Python 提供了一个装饰器函数 @cache 来帮助缓存函数的输出。这意味着如果使用相同的参数调用该函数两次,第二次,计算将被跳过,结果将从缓存中提供。
但我可以轻松地将计算结果存储在数据结构中,然后第二次使用该数据结构。因为在会话结束之前数据结构将是活动的并且不会被垃圾收集。
那么为什么我需要@cache
Python 提供了一个装饰器函数 @cache 来帮助缓存函数的输出。这意味着如果使用相同的参数调用该函数两次,第二次,计算将被跳过,结果将从缓存中提供。
但我可以轻松地将计算结果存储在数据结构中,然后第二次使用该数据结构。因为在会话结束之前数据结构将是活动的并且不会被垃圾收集。
那么为什么我需要@cache