目录
- 一、表示修饰符。
- 二、表示矩阵乘法。
- 总结
一、表示修饰符。
可以在模块或者类的定义层内对函数进行修饰。出现在函数定义的前一行，不允许和函数定义在同一行。
一个修饰符就是一个函数，它将被修饰的函数作为参数，并返回修饰后的同名函数或其他可调用的东西（如果返回不是一个可调用的对象那么会报错）。
例1：
def funa(desa):
print("it's funa")
def funb(desb):
print("it's funb")
@funa
def func():
print("it's func")
运行结果：
it’s funa
例2：
可以看出，该例子中@test等价于 test(xxx())，但是这种写法你得考虑python代码的执行顺序。
def test(func):
print("a")
return func()
@test
def xxx():
print('hello world!')
运行结果：
a
hello world!
例3：
为更深刻理解该用法，来个复杂点的嵌套型。
def funa(desa):
print("it's funa")
print('---')
print(desa)
desa()
print('---')
def funb(desb):
print("it's funb")
@funb
@funa
def func():
print("it's func")
运行结果：
it’s funa
—
<function func at 0x00000252d2545550>
it’s func
—
it’s funb
解析：
- @funb 修饰装饰器@funa，@funa 修饰函数定义def func()，将func()作为funa()的参数，再将funa(func())作为funb()的参数。 执行的时候由上而下，先执行funa(func())，再执行funb(funa(func()))。注意，func()并不执行，除非funa()函数中给出了执行funa()的代码。
- 打印desa，其传的是func()的地址，即desa现在为函数desa()。 执行desa()即执行func()，desa=desa()=func()。
二、表示矩阵乘法。
不常用。
例：
import torch n=100 x = torch.ones(n,2) x[:,0].uniform_(-1.,1) # 第一列变换至(-1.,1) 之间 print(x[:5]) # 输出前5行 a = torch.tensor([3.,2.]) # 一维tensor print(a) print(a.shape) y = x@a print(y) print(y.shape)
输出结果：
tensor([[ 0.8230, 1.0000],
[ 0.2427, 1.0000],
[-0.7416, 1.0000],
[-0.1267, 1.0000],
[ 0.7767, 1.0000]])
tensor([3., 2.])
torch.size([2])
tensor([ 4.4691, 2.7281, -0.2249, 1.6198, 4.3302, 3.3386, 1.9908, -0.8602,
4.9401, 1.9773, 4.5304, -0.1322, 3.9059, -0.6714, 1.8961, 3.7886,
0.8241, 4.4958, 2.2765, 2.0459, 3.6542, 3.0824, 2.8941, 1.0526,
4.8735, 1.4954, 3.0208, 4.0778, 2.3491, 2.2261, 3.1072, 1.0640,
1.7861, -0.8534, 3.2532, 1.5553, 0.2124, 3.6449, 1.6078, -0.1138,
4.2842, 3.7184, 2.2547, 3.4069, 3.6274, 0.4879, 1.4638, 3.9289,
3.3475, 4.1895, 1.5572, 0.8312, 2.9297, -0.9266, 0.4067, 2.5237,
0.6808, 4.9553, 3.3838, 0.5514, 4.8429, 0.0513, 3.4206, 0.3634,
4.7817, 3.0385, 2.3276, -0.0794, 3.4981, 4.3776, -0.8681, -0.4573,
3.6906, 1.2463, 1.4817, 4.0007, 4.7871, 2.5638, 4.2755, 3.1731,
3.4726, 2.1015, -0.8896, 1.4156, 1.2603, 4.0047, 3.3631, 3.5998,
3.2414, -0.1534, 3.6266, 0.3750, 4.4118, -0.0199, 1.6172, 3.2992,
-0.2325, 1.8240, 0.5580, 2.1420])
torch.size([100])
总结
到此这篇关于python中@的含义以及基本使用方法的文章就介绍到这了,更多相关python中@用法内容请搜索www.887551.com以前的文章或继续浏览下面的相关文章希望大家以后多多支持www.887551.com！
