[python] 메모 란 무엇이며 파이썬에서 어떻게 사용할 수 있습니까?

방금 파이썬을 시작했는데 메모 가 무엇인지 , 어떻게 사용 하는지 전혀 몰랐 습니다. 또한 간단한 예가 있습니까?



답변

Memoization은 효과적으로 메소드 입력을 기반으로 메소드 호출의 결과를 기억 ( “memoization”→ “memorandum”→ 기억해야 함) 한 다음 결과를 다시 계산하지 않고 기억 된 결과를 리턴합니다. 메소드 결과의 캐시로 생각할 수 있습니다. 자세한 내용은 알고리즘 소개 (3e), Cormen et al.

파이썬에서 메모를 사용하여 계승을 계산하는 간단한 예는 다음과 같습니다.

factorial_memo = {}
def factorial(k):
    if k < 2: return 1
    if k not in factorial_memo:
        factorial_memo[k] = k * factorial(k-1)
    return factorial_memo[k]

더 복잡해지고 메모 프로세스를 클래스로 캡슐화 할 수 있습니다.

class Memoize:
    def __init__(self, f):
        self.f = f
        self.memo = {}
    def __call__(self, *args):
        if not args in self.memo:
            self.memo[args] = self.f(*args)
        #Warning: You may wish to do a deepcopy here if returning objects
        return self.memo[args]

그때:

def factorial(k):
    if k < 2: return 1
    return k * factorial(k - 1)

factorial = Memoize(factorial)

파이썬 데코레이터 에는 ” 데코레이터 ” 라는 기능 이 추가되어 동일한 기능을 수행하기 위해 다음을 간단히 작성할 수 있습니다.

@Memoize
def factorial(k):
    if k < 2: return 1
    return k * factorial(k - 1)

파이썬 데코레이터 라이브러리 라는 유사한 장식이 memoized약간 더 견고보다 Memoize여기에 표시된 클래스를.


답변

Python 3.2의 새로운 기능은 functools.lru_cache입니다. 기본적으로, 그것은 단지 128 개 가장 최근에 사용 된 통화를 캐시하지만 당신은을 설정할 수 있습니다 maxsize위해 None캐시가 만료되지 않도록해야 함을 나타냅니다 :

import functools

@functools.lru_cache(maxsize=None)
def fib(num):
    if num < 2:
        return num
    else:
        return fib(num-1) + fib(num-2)

이 기능 자체는 매우 느리므로 시도해보십시오 fib(36). 약 10 초 정도 기다려야합니다.

lru_cache주석을 추가 하면 특정 값에 대해 함수가 최근에 호출 된 경우 해당 값을 다시 계산하지 않고 캐시 된 이전 결과를 사용합니다. 이 경우 코드 속도가 엄청나게 향상되는 반면 코드는 캐싱의 세부 사항으로 복잡하지 않습니다.


답변

다른 답변은 그것이 무엇인지 잘 다룹니다. 나는 그것을 반복하지 않습니다. 당신에게 도움이 될만한 몇 가지 요점.

일반적으로 메모는 무언가를 계산하고 값이 비싼 모든 함수에 적용 할 수있는 작업입니다. 이 때문에 종종 데코레이터 로 구현됩니다 . 구현은 간단하며 다음과 같습니다.

memoised_function = memoise(actual_function)

또는 데코레이터로 표현

@memoise
def actual_function(arg1, arg2):
   #body


답변

메모 화는 값 비싼 계산 결과를 유지하고 캐시 된 결과를 지속적으로 다시 계산하지 않고 반환합니다.

예를 들면 다음과 같습니다.

def doSomeExpensiveCalculation(self, input):
    if input not in self.cache:
        <do expensive calculation>
        self.cache[input] = result
    return self.cache[input]

더 자세한 설명은 메모 에 대한 wikipedia 항목에서 찾을 수 있습니다 .


답변

hasattr수공예를 원하는 사람들을 위해 내장 기능을 잊지 마십시오 . 이렇게하면 전역과 달리 함수 정의 내에 mem 캐시를 유지할 수 있습니다.

def fact(n):
    if not hasattr(fact, 'mem'):
        fact.mem = {1: 1}
    if not n in fact.mem:
        fact.mem[n] = n * fact(n - 1)
    return fact.mem[n]


답변

나는 이것이 매우 유용하다는 것을 알았습니다.

def memoize(function):
    from functools import wraps

    memo = {}

    @wraps(function)
    def wrapper(*args):
        if args in memo:
            return memo[args]
        else:
            rv = function(*args)
            memo[args] = rv
            return rv
    return wrapper


@memoize
def fibonacci(n):
    if n < 2: return n
    return fibonacci(n - 1) + fibonacci(n - 2)

fibonacci(25)


답변

메모 화는 기본적으로 재귀 알고리즘으로 수행 한 과거 작업의 결과를 저장하여 나중에 동일한 계산이 필요한 경우 재귀 트리를 통과 할 필요성을 줄입니다.

참조 http://scriptbucket.wordpress.com/2012/12/11/introduction-to-memoization/를

Python의 피보나치 메모 화 예제 :

fibcache = {}
def fib(num):
    if num in fibcache:
        return fibcache[num]
    else:
        fibcache[num] = num if num < 2 else fib(num-1) + fib(num-2)
        return fibcache[num]