Python-inject 技术文档
2024-12-20 13:40:36作者:江焘钦
1. 安装指南
要安装 python-inject,请使用 pip 包管理器。在命令行中执行以下命令:
pip install inject
确保你的 Python 环境已经安装了 pip。如果你的系统中没有 pip,你可能需要先安装它。
2. 项目的使用说明
python-inject 是一个依赖注入库,它以简单、快速、线程安全的方式为 Python 项目提供依赖注入功能。以下是几个使用 python-inject 的步骤示例:
自动参数注入示例
在 Python 3.5 及以上版本中,可以使用 @inject.autoparams 装饰器自动注入带有类型注解的函数参数。
@inject.autoparams()
def refresh_cache(cache: RedisCache, db: DbInterface):
pass
逐步骤示例
import inject
# 从注入器请求依赖。
def foo(bar):
cache = inject.instance(Cache)
cache.save('bar', bar)
# 使用 @inject.params 装饰器注入依赖。
@inject.params(cache=Cache, user=CurrentUser)
def baz(foo, cache=None, user=None):
cache.save('foo', foo, user)
# 以不同方式调用函数:
# 使用注入的参数
baz('foo')
# 使用位置参数
baz('foo', my_cache)
# 使用关键字参数
baz('foo', my_cache, user=current_user)
类属性注入示例
class User(object):
cache = inject.attr(Cache)
def __init__(self, id):
self.id = id
def save(self):
self.cache.save('users', self)
@classmethod
def load(cls, id):
return cls.cache.load('users', id)
配置示例
def my_config(binder):
binder.bind(Cache, RedisCache('localhost:1234'))
# 配置共享注入器。
inject.configure(my_config)
3. 项目API使用文档
以下是 python-inject 提供的主要 API:
inject.instance(cls): 从注入器中请求cls的实例。@inject.params(...): 装饰器,用于注入函数或方法的参数。@inject.autoparams(): 装饰器,自动注入带有类型注解的函数或方法参数。inject.attr(cls): 创建一个属性,用于请求cls的实例。inject.bind(key, value): 绑定一个实例到注入器。inject.bind_to_constructor(cls, constructor): 绑定一个构造函数到注入器。inject.bind_to_provider(cls, provider): 绑定一个提供者函数到注入器。inject.configure(config): 配置注入器。
更多 API 详细信息,请参考官方文档。
4. 项目安装方式
项目的安装方式已在“安装指南”一节中介绍。简要概述如下:
使用 pip 包管理器执行以下命令:
pip install inject
这将安装 python-inject 的最新版本到你的 Python 环境中。
登录后查看全文
热门项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
项目优选
收起
deepin linux kernel
C
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
415
3.19 K
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
暂无简介
Dart
680
160
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
Ascend Extension for PyTorch
Python
229
259
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++
689
327
React Native鸿蒙化仓库
JavaScript
265
326
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
660