Codon项目中实现Python扩展类RollingMedian的注意事项
2025-05-14 19:45:19作者:裴锟轩Denise
概述
在使用Codon项目开发Python扩展时,开发者River-Shi尝试实现一个RollingMedian类时遇到了两个关键问题:类无法导入和deque类型不支持的问题。本文将详细分析这些问题产生的原因和解决方案。
问题分析
类无法导入问题
最初实现的RollingMedian类无法从编译后的Python扩展模块中导入,错误提示为"cannot import name 'RollingMedian' from 'vec'"。
根本原因:
- 在Codon中,默认情况下类不会自动暴露给Python接口
- 需要显式声明哪些类需要与Python交互
解决方案:
- 使用
@dataclass(python=True)装饰器标记需要导出到Python的类 - 这个装饰器会生成必要的Python绑定代码
修正后的类定义应为:
@dataclass(python=True)
class RollingMedian:
# 类实现...
deque类型不支持问题
添加装饰器后,又遇到了关于deque类型的问题,错误提示"'deque[float]' object has no attribute 'from_py'"。
根本原因:
- Codon的collections.deque类型目前尚未实现Python绑定
- Python和Codon之间的类型转换需要特定的接口方法
临时解决方案:
- 使用List类型替代deque
- List类型已经完整实现了Python绑定支持
未来改进:
- Codon团队已将此功能加入TODO列表
- 预计在后续版本中会添加对deque的完整支持
完整修正代码示例
import collections
@dataclass(python=True)
class RollingMedian:
n: int
data: List[float] # 使用List替代deque
def __init__(self, n: int = 10):
self.n = n
self.data = [] # 初始化空列表
def input(self, value: float) -> float:
self.data.append(value)
if len(self.data) > self.n:
self.data.pop(0) # 手动实现队列的FIFO行为
return self.get_median()
def get_median(self) -> float:
sorted_data = sorted(self.data)
mid = len(sorted_data) // 2
if len(sorted_data) % 2 == 0:
return (sorted_data[mid - 1] + sorted_data[mid]) / 2.0
else:
return sorted_data[mid]
开发建议
- 类型选择:在Codon与Python交互的代码中,优先使用已支持绑定的基础类型
- 装饰器使用:所有需要暴露给Python的类都必须添加
@dataclass(python=True) - 功能验证:在实现复杂功能前,先用简单示例验证绑定是否正常工作
- 版本关注:关注Codon的更新日志,了解新增的Python绑定支持
总结
通过本文的分析,我们了解到在Codon项目中开发Python扩展时需要注意类的导出声明和类型兼容性问题。虽然目前某些高级容器类型如deque的支持还不完善,但通过合理的变通方法仍然可以实现所需功能。随着Codon项目的持续发展,这些限制将会逐步解除,为开发者提供更完整的Python互操作体验。
登录后查看全文
热门项目推荐
相关项目推荐
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
24
9
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
🔥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
64
19
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
392
3.87 K
暂无简介
Dart
671
155
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
React Native鸿蒙化仓库
JavaScript
260
322
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++
661
310
🎉 (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
1.19 K
653
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
15
1