Python 的「yield」關鍵字有什麼作用以及如何使用生成器?
「yield」在 Python 中到底做什麼?
「yield」是 Python 中的獨特關鍵字,它使您能夠建立產生器,它們是一種特殊的可迭代類型。可迭代物件表示可以迭代的值序列,例如列表和字串。然而,生成器與這些不同,它不將所有值儲存在記憶體中。相反,它們一次一個地動態生成值。
要理解生成器,從 iterables 開始會很有幫助。可迭代物件是實作 __iter__() 方法的對象,可讓您透過 iter() 函數檢索迭代器物件。迭代器實作 __next__() 方法,該方法傳回序列中的下一個項目,並在沒有剩餘項目時引發 StopIteration 異常。
生成器和「yield」的角色
產生器是使用「yield」關鍵字建立的迭代類型。生成器是獨一無二的,因為它們在每個「yield」語句處暫停執行,允許您一次檢索一個值。當您使用生成器時,它會從暫停的位置恢復執行,產生下一個值。此過程會持續到生成器耗盡其所有值,此時它會引發 StopIteration 異常。
如何使用生成器
要使用產生器,您需要建立一個產生器函數,其中包含一個或更多「產量」聲明。此函數傳回一個生成器對象,可以使用“for”循環對其進行迭代。
這是一個範例:
def generate_numbers(): for i in range(5): yield i
在此範例中,generate_numbers() 是一個產生器函數,它迭代從 0 到 4 的數字並產生每個值。若要使用此產生器,您可以使用「for」循環對其進行迭代:
for number in generate_numbers(): print(number)
此程式碼將列印從 0 到 4 的數字。
產生器的優點
與傳統發電機相比,發電機具有多種優勢iterables:
- 記憶體效率:與iterables 不同,生成器不會同時將所有值儲存在記憶體中。這使得它們非常適合產生大型序列或預先未知大小的序列。
- 惰性求值:產生器僅在需要時產生值,從而節省計算時間和資源。
- 靈活性:生成器可以重複使用,無需重新初始化,方便建立管道和其他複雜操作。
結論
「yield」是Python 中一個強大的關鍵字,它使您能夠創建生成器,這是一種獨特的可迭代類型,可以根據需要生成值。生成器具有記憶體效率、延遲求值和靈活性等優勢,使其成為各種程式設計場景中的寶貴工具。
以上是Python 的「yield」關鍵字有什麼作用以及如何使用生成器?的詳細內容。更多資訊請關注PHP中文網其他相關文章!

熱AI工具

Undress AI Tool
免費脫衣圖片

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Stock Market GPT
人工智慧支援投資研究,做出更明智的決策

熱門文章

熱工具

記事本++7.3.1
好用且免費的程式碼編輯器

SublimeText3漢化版
中文版,非常好用

禪工作室 13.0.1
強大的PHP整合開發環境

Dreamweaver CS6
視覺化網頁開發工具

SublimeText3 Mac版
神級程式碼編輯軟體(SublimeText3)

運行pipinstall-rrequirements.txt可安裝依賴包,建議先創建並激活虛擬環境以避免衝突,確保文件路徑正確且pip已更新,必要時使用--no-deps或--user等選項調整安裝行為。

本教程詳細介紹瞭如何將PEFT LoRA適配器與基礎模型高效合併,生成一個完全獨立的模型。文章指出直接使用transformers.AutoModel加載適配器並手動合併權重是錯誤的,並提供了使用peft庫中merge_and_unload方法的正確流程。此外,教程還強調了處理分詞器的重要性,並討論了PEFT版本兼容性問題及解決方案。

theargparsemodulestherecommondedwaywaytohandlecommand-lineargumentsInpython,提供式刺激,typeValidation,helpmessages anderrornhandling; useSudys.argvforsimplecasesRequeRequeRingminimalSetup。

Pytest是Python中簡單強大的測試工具,安裝後按命名規則自動發現測試文件。編寫以test_開頭的函數進行斷言測試,使用@pytest.fixture創建可複用的測試數據,通過pytest.raises驗證異常,支持運行指定測試和多種命令行選項,提升測試效率。

本文旨在探討Python及NumPy中浮點數計算精度不足的常見問題,解釋其根源在於標準64位浮點數的表示限制。針對需要更高精度的計算場景,文章將詳細介紹並對比mpmath、SymPy和gmpy等高精度數學庫的使用方法、特點及適用場景,幫助讀者選擇合適的工具來解決複雜的精度需求。

PyPDF2、pdfplumber和FPDF是Python處理PDF的核心庫。使用PyPDF2可進行文本提取、合併、拆分及加密,如通過PdfReader讀取頁面並調用extract_text()獲取內容;pdfplumber更適合保留佈局的文本提取和表格識別,支持extract_tables()精準抓取表格數據;FPDF(推薦fpdf2)用於生成PDF,通過add_page()、set_font()和cell()構建文檔並輸出。合併PDF時,PdfWriter的append()方法可集成多個文件

Import@contextmanagerfromcontextlibanddefineageneratorfunctionthatyieldsexactlyonce,wherecodebeforeyieldactsasenterandcodeafteryield(preferablyinfinally)actsas__exit__.2.Usethefunctioninawithstatement,wheretheyieldedvalueisaccessibleviaas,andthesetup

獲取當前時間在Python中可通過datetime模塊實現,1.使用datetime.now()獲取本地當前時間,2.用strftime("%Y-%m-%d%H:%M:%S")格式化輸出年月日時分秒,3.通過datetime.now().time()獲取僅時間部分,4.推薦使用datetime.now(timezone.utc)獲取UTC時間,避免使用已棄用的utcnow(),日常操作以datetime.now()結合格式化字符串即可滿足需求。
