Python之joblib：joblib库的简介、安装、使用方法之详细攻略

Python之joblib：joblib库的简介、安装、使用方法之详细攻略

目录

joblib库的简介

joblib库的安装

joblib库的使用方法

1、输出值的透明快速磁盘缓存

2、令人尴尬的并行助手:使它容易编写可读并行代码和调试它迅

3、快速压缩持久化

joblib库的简介

Joblib是一组在Python中提供轻量级管道的工具。特别是:

函数的透明磁盘缓存和延迟重新计算(记忆模式)

简单并行计算

Joblib经过了优化，特别是在处理大型数据时速度更快、更健壮，并且对numpy数组进行了特定的优化。

文档说明：https://joblib.readthedocs.io

-：https://pypi.python.org/pypi/joblib#downloads

源码地址： https://github.com/joblib/joblib

报告问题：https://github.com/joblib/joblib/issues

joblib库的安装

pip install joblib

joblib库的使用方法

1、输出值的透明快速磁盘缓存

Python函数的类似memoize或make的功能，适用于任意Python对象，包括非常大的numpy数组。通过将操作写成一组具有定义良好的输入和输出的步骤，将持久性和流执行逻辑与域逻辑或算法代码分离开来:Python函数。Joblib可以节省他们的计算到磁盘和重新运行，只有在必要时:

>>> from joblib import Memory

>>> cachedir = 'your_cache_dir_goes_here'

>>> mem = Memory(cachedir)

>>> import numpy as np

>>> a = np.vander(np.arange(3)).astype(np.float)

>>> square = mem.cache(np.square)

>>> b = square(a)                                   # doctest: +ELLIPSIS

________________________________________________________________________________

[Memory] Calling square...

square(array([[0., 0., 1.],

[1., 1., 1.],

[4., 2., 1.]]))

___________________________________________________________square - 0...s, 0.0min

>>> c = square(a)

>>> # The above call did not trigger an evaluation

2、令人尴尬的并行助手:使它容易编写可读并行代码和调试它迅

>>> from joblib import Parallel, delayed

>>> from math import sqrt

>>> Parallel(n_jobs=1)(delayed(sqrt)(i**2) for i in range(10))

[0.0, 1.0, 2.0, 3.0, 4.0, 5.0, 6.0, 7.0, 8.0, 9.0]

3、快速压缩持久化

替代pickle，有效地处理包含大数据的Python对象(joblib)。转储& joblib。负载)。

Python

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。