요.
위 내용은 Python의 덕 타이핑(Duck Typing) 및 원숭이 패치(Monkey Patching)의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

핫 AI 도구

Undresser.AI Undress
사실적인 누드 사진을 만들기 위한 AI 기반 앱

AI Clothes Remover
사진에서 옷을 제거하는 온라인 AI 도구입니다.

Undress AI Tool
무료로 이미지를 벗다

Clothoff.io
AI 옷 제거제

AI Hentai Generator
AI Hentai를 무료로 생성하십시오.

인기 기사

뜨거운 도구

메모장++7.3.1
사용하기 쉬운 무료 코드 편집기

SublimeText3 중국어 버전
중국어 버전, 사용하기 매우 쉽습니다.

스튜디오 13.0.1 보내기
강력한 PHP 통합 개발 환경

드림위버 CS6
시각적 웹 개발 도구

SublimeText3 Mac 버전
신 수준의 코드 편집 소프트웨어(SublimeText3)

뜨거운 주제











PHP와 Python은 고유 한 장점과 단점이 있으며 선택은 프로젝트 요구와 개인 선호도에 달려 있습니다. 1.PHP는 대규모 웹 애플리케이션의 빠른 개발 및 유지 보수에 적합합니다. 2. Python은 데이터 과학 및 기계 학습 분야를 지배합니다.

Python과 JavaScript는 커뮤니티, 라이브러리 및 리소스 측면에서 고유 한 장점과 단점이 있습니다. 1) Python 커뮤니티는 친절하고 초보자에게 적합하지만 프론트 엔드 개발 리소스는 JavaScript만큼 풍부하지 않습니다. 2) Python은 데이터 과학 및 기계 학습 라이브러리에서 강력하며 JavaScript는 프론트 엔드 개발 라이브러리 및 프레임 워크에서 더 좋습니다. 3) 둘 다 풍부한 학습 리소스를 가지고 있지만 Python은 공식 문서로 시작하는 데 적합하지만 JavaScript는 MDNWebDocs에서 더 좋습니다. 선택은 프로젝트 요구와 개인적인 이익을 기반으로해야합니다.

CentOS 시스템에서 Pytorch GPU 가속도를 활성화하려면 Cuda, Cudnn 및 GPU 버전의 Pytorch를 설치해야합니다. 다음 단계는 프로세스를 안내합니다. CUDA 및 CUDNN 설치 CUDA 버전 호환성 결정 : NVIDIA-SMI 명령을 사용하여 NVIDIA 그래픽 카드에서 지원하는 CUDA 버전을보십시오. 예를 들어, MX450 그래픽 카드는 CUDA11.1 이상을 지원할 수 있습니다. Cudatoolkit 다운로드 및 설치 : NVIDIACUDATOOLKIT의 공식 웹 사이트를 방문하여 그래픽 카드에서 지원하는 가장 높은 CUDA 버전에 따라 해당 버전을 다운로드하여 설치하십시오. CUDNN 라이브러리 설치 :

Docker는 Linux 커널 기능을 사용하여 효율적이고 고립 된 응용 프로그램 실행 환경을 제공합니다. 작동 원리는 다음과 같습니다. 1. 거울은 읽기 전용 템플릿으로 사용되며, 여기에는 응용 프로그램을 실행하는 데 필요한 모든 것을 포함합니다. 2. Union 파일 시스템 (Unionfs)은 여러 파일 시스템을 스택하고 차이점 만 저장하고 공간을 절약하고 속도를 높입니다. 3. 데몬은 거울과 컨테이너를 관리하고 클라이언트는 상호 작용을 위해 사용합니다. 4. 네임 스페이스 및 CGroup은 컨테이너 격리 및 자원 제한을 구현합니다. 5. 다중 네트워크 모드는 컨테이너 상호 연결을 지원합니다. 이러한 핵심 개념을 이해 함으로써만 Docker를 더 잘 활용할 수 있습니다.

Minio Object Storage : Centos System Minio 하의 고성능 배포는 Go Language를 기반으로 개발 한 고성능 분산 객체 저장 시스템입니다. Amazons3과 호환됩니다. Java, Python, JavaScript 및 Go를 포함한 다양한 클라이언트 언어를 지원합니다. 이 기사는 CentOS 시스템에 대한 Minio의 설치 및 호환성을 간단히 소개합니다. CentOS 버전 호환성 Minio는 다음을 포함하되 이에 국한되지 않는 여러 CentOS 버전에서 확인되었습니다. CentOS7.9 : 클러스터 구성, 환경 준비, 구성 파일 설정, 디스크 파티셔닝 및 미니를 다루는 완전한 설치 안내서를 제공합니다.

CentOS 시스템에 대한 Pytorch 분산 교육에는 다음 단계가 필요합니다. Pytorch 설치 : 전제는 Python과 PIP가 CentOS 시스템에 설치된다는 것입니다. CUDA 버전에 따라 Pytorch 공식 웹 사이트에서 적절한 설치 명령을 받으십시오. CPU 전용 교육의 경우 다음 명령을 사용할 수 있습니다. PipinStalltorchtorchvisiontorchaudio GPU 지원이 필요한 경우 CUDA 및 CUDNN의 해당 버전이 설치되어 있는지 확인하고 해당 PyTorch 버전을 설치하려면 설치하십시오. 분산 환경 구성 : 분산 교육에는 일반적으로 여러 기계 또는 단일 기계 다중 GPU가 필요합니다. 장소

CentOS 시스템에 Pytorch를 설치할 때는 적절한 버전을 신중하게 선택하고 다음 주요 요소를 고려해야합니다. 1. 시스템 환경 호환성 : 운영 체제 : CentOS7 이상을 사용하는 것이 좋습니다. Cuda 및 Cudnn : Pytorch 버전 및 Cuda 버전은 밀접하게 관련되어 있습니다. 예를 들어, pytorch1.9.0은 cuda11.1을 필요로하고 Pytorch2.0.1은 cuda11.3을 필요로합니다. CUDNN 버전도 CUDA 버전과 일치해야합니다. Pytorch 버전을 선택하기 전에 호환 CUDA 및 CUDNN 버전이 설치되었는지 확인하십시오. 파이썬 버전 : Pytorch 공식 지점

Centos의 최신 버전으로 Pytorch를 업데이트하면 다음 단계를 수행 할 수 있습니다. 방법 1 : PIP를 사용하여 PIP 업데이트 : 먼저 PIP의 PIP 버전이 최신 버전의 PyTorch를 제대로 설치하지 못할 수 있기 때문에 PIP가 최신 버전인지 확인하십시오. PipinStall-UpgradePip Unin Incalls of Pytorch (설치된 경우) : PipuninStalltorchtorchvisiontorchaudio 설치 최신 정보
