python - 基于所选参数的 Memoize 函数结果

Question

我有一个具有以下签名的函数:

def spectrogram(signal: numpy.ndarray, sampling_frequency=16000, win_len=512, hop=256, win_type='hanning')

该函数在输入(信号)上需要一个 numpy 数组，加上一些其他参数，并输出一个 numpy 数组。它计算给定音频文件的频谱图以获得某些声学特征。每个文件，我将多次调用此函数，通常使用相同的参数，但并非总是如此。对于某些功能，我可能会更改 hop 或 win_type。我想缓存结果，这样我就不会多次运行相同的计算。结果对每个文件有效。这些文件将与 joblib 并行处理。

我正在考虑根据文件名(这不是我通常在函数中使用的参数)和字段 sampling_frequency、win_len 记住结果, hop 和 win_type(即不是 signal - 这可以是一个大数组，查看文件名效率更高，这是唯一的).

我怎样才能最好地记住结果？我见过的所有解决方案都会根据提供的输入缓存结果；就我而言，我想根据选定的字段进行内存。我使用的是 Python 3.6。

Answer 1

这是我的实现，我必须模拟一些数据，所以如果它不能完全满足您的需要，我很乐意稍微调整一下。

def memo(hashTable, fileName, signal: np.ndarray, sampling_frequency=16000, win_len=512, hop=256, win_type='hanning'):  
    new_hash = hash(fileName + str(sampling_frequency) + str(win_len) + str(hop) + win_type)
    if new_hash in hashTable.keys():
        return hashTable[new_hash]
    else:
        answer = spectrogram(signal, sampling_frequency, win_len, hop, win_type)
        hashTable[new_hash] = answer
        return answer


def spectrogram(signal: np.ndarray, sampling_frequency=16000, win_len=512, hop=256, win_type='hanning'):
    makeArrayUnique = hop - 256
    return np.arange(makeArrayUnique, 24 + makeArrayUnique).reshape(2,12)

def testHash():
    hashTable = {}
    dummySignal = np.zeros(10)
    print('First call', memo(hashTable, 'file1', signal=dummySignal))
    print('Second Call', memo(hashTable, 'file1', signal=dummySignal, hop=260))
    print('First call again', memo(hashTable, 'file1', signal=dummySignal))

    print('Hash Table', hashTable)

输出显示 3 个调用但哈希表中只有两个条目:

>>> testHash()
First call [[ 0  1  2  3  4  5  6  7  8  9 10 11]
 [12 13 14 15 16 17 18 19 20 21 22 23]]
Second Call [[ 4  5  6  7  8  9 10 11 12 13 14 15]
 [16 17 18 19 20 21 22 23 24 25 26 27]]
First call again [[ 0  1  2  3  4  5  6  7  8  9 10 11]
 [12 13 14 15 16 17 18 19 20 21 22 23]]
Hash Table {-4316472197502448580: array([[ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11],
       [12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23]]), 6772234510013844540: array([[ 4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15],
       [16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27]])}