python中|python中 @的含义以及基本使用方法 python中@的含义以及基本使用方

一、表示修饰符。
二、表示矩阵乘法。
总结

一、表示修饰符。可以在模块或者类的定义层内对函数进行修饰。出现在函数定义的前一行，不允许和函数定义在同一行。
一个修饰符就是一个函数，它将被修饰的函数作为参数，并返回修饰后的同名函数或其他可调用的东西（如果返回不是一个可调用的对象那么会报错）。
例1：

def funA(desA): print("It's funA") def funB(desB): print("It's funB") @funAdef funC(): print("It's funC")

运行结果：

It's funA

例2：
可以看出，该例子中@test等价于 test(xxx())，但是这种写法你得考虑python代码的执行顺序。

def test(func):print("a")return func()@testdef xxx():print('Hello world!')

运行结果：

a
【python中|python中 @的含义以及基本使用方法】Hello world!

例3：
为更深刻理解该用法，来个复杂点的嵌套型。

def funA(desA): print("It's funA") print('---') print(desA) desA() print('---') def funB(desB): print("It's funB") @funB@funAdef funC(): print("It's funC")

运行结果：

It's funA
---

It's funC
---
It's funB

解析：

@funB 修饰装饰器@funA，@funA 修饰函数定义def funC()，将funC()作为funA()的参数，再将funA(funC())作为funB()的参数。执行的时候由上而下，先执行funA(funC())，再执行funB(funA(funC()))。注意，funC()并不执行，除非funA()函数中给出了执行funA()的代码。
打印desA，其传的是funC()的地址，即desA现在为函数desA()。执行desA()即执行funC()，desA=desA()=funC()。

二、表示矩阵乘法。不常用。
例：

import torch n=100x = torch.ones(n,2)x[:,0].uniform_(-1.,1)# 第一列变换至(-1.,1) 之间print(x[:5])# 输出前5行a = torch.tensor([3.,2.]) # 一维Tensorprint(a)print(a.shape)y = x@aprint(y)print(y.shape)

输出结果：

tensor([[ 0.8230,1.0000],
[ 0.2427,1.0000],
[-0.7416,1.0000],
[-0.1267,1.0000],
[ 0.7767,1.0000]])
tensor([3., 2.])
torch.Size([2])
tensor([ 4.4691,2.7281, -0.2249,1.6198,4.3302,3.3386,1.9908, -0.8602,
4.9401,1.9773,4.5304, -0.1322,3.9059, -0.6714,1.8961,3.7886,
0.8241,4.4958,2.2765,2.0459,3.6542,3.0824,2.8941,1.0526,
4.8735,1.4954,3.0208,4.0778,2.3491,2.2261,3.1072,1.0640,
1.7861, -0.8534,3.2532,1.5553,0.2124,3.6449,1.6078, -0.1138,
4.2842,3.7184,2.2547,3.4069,3.6274,0.4879,1.4638,3.9289,
3.3475,4.1895,1.5572,0.8312,2.9297, -0.9266,0.4067,2.5237,
0.6808,4.9553,3.3838,0.5514,4.8429,0.0513,3.4206,0.3634,
4.7817,3.0385,2.3276, -0.0794,3.4981,4.3776, -0.8681, -0.4573,
3.6906,1.2463,1.4817,4.0007,4.7871,2.5638,4.2755,3.1731,
3.4726,2.1015, -0.8896,1.4156,1.2603,4.0047,3.3631,3.5998,
3.2414, -0.1534,3.6266,0.3750,4.4118, -0.0199,1.6172,3.2992,
-0.2325,1.8240,0.5580,2.1420])
torch.Size([100])