Memoist 技术文档
2024-12-26 09:53:52作者:卓炯娓
1. 安装指南
Memoist 是一个从 ActiveSupport::Memoizable 中提取的 Ruby 库,用于简化方法的记忆化(memoization)。以下是安装 Memoist 的步骤:
使用 Bundler 安装
在你的 Gemfile 中添加以下内容:
gem 'memoist'
然后运行以下命令来安装 gem:
bundle install
手动安装
你也可以通过以下命令手动安装 Memoist:
gem install memoist
2. 项目的使用说明
Memoist 的主要功能是帮助你将方法的结果缓存起来,避免重复计算。以下是如何在 Ruby 项目中使用 Memoist 的详细说明。
基本用法
首先,你需要在你的类中引入 Memoist 模块,并使用 memoize 方法来标记需要记忆化的方法。
require 'memoist'
class Person
extend Memoist
def social_security
puts "execute!"
decrypt_social_security
end
memoize :social_security
end
person = Person.new
person.social_security
# execute!
# => (返回 decrypt_social_security 的结果)
person.social_security
# => (返回缓存的值)
在上面的例子中,social_security 方法只会被计算一次,后续调用将直接返回缓存的结果。
带参数的方法
Memoist 也支持带参数的方法的记忆化。每个不同的参数组合都会缓存一个独立的结果。
class Person
def taxes_due(income)
income * 0.40
end
memoize :taxes_due
end
在这个例子中,taxes_due 方法会根据不同的 income 值缓存结果。
类方法的记忆化
你还可以对类方法进行记忆化:
class Person
class << self
extend Memoist
def with_overdue_taxes
# ...
end
memoize :with_overdue_taxes
end
end
子类中的记忆化
当子类覆盖父类的方法时,你可以使用 :identifier 参数来区分两者的记忆化缓存。
class Clock
extend Memoist
def now
"现在时间是 #{Time.now.hour} 点 #{Time.now.min} 分"
end
memoize :now
end
class AccurateClock < Clock
extend Memoist
def now
"#{super} 和 #{Time.now.sec} 秒"
end
memoize :now, :identifier => :accurate_clock
end
3. 项目 API 使用文档
memoize 方法
memoize 方法用于标记需要记忆化的方法。它可以应用于实例方法和类方法。
memoize :method_name
flush_cache 方法
flush_cache 方法用于清空对象的所有记忆化缓存。
person.flush_cache
# => 返回被清空的记忆化方法列表,例如 ["social_security", "some_method"]
重新计算缓存
每个记忆化的方法都带有一个 (reload) 参数,用于绕过缓存并重新计算。
person.social_security # 返回缓存的值
person.social_security(true) # 绕过缓存并重新计算
对于带参数的方法,同样可以使用 (reload) 参数:
person.taxes_due(100_000) # 返回缓存的值
person.taxes_due(100_000, true) # 绕过缓存并重新计算
4. 项目安装方式
Memoist 可以通过以下两种方式安装:
使用 Bundler 安装
在 Gemfile 中添加:
gem 'memoist'
然后运行:
bundle install
手动安装
运行以下命令:
gem install memoist
总结
Memoist 是一个简单而强大的 Ruby 库,能够帮助你轻松实现方法的记忆化。通过本文档,你应该能够顺利安装并使用 Memoist,并在你的项目中有效地应用它。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
185
196
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
480
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
276
97
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.44 K
暂无简介
Dart
623
140
React Native鸿蒙化仓库
JavaScript
242
315
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
648
265
openGauss kernel ~ openGauss is an open source relational database management system
C++
157
210