Codon项目中实现Python扩展类RollingMedian的注意事项
2025-05-14 07:22:27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
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
项目优选
收起
deepin linux kernel
C
28
15
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
663
4.27 K
🎉 (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
1.54 K
894
Ascend Extension for PyTorch
Python
506
612
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
392
290
暂无简介
Dart
909
219
🔥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
69
21
昇腾LLM分布式训练框架
Python
142
168
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++
940
867
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.33 K
108