Python 筆記：Package Import, Absolute & Relative

一直被 import 搞的頭暈眼花不是辦法，筆記一下：

Import 分成 absolute path, relative path 兩種

  1. absolute path 如同 Java package，使用 fully-qualified name 指定，搜尋時從 sys.path 尋找完整的套件名稱
  2. relative path 如同檔案、URI 相對路徑，由 "." 或是 ".." 起始，搜尋相對於目前模組位置的套件
  3. PEP-8 過去曾反對使用相對路徑，因為當時版本效能不好，目前已修正，承認相對路徑在專案開發時，有許多的好處，也是可以接受的作法

Import 的搜尋路徑

  1. import 指令搜尋路徑，最簡單的想法是搜尋 sys.path
  2. sys.path 會包含 command line 指令中，腳本所在目錄：
    • 例如：working_dir$ /path/to/script/filename.py，那就包含 working_dir/path/to/script
    • 但是不會包含 working_dir
  3. sys.path 也會包含 PYTHON_PATH 這環境變數
  4. 有些 IDE，如：Eclipse，會將專案根目錄，加到 PYTHON_PATH 中，或是修改腳本啟動的工作目錄，要注意

個人短評

  • 套件內部使用相對路徑匯入模組，很大的好處是套件可以在專案中任意搬動
  • 但是匯入其他外部套件、模組時，如果也是使用相對路徑，自己的套件搬動就會遇到大問題
  • 或許比較好的方式是：相同套件模組用相對路徑，其他套件模組用一個絕對路徑引用、重新命名（import ... as ...），再從該套件引用模組
  • 可以利用 __init__.py，將套件內部實作抽象化，避免直接引用外部套件的絕對路徑

參考

  1. https://stackoverflow.com/a/5811548/1825443
  2. https://chrisyeh96.github.io/2017/08/08/definitive-guide-python-imports.html#summary--key-points








留言

張貼留言

這個網誌中的熱門文章

[開箱] 老公寓的舒適親子大空間

圖片
結婚以來，已陸續搬家三次（板橋 -> 唭哩岸 -> 北投 -> 永和） 看著兒子一天天長大，加上二寶即將出生 老婆（拖著被動的我）下定決心，要打造溫暖舒適的家 多虧師傅們的努力，我們才能一圓夢想， 讓兩個小鬼開心地在新家舒適的大客廳裡奔跑玩耍 大概是從去年七月開始的： 就像其他人一樣，看房買房、研究裝潢、施工到完成，細節瑣碎又十分耗費心力 歷經了無數個週末和哄睡兒子後的午夜時分才得以完成； 老婆一有時間，就研究裝潢的大小事情 對居家風格一竅不通，也沒有興趣的我，半推半就下，負責水電管線、電燈配置的研究功課 --- 前屋主的裝潢大概是十年前完成的 調整過的格局，讓室內三十坪老公寓騰出了寬廣的大客廳、大餐廳 一直都沒有個舒適居住空間的我們，看到這點就喜歡上這間房子了 然而，氧化鎂板膨脹變形、地板膨管有空心磚、廁所通風不良眾多因素 讓我們下定決心要好好整理一番，而不是按照長輩的意見清掃完就入住 經過多方諮詢和研究，明確的目標是： 1. 隔間：拆除舊的儲藏室和吧檯，讓客餐廳形成一塊舒適的大空間。改隔間，讓冰箱回到廚房、讓廁所回歸方正格局。 2. 通風採光：增加、加大原有窗戶，改善通風與照明（二樓的採光較差） 3. 天花板：看拆除後情形決定是否作明管、不做天花板 4. 地板：拆除空心磚，改鋪全室超耐磨木地板 5. 開關：盡可能簡化燈具迴路和開關（省錢） 於是，列出了施工需求和規範，這張圖可說是我們裝潢的原點 深知預算不多，我們採取這些做法節省預算： 1. 用現成的衣櫃，不做新的木作衣櫃 2. 天花板盡量平釘，避免包樑或複雜費工的造型，並且使用鋼架而非木製角料 3. 小孩房用輕隔間，而非磚牆（牆後恰好是書櫃） 4. 比價再比價，最後找到的價錢，廚櫃只要其他廠商一半價錢（搭配廚房設備一起購買） 5. 參考包商的建議，選用台灣麗仕的矽酸鈣板（品質夠好價格也漂亮） 根據姥姥書上的介紹，高度客製化的木作工程所費不貲，因此我們盡量減少木作 把預算集中在改格局、重拉水電管線、做天花板和完成油漆， 最後，做好完工後房間空盪盪沒有傢俱的準備 果不其然，一百萬元的預算還是四處碰壁。 我們花了許多時間尋找適合的設計師與工班， 設計師們大多因為過低的預算婉...
閱讀完整內容

論文筆記：Data Distillation: Towards Omni-Supervised Learning

最近在看這篇文章，發現網路上的翻譯不太完整，缺少文章最核心的實驗方法。把自己的中文翻譯放上來獻醜，如有錯誤請讀者指教。 參考資料 原文  https://arxiv.org/pdf/1712.04440.pdf CSDN 部分翻譯  https://blog.csdn.net/sunshine_010/article/details/80038491 知乎  https://www.zhihu.com/question/264009268 --- （前略，請參考 CSDN 的翻譯） Generating labels on unlabeled data. By aggregating the results of multi-transform inference, it is often possible to obtain a single prediction that is superior to any of the model’s predictions under a single transform (e.g., see Figure 2). Our observation is that the aggregated prediction generates new knowledge and in principle the model can use this information to learn from itself by generating labels. 標註未標註的資料 組合多種幾何轉換的推論結果，通常能得到比單一幾何轉換更好的結果。 根據我們觀察，組合的結果能產生新的知識。一般而言，既有模型能夠透過產生新標記，來自我訓練。 Given an unlabeled image and a set of predictions from multi-transform inference, there are multiple ways one could automatically generate labels on the image. For example, in the case of a...
閱讀完整內容