python - 缓存动态生成的函数

Question

我有两个随机变量的概率密度函数func1和func2（包括support每个）。现在我需要这两个随机变量之和的概率密度函数，我通过以下方式创建：

import numpy as np
import scipy.integrate
[...]
def density_add(func1, func2, support):
   return np.vectorize(lambda xi: scipy.integrate.simps(func1(support) * func2(xi-support), support))

问题在于巨大的冗余。许多值必须计算不止一次。所以我尝试缓存，但由于动态生成的函数没有唯一名称，出现了问题。

from joblib import Memory
mem = Memory(cachedir="/tmp/joblib", verbose=0)
[...]
def density_add(func1, func2, support):
   return np.vectorize(mem.cache(lambda xi: scipy.integrate.simps(func1(support) * func2(xi-support), support))


/usr/lib/python3/dist-packages/numpy/lib/function_base.py:2232: JobLibCollisionWarning: Cannot detect name collisions for function '<lambda> [...]
/usr/lib/python3/dist-packages/numpy/lib/function_base.py:2232: JobLibCollisionWarning: Possible name collisions between functions '<lambda>' [...]

缓存此类动态生成的函数的更好方法是什么？

Answer 1

你能用functools.lru_cache吗？ https://docs.python.org/3/library/functools.html#functools.lru_cache。它将全部在内存中，因此您会在程序重新启动之间丢失值，但缓存会预热。

从 functools 导入 lru_cache

lru_cache 作为装饰器

>>> @lru_cache()
>>> def myfunc(x):
>>>     print('sleeping')
>>>     return x + 1
>>> myfunc(1)
sleeping
2
>>> myfunc(1)
2

lru_cache 作为一个函数

>>> myfunc2 = lru_cache()(lambda x: myfunc(x) *2)
>>> myfunc2(2)
sleeping
6
>>> myfunc2(2)
6