《人工智能实践教程——从Python入门到机器学习》阅读报告（1）

Aclicee

《人工智能实践教程——从Python入门到机器学习》阅读报告（1） [复制链接]

        7月24日收到的书，外观比较完整，书脊上略有一些磨损和褶皱，不过不影响阅读

        按照之前的测评计划，今天分享一下对本书第一部分“Python编程”的相关内容，包含一、二、三章。

        第一章的内容涵盖了Python的基础语法，包括变量定义、运算操作以及函数的使用。这些概念与其他编程语言有着共通之处，个人体验来说Python相对来说是比较好上手的。之前在使用Python时，常常也是通过官方文档可以找到详尽的语法说明和应用方法。

        最近重点学习一下第二章面向对象的相关内容。在之前的项目实践中（大多数情况下是参考或者套用开源的Python代码），频繁地遇到类的定义和实例化，但对其中的深层原理并不十分了解。

        通过对第二章内容的学习，理解了类的概念，尤其是建立了面向对象的编程思路。在之前的认知里，“类”无非也是一个类似函数的封装，把具有相同特性的一组变量同统一定义，来方便调用。现在有了更加系统的认识，它定义了一组具有相同属性和行为的对象的结构。每个类都可以看作是一个模板，用来创建具有相同特征的多个实例，同时将数据（属性）和行为（方法）封装在一起，保护了数据的完整性和安全性。

        对于类，在之前的接触中其实就有几个不太理解的问题（以之前最常使用的基于torch.nn来定义神经网络的类为例，假定定义的类为myClass，其中需要传入几个参数如para_a, para_b, ...）：

        1. 为什么定义类的时候括号里写的是def myClass(nn.Module)，但是调用的时候同样的myClass(para_a,para_b,...)，括号里写的是需要传入的参数变量？

        这是因为定义的类继承自python构建神经网络模块的基础类nn.Module，自定义的新类myClass继承了nn.Module中所有属性和方法，也可以根据自己的需求，增加定义新的属性和方法，来获得所需的新网络；而在后续的调用，实际上是基于定义好的类（模板）实例化一个具体的对象，需要给这个把参数传递给具体对象的构造器__init__。

        2. 所有class在定义过程中都会有def __init__(self, para_a, para_b, ...)这个过程，是什么作用？

        __init__为构造器，用于在创建类的新实例时，初始化对象的属性。其需要传入的这些参数用于具体实例对象的创建，参数列表中的第一个参数总是self，它代表当前的实例对象本身。

        3. 使用def myClass(nn.Module)定义网络的类的时候，def __init__(self, para_a, para_b, ...)初始化参数总是需要在下边第一行写super(myClass, self).init()？

        super()函数在用于调用父类的方法，因为自定义的类继承自nn.Module，需要确保父类被正确地初始化。

        4. 初始化有一些参数会在def __init__ (self, para_a, para_b)里面定义，但是在同一类后续的新方法def func()中，不能通过直接的para_a来传递参数，需要使用self.para_a=para_a 在__init__步骤中先赋值，这是为什么？

        在类的__init__方法中定义参数时，实际上是在为类的对象实例设置属性。当你写self.para_a=para_a时，你不仅仅是在执行一个赋值操作，你还在定义了一个属性para_a，这个属性与创建的对象相关联，并且存储在对象的实例字典中。如果在__init__方法之外直接使用para_a，Python解释器会认为它是一个局部变量，只在__init__的作用域内是可见的。如果尝试在其他方法中直接使用，会因为Python在当前方法的作用域找不到这个变量而报错。

        5. 为什么init前后需要加__，而后面定义的那些方法不需要？

        __开头和结尾的方法或属性被为特殊方法。这些方法通常不需要直接调用，而是由Python解释器在特定的情况下自动调用。如果类名为myClass，那么__init__方法实际上在类内部被改写为_myClass__init__。这样做同时也能防止子类不小心覆盖父类的特殊方法。

 

        另外有一些之前没有接触过的新知识，帮助更好的定义和使用类：

        1. 可以通过__str__(self, 'myString')的方法，控制对象实例在被print()函数调用时所展示的内容。这个方法允许输出特定的字符串，而不是默认的对象内存地址。例如，之前曾遇到过想试试通过print查看对象的结果，打印输出默认的内存地址<object at 0x10e9e1be0>之类的，可以定义__str__方法来提供更有意义的信息，如对象的状态或属性值。

        2. 使用@property装饰器，可以为类的属性定义只读访问器，或者在设置属性值之前添加逻辑限制。这不仅增强了数据的安全性，还提供了一种优雅的方式来实现属性的验证和封装。

        3. 使用@total_ordering装饰器，可以更高效地实现类实例之间的比较运算。这个装饰器允许只定义一部分比较方法，Python会自动提供其他的比较方法。

        第三章高级编程另外还涉及比如Python闭包、其他的装饰器、迭代器和生成器。比较重要的是迭代器和生成器，它们是Python中实现惰性求值的强大工具。通过使用迭代器，可以遍历大量数据而无需一次性将它们全部加载到内存中。生成器则是一种特殊的迭代器，它在每次迭代时计算下一个值，从而有效避免了不必要的内存占用。这种按需计算的方式，不仅优化了性能，也提高了程序的可扩展性。

        从之前的经验来看，这部分暂时会被使用到的不多。等后续涉及具体的项目时，再回头来查看作为进阶的内容。

        有一些小错误，还希望作者和编辑再仔细校对。另外一些概念的讲解并不是很容易理解，前后逻辑顺序读着略有些混乱，阅读体验并不是很好。