一、引言
对于算法工程师来说,语言从来都不是关键,关键是快速学习以及解决问题的能力。大学的时候参加ACM/ICPC一直使用的是C语言,实习的时候做一个算法策略后台用的是php,毕业后做策略算法开发,因为要用spark,所以写了scala,后来用基于storm开发实时策略,用的java。至于python,从日常用hive做数据策略用python写udf,到基于tensorflow深度学习框架写python版的模型网络,再到现在实用pytorch做大模型。眼看着在语言纷争中,python的应用越来越广,开一个单独的专栏用于记录python中常用到的技巧,算是做笔记,没事翻出来看看。
在Python 3.5版本后引入的typing模块为Python的静态类型注解提供了支持,这个模块在增强代码可读性和维护性方面提供了帮助,今天简要概述一下python的typing模块
二、参数类型注解(typing)
2.1 概述
参数类型注解主要是增强代码可读性和维护性,其实python比c++、java的优势就是间接,增加这些类型是不是画蛇添足了?。
2.2 基本用法
python
def example(参数名: 参数类型) -> 返回值类型:
代码块
return 返回值
2.3 内置类型
python
def use_info(name:str, age:int, gender:str) -> str:
print(f"{name} is {age} years old and is a {gender}.")
return f"{name} is {age} years old and is a {gender}."
info=use_info("daoguang",18,"male")
print(info)
#daoguang is 18 years old and is a male.
#daoguang is 18 years old and is a male.
代码提示工具会自动展示函数输入输出格式,但要能看得懂啊!
三、总结
本文使用简单的例子讲解函数注解的基本用法,后面几篇会讲一些常用的注解类型。
《AI---工程篇》
AI智能体研发之路-工程篇(一):Docker助力AI智能体开发提效
AI智能体研发之路-工程篇(二):Dify智能体开发平台一键部署
AI智能体研发之路-工程篇(三):大模型推理服务框架Ollama一键部署
AI智能体研发之路-工程篇(四):大模型推理服务框架Xinference一键部署
AI智能体研发之路-工程篇(五):大模型推理服务框架LocalAI一键部署
《AI-模型篇》
AI智能体研发之路-模型篇(一):大模型训练框架LLaMA-Factory在国内网络环境下的安装、部署及使用
AI智能体研发之路-模型篇(二):DeepSeek-V2-Chat 训练与推理实战
AI智能体研发之路-模型篇(四):一文入门pytorch开发
AI智能体研发之路-模型篇(五):pytorch vs tensorflow框架DNN网络结构源码级对比
AI智能体研发之路-模型篇(六):【机器学习】基于tensorflow实现你的第一个DNN网络