使用yield可以做哪些很酷的事情?
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了使用yield可以做哪些很酷的事情?,小编现在分享给大家,供广大互联网技能从业者学习和参考。文章包含3531字,纯文字阅读大概需要6分钟。
内容图文
使用生成器(Generator)和yield可以做哪些有趣的、酷酷的、让人意想不到的事情?不限编程语言,例如python、JavaScript 等。
回复内容:
yield 在 JavaScript 中用的最多的可能就是结合 Promise/Thunk 等实现异步操作,比如大名鼎鼎的 tj/co · GitHub,所以已经不是「让人意想不到」的东西了。理解 Generator 的特性后,实现一个玩具版的 co 还是很简单的:
function async(generator) {
return new Promise(function(resolve, reject) {
var g = generator()
function next(val) {
var result = g.next(val)
var value = result.value
if (!result.done) {
value.then(next).catch(reject)
}
else {
resolve(value)
}
}
next()
})
}
最典型的不就是async/await么?不了解yield怎么实现async/await的,用C#代码试举一例:
IEnumerable> SomeAsyncMethod()
{
//blabla
yield return await( asyncMethod, context );
//blabla
yield return await( asyncMethod, context );
//blabla
}
可以做动画呀,效果如图:# -*- coding: utf-8 -*-
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.animation as animation
import math, random
# 需要安装的库:Numpy和Matplotlib,推荐直接Anaconda
fig, axes1 = plt.subplots()
# 设置坐标轴长度
axes1.set_ylim(0, 1.4)
axes1.set_xlim(0, 1*np.pi/0.01)
# 设置初始x、y数值数组
xdata = np.arange(0, 2*np.pi, 0.01)
ydata = np.sin(xdata)
# 获得线条
line, = axes1.plot(xdata)
# 毛刺倍率,从0开始增长,offset越大毛刺越大
offset = 0.0
#因为update的参数是调用函数data_gen,所以第一个默认参数不能是framenum
def update(data):
global offset
line.set_ydata(data)
return line,
# 每次生成10个随机数据
# 每次变化整幅图的话,yield一个整图就行了
def data_gen():
global offset
while True:
length = float(len(xdata))
for i in range(len(xdata)):
ydata[i]=math.sin(xdata[i])+0.2
if i>length/18.0 and i<(length*2.7/6.0):
ydata[i]+=offset*(random.random()-0.5)
offset += 0.05
#可以设置offset的最大值
if offset>=0.5:
offset=0.0
yield ydata
# 配置完毕,开始播放
ani = animation.FuncAnimation(fig, update, data_gen, interval=800, repeat=True)
plt.show()
模拟离散事件,还有更简洁优雅的方式么Overview — SimPy 3.0.8 documentation 这个问题就是给我准备的嘛
当有人声称在CPython里实现了一个沙盒的时候就可以用yield去逗他了,I was looking through the code and saw someone submitted this but didn't run it:...
酷到没工作... A Curious Course on Coroutines and Concurrency 可以写出一个并发的库
Generator Tricks for Systems Programmers 可以写个流处理框架 参见David Beazley大神几次PyCon的pdf,看完我简直是惊呆了。http://www.dabeaz.com 可以用来训练神经网络.
比如Lasagne/Lasagne · GitHub 中的一段示例代码:
def train(iter_funcs, dataset, batch_size=BATCH_SIZE):
"""Train the model with `dataset` with mini-batch training. Each
mini-batch has `batch_size` recordings.
"""
num_batches_train = dataset['num_examples_train'] // batch_size
num_batches_valid = dataset['num_examples_valid'] // batch_size
for epoch in itertools.count(1):
batch_train_losses = []
for b in range(num_batches_train):
batch_train_loss = iter_funcs['train'](b)
batch_train_losses.append(batch_train_loss)
avg_train_loss = np.mean(batch_train_losses)
batch_valid_losses = []
batch_valid_accuracies = []
for b in range(num_batches_valid):
batch_valid_loss, batch_valid_accuracy = iter_funcs['valid'](b)
batch_valid_losses.append(batch_valid_loss)
batch_valid_accuracies.append(batch_valid_accuracy)
avg_valid_loss = np.mean(batch_valid_losses)
avg_valid_accuracy = np.mean(batch_valid_accuracies)
yield {
'number': epoch,
'train_loss': avg_train_loss,
'valid_loss': avg_valid_loss,
'valid_accuracy': avg_valid_accuracy,
}
tornado就是使用generator实现的协程(coroutine)模型,再配合event loop实现高并发的
使用迭代器遍历二叉树。
内容总结
以上是互联网集市为您收集整理的使用yield可以做哪些很酷的事情?全部内容,希望文章能够帮你解决使用yield可以做哪些很酷的事情?所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错,欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 gblab@vip.qq.com 举报,一经查实,本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。