浅谈python中的@以及@在tensorflow中的作用说明
虽然用python用了很久了，但是主要还是写一些模型或者算子，对于python中的高级特性用的不多，但是时常阅读大牛的代码或者框架源码，其中python特性应用的非常流畅，所以今天决定与python中的装饰器@，做个了断！！
Python中的@：
援引廖雪峰老师对装饰器的解释以及一些自己对装饰器的理解：
python中在代码运行期间动态增加功能的方式，称之为“装饰器”（Decorator）。@是装饰器的语法。装饰器是在函数调用之上的修饰，这些修饰仅是当声明一个函数或者方法的时候，才会应用的额外调用。我们可以用装饰器来增加计时逻辑来检测性能，或者引入日志等等。
函数也是一个对象，而且函数对象可以被赋值给变量，所以，通过变量也能调用该函数。
>>>defnow():
...print('2015-3-25')
...
>>>f=now
>>>f()
2015-3-25
函数对象有一个__name__属性，可以拿到函数的名字：
>>>now.__name__ 'now' >>>f.__name__ 'now'
现在，假设我们要增强now()函数的功能，比如，在函数调用前后自动打印日志，但又不希望修改now()函数的定义。本质上，decorator就是一个返回函数的高阶函数。所以，我们要定义一个能打印日志的decorator，可以定义如下：
deflog(func):
defwrapper(*args,**kw):
print('call%s():'%func.__name__)
returnfunc(*args,**kw)
returnwrapper
观察上面的log，因为它是一个decorator，所以接受一个函数作为参数，并返回一个函数。我们要借助Python的@语法，把decorator置于函数的定义处：
@log
defnow():
print('2015-3-25')
调用now()函数，不仅会运行now()函数本身，还会在运行now()函数前打印一行日志：
>>>now() callnow(): 2015-3-25
把@log放到now()函数的定义处，相当于执行了语句：
now=log(now)
由于log()是一个decorator，返回一个函数，所以，原来的now()函数仍然存在，只是现在同名的now变量指向了新的函数，于是调用now()将执行新函数，即在log()函数中返回的wrapper()函数。
wrapper()函数的参数定义是(*args,**kw)，因此，wrapper()函数可以接受任意参数的调用。在wrapper()函数内，首先打印日志，再紧接着调用原始函数。
如果decorator本身需要传入参数，那就需要编写一个返回decorator的高阶函数，写出来会更复杂。比如，要自定义log的文本：
deflog(text):
defdecorator(func):
defwrapper(*args,**kw):
print('%s%s():'%(text,func.__name__))
returnfunc(*args,**kw)
returnwrapper
returndecorator
这个3层嵌套的decorator用法如下：
@log('execute')
defnow():
print('2015-3-25')
执行结果如下：
>>>now() executenow(): 2015-3-25
和两层嵌套的decorator相比，3层嵌套的效果是这样的：
>>>now=log('execute')(now)
我们来剖析上面的语句，首先执行log('execute')，返回的是decorator函数，再调用返回的函数，参数是now函数，返回值最终是wrapper函数。
以上两种decorator的定义都没有问题，但还差最后一步。因为我们讲了函数也是对象，它有__name__等属性，但你去看经过decorator装饰之后的函数，它们的__name__已经从原来的'now'变成了'wrapper'：
>>>now.__name__ 'wrapper'
因为返回的那个wrapper()函数名字就是'wrapper'，所以，需要把原始函数的__name__等属性复制到wrapper()函数中，否则，有些依赖函数签名的代码执行就会出错。
不需要编写wrapper.__name__=func.__name__这样的代码，Python内置的functools.wraps就是干这个事的，所以，一个完整的decorator的写法如下：
importfunctools
deflog(func):
@functools.wraps(func)
defwrapper(*args,**kw):
print('call%s():'%func.__name__)
returnfunc(*args,**kw)
returnwrapper
或者针对带参数的decorator：
importfunctools
deflog(text):
defdecorator(func):
@functools.wraps(func)
defwrapper(*args,**kw):
print('%s%s():'%(text,func.__name__))
returnfunc(*args,**kw)
returnwrapper
returndecorator
importfunctools是导入functools模块。模块的概念稍候讲解。现在，只需记住在定义wrapper()的前面加上@functools.wraps(func)即可。
python中常见的@：
@property：对于类的方法，装饰器一样起作用,Python内置的@property装饰器就是负责把一个方法变成属性调用的.广泛应用在类的定义中，可以让调用者写出简短的代码，同时保证对参数进行必要的检查，这样，程序运行时就减少了出错的可能性。
classStudent(object):
@property
defscore(self):
returnself._score
@score.setter
defscore(self,value):
ifnotisinstance(value,int):
raiseValueError('scoremustbeaninteger!')
ifvalue<0orvalue>100:
raiseValueError('scoremustbetween0~100!')
self._score=value
@property的实现比较复杂，我们先考察如何使用。把一个getter方法变成属性，只需要加上@property就可以了，此时，@property本身又创建了另一个装饰器@score.setter，负责把一个setter方法变成属性赋值，于是，我们就拥有一个可控的属性操作：
>>>s=Student() >>>s.score=60#OK，实际转化为s.set_score(60) >>>s.score#OK，实际转化为s.get_score() 60 >>>s.score=9999 Traceback(mostrecentcalllast): ... ValueError:scoremustbetween0~100!
注意到这个神奇的@property，我们在对实例属性操作的时候，就知道该属性很可能不是直接暴露的，而是通过getter和setter方法来实现的。
@staticmethod，@classmethod：@staticmethod返回的是一个staticmethod类对象，而@classmethod返回的是一个classmethod类对象。他们都是调用的是各自的__init__()构造函数。
当然应用装饰器不当也会带来一些问题:
1、位置错误的代码
让我们直接看示例代码。
defhtml_tags(tag_name):
print'beginouterfunction.'
defwrapper_(func):
print"beginofinnerwrapperfunction."
defwrapper(*args,**kwargs):
content=func(*args,**kwargs)
print"<{tag}>{content}".format(tag=tag_name,content=content)
print'endofinnerwrapperfunction.'
returnwrapper
print'endofouterfunction'
returnwrapper_
@html_tags('b')
defhello(name='Toby'):
return'Hello{}!'.format(name)
hello()
hello()
在装饰器中我在各个可能的位置都加上了print语句，用于记录被调用的情况。你知道他们最后打印出来的顺序吗？如果你心里没底，那么最好不要在装饰器函数之外添加逻辑功能，否则这个装饰器就不受你控制了。以下是输出结果：
beginouterfunction. endofouterfunction beginofinnerwrapperfunction. endofinnerwrapperfunction. HelloToby! HelloToby!
2、错误的函数签名和文档
装饰器装饰过的函数看上去名字没变，其实已经变了。
deflogging(func):
defwrapper(*args,**kwargs):
"""printlogbeforeafunction."""
print"[DEBUG]{}:enter{}()".format(datetime.now(),func.__name__)
returnfunc(*args,**kwargs)
returnwrapper
@logging
defsay(something):
"""saysomething"""
print"say{}!".format(something)
printsay.__name__#wrapper
为什么会这样呢？想想装饰器的语法@代替的东西就明白了。@等同于这样的写法。
say=logging(say)
logging其实返回的函数名字刚好是wrapper，那么上面的这个语句刚好就是把这个结果赋值给say，say的__name__自然也就是wrapper了，不仅仅是name，其他属性也都是来自wrapper，比如doc，source等等。
使用标准库里的functools.wraps，可以基本解决这个问题。
fromfunctoolsimportwraps
deflogging(func):
@wraps(func)
defwrapper(*args,**kwargs):
"""printlogbeforeafunction."""
print"[DEBUG]{}:enter{}()".format(datetime.now(),func.__name__)
returnfunc(*args,**kwargs)
returnwrapper
@logging
defsay(something):
"""saysomething"""
print"say{}!".format(something)
printsay.__name__#say
printsay.__doc__#saysomething
看上去不错！主要问题解决了，但其实还不太完美。因为函数的签名和源码还是拿不到的。
importinspect printinspect.getargspec(say)#failed printinspect.getsource(say)#failed
如果要彻底解决这个问题可以借用第三方包，比如wrapt。
3、不能装饰@staticmethod或者@classmethod
当你想把装饰器用在一个静态方法或者类方法时，不好意思，报错了。
classCar(object):
def__init__(self,model):
self.model=model
@logging#装饰实例方法，OK
defrun(self):
print"{}isrunning!".format(self.model)
@logging#装饰静态方法，Failed
@staticmethod
defcheck_model_for(obj):
ifisinstance(obj,Car):
print"Themodelofyourcaris{}".format(obj.model)
else:
print"{}isnotacar!".format(obj)
"""
Traceback(mostrecentcalllast):
...
File"example_4.py",line10,inlogging
@wraps(func)
File"C:\Python27\lib\functools.py",line33,inupdate_wrapper
setattr(wrapper,attr,getattr(wrapped,attr))
AttributeError:'staticmethod'objecthasnoattribute'__module__'
"""
前面已经解释了@staticmethod这个装饰器，其实它返回的并不是一个callable对象，而是一个staticmethod对象，那么它是不符合装饰器要求的（比如传入一个callable对象），你自然不能在它之上再加别的装饰器。要解决这个问题很简单，只要把你的装饰器放在@staticmethod之前就好了，因为你的装饰器返回的还是一个正常的函数，然后再加上一个@staticmethod是不会出问题的。
classCar(object): def__init__(self,model): self.model=model @staticmethod @logging#在@staticmethod之前装饰，OK defcheck_model_for(obj): pass
如何优化你的装饰器：
嵌套的装饰函数不太直观，我们可以使用第三方包类改进这样的情况，让装饰器函数可读性更好。
decorator.py
decorator.py是一个非常简单的装饰器加强包。你可以很直观的先定义包装函数wrapper()，再使用decorate(func,wrapper)方法就可以完成一个装饰器。
fromdecoratorimportdecorate
defwrapper(func,*args,**kwargs):
"""printlogbeforeafunction."""
print"[DEBUG]{}:enter{}()".format(datetime.now(),func.__name__)
returnfunc(*args,**kwargs)
deflogging(func):
returndecorate(func,wrapper)#用wrapper装饰func
你也可以使用它自带的@decorator装饰器来完成你的装饰器。
fromdecoratorimportdecorator
@decorator
deflogging(func,*args,**kwargs):
print"[DEBUG]{}:enter{}()".format(datetime.now(),func.__name__)
returnfunc(*args,**kwargs)
decorator.py实现的装饰器能完整保留原函数的name，doc和args，唯一有问题的就是inspect.getsource(func)返回的还是装饰器的源代码，你需要改成inspect.getsource(func.__wrapped__)。
wrapt
wrapt是一个功能非常完善的包，用于实现各种你想到或者你没想到的装饰器。使用wrapt实现的装饰器你不需要担心之前inspect中遇到的所有问题，因为它都帮你处理了，甚至inspect.getsource(func)也准确无误。
importwrapt
#withoutargumentindecorator
@wrapt.decorator
deflogging(wrapped,instance,args,kwargs):#instanceismust
print"[DEBUG]:enter{}()".format(wrapped.__name__)
returnwrapped(*args,**kwargs)
@logging
defsay(something):pass
使用wrapt你只需要定义一个装饰器函数，但是函数签名是固定的，必须是(wrapped,instance,args,kwargs)，注意第二个参数instance是必须的，就算你不用它。当装饰器装饰在不同位置时它将得到不同的值，比如装饰在类实例方法时你可以拿到这个类实例。根据instance的值你能够更加灵活的调整你的装饰器。另外，args和kwargs也是固定的，注意前面没有星号。在装饰器内部调用原函数时才带星号。
如果你需要使用wrapt写一个带参数的装饰器，可以这样写。
deflogging(level):
@wrapt.decorator
defwrapper(wrapped,instance,args,kwargs):
print"[{}]:enter{}()".format(level,wrapped.__name__)
returnwrapped(*args,**kwargs)
returnwrapper
@logging(level="INFO")
defdo(work):pass
Tensorflow中的@:
tensorflow就巧妙应用的python的装饰器，提高了代码的动态性，也使代码变得精简。
@tf_export的作用是：ProvideswaystoexportsymbolstotheTensorFlowAPI.
@tf_contextlib的作用是：Atf_decorator-awarewrapperfor`contextlib.contextmanager`.
还有@tf_inspect、@tf_should_use等。
以上为个人经验，希望能给大家一个参考，也希望大家多多支持毛票票。如有错误或未考虑完全的地方，望不吝赐教。
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。