下面是一个在互联网上非常有名的例子.
is 和 == 的区别
256 是一个已经存在的对象, 而 257 不是
当你启动Python 的时候, 数值为 -5 到 256 的对象就已经被分配好了. 这些数字因为经常被使用, 所以会被提前准备好.
Python 通过这种创建小整数池的方式来避免小整数频繁的申请和销毁内存空间.
引用自 https://docs.python.org/3/c-api/long.html
这里解释器并没有智能到能在执行 y = 257 时意识到我们已经创建了一个整数 257 , 所以它在内存中又新建了另一个对象.
当 a 和 b 在同一行中使用相同的值初始化时，会指向同一个对象.
#IT教育# #IT# #程序员# #人工智能#
最近学习pytorch，看到下面的Python高难度代码例子和Python最复杂代码例子：
from google.colab import output as colab_output
from base64 import b64decode
from io import BytesIO
from pydub import AudioSegment
RECORD = """
const sleep = time =>new Promise(resolve =>setTimeout(resolve, time))
const b2text = blob =>new Promise(resolve =>{
const reader = new FileReader()
reader.onloadend = e =>resolve(e.srcElement.result)
reader.readAsDataURL(blob)
})
var record = time =>new Promise(async resolve =>{
stream = await navigator.mediaDevices.getUserMedia({ audio: true })
recorder = new MediaRecorder(stream)
chunks = []
recorder.ondataavailable = e =>chunks.push(e.data)
recorder.start()
await sleep(time)
recorder.onstop = async ()=>{
blob = new Blob(chunks)
text = await b2text(blob)
resolve(text)
}
recorder.stop()
})
"""
def record(seconds=1):
display(ipd.Javascript(RECORD))
print(f"Recording started for {seconds} seconds.")
s = colab_output.eval_js("record(%d)" % (seconds * 1000))
print("Recording ended.")
b = b64decode(s.split(",")[1])
fileformat = "wav"
filename = f"_audio.{fileformat}"
AudioSegment.from_file(BytesIO(b)).export(filename, format=fileformat)
return torchaudio.load(filename)
waveform, sample_rate = record()
print(f"Predicted: {predict(waveform)}.")
ipd.Audio(waveform.numpy(), rate=sample_rate)
js 的Promise函数对象编程，字符串javascript函数对象，IPython解释js对象，解释结果和python代码结合，IPython Shell显示非字符串数据，python音频使用IPython简单调用。
复杂Python模块下的多知识点结合代码，是Python高难度代码的体现。
Js的Promise理解为动态函数，比C++的类成员函数和全局函数这类静态形式的函数处理灵活，不过初学者理解起来麻烦。代码里sleep和b2text都代表一些处理函数，也就是几行代码，而不是数据。通常来讲，变量一般代表数据，但是这里代表了指令。
