赞
踩
在使用Python的时候,大部分时候引入包,都是通过import 语句,比如
import numpy as np
有时候为了更复杂的需求,我们需要用程序化的方式来引入包 (Programmatic Importing), 比如根据输入不同,选择执行两个不同包里面的同名函数,这时候就需要用到importlib这个库了。这里先从一个简单例子开始,逐渐深入地讲一下这个库的用法。
importlib 是Python3.1增加的系统库,其中最常用的函数是其中的import_module ,功能是用程序语句的方式替代import 语句,用法如下:
import importlib # 与 import time 效果一样 time = importlib.import_module('time') print(time.time()) # 与 import os.path as path 效果一样 path = importlib.import_module('os.path') path.join('a', 'b') # results: 'a/b' # 相对引入, 一级目录,与 import os.path as path 效果一样 path = importlib.import_module('.path', package='os') path.join('a', 'b') # results: 'a/b' # 相对引入,二级目录,与 import os.path as path 效果一样 path = importlib.import_module('..path', package='os.time') path.join('a', 'b') # results: 'a/b'
注意最后的例子中,相对引入时需要在前面增加.
或者… 来表示相对目录,如果直接使用importlib.import_module(‘path’, package=‘os’) 会报错。
如果光看这几个例子的话,貌似跟import 没什么区别,而且语句变得更复杂了,有点多此一举的感觉。
其实不是的,个人认为,importlib 的强大之处是将import 语句中写死的字面值改成了import_module 函数中的参数,因此可以通过修改参数在外部用变量来控制实际import的包或者模块,大大地增加了灵活性。 下面会举一个稍微实用一些的例子。
假设我们在设计一个深度学习工具库,里面包含了N个网络模型(ResNet50, HRNet, MobileNet等等),每个模型的实现都有一个load_model 的函数。由于计算设备的性能不同,需要调用的网络结构也会变化,我们需要根据外部传入的参数来判断实际load哪一个模型。
虽然采用import 语句+if-else 判断也能完成这个需求,举例实现如下:
def run(model_name, input):
if model_name == 'resnet_50':
from resnet_50.model import load_model
elif model_name == 'hrnet':
from hrnet.model import load_model
elif model_name == 'moblienet':
from mobilenet.model import load_model
model = load_model()
output = model(input)
return output
这种写法存在下面的两个问题:
写法很冗余, N个模型的话需要添加2N条语句
新增模型时需要修改调用处的代码,添加对应的import语句,不符合模块化的要求。
这时候采用importlib 就能比较简洁地解决这个问题:
import importlib
def run(model_name, input):
load_model = importlib.import_module('load_model', package='{}.model'.format(model_name))
model = load_model()
output = model(input)
return output
可以看到在这种场景下importlib 确实能大大简化代码。
了解这些内容,日常使用这个库就没什么问题了(好像importlib 针对普通用户场景的函数貌似就只有import_module 这一个),别的一些进阶的概念由于不太懂,暂时不展开了。
感兴趣的小伙伴,赠送全套Python学习资料,包含面试题、简历资料等具体看下方。
赞
踩
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。