[NBcamp Python] 클래스와 데코레이션

# 클래스 : 함수(매소드)를 묶어 놓은 것

class ClassName:
    def __init__(self, parameter1, parameter2):
        self.attribute1 = parameter1
        self.attribute2 = parameter2

    def method1(self, parameter1, parameter2):
    # 메서드 내용 작성
        pass

class Person:
    def __init__(self, name, age):
        self.name = name
        self.age = age

# 객체 생성
person1 = Person("Alice", 30)
person2 = Person("Bob", 25)

class Animal:
    def sound(self):
        print("Some generic sound")

class Dog(Animal):
    def sound(self):
        print("Woof")

class Cat(Animal):
    def sound(self):
        print("Meow")

# 다형성 활용
animals = [Dog(), Cat()]
for animal in animals:
    animal.sound()

 

# 데코레이션 : 기존의 함수를 수정하지 않고 함수에 추가 기능을 넣을 때

@my_decorator 를 함수 바로 윗 줄에 써줌으로써 modify 가능

# 데코레이션 예시
# 기존의 함수를 따로 수정하지 않고도 추가 기능을 넣고 싶을 때 사용한다.
def my_decorator(func):
    def wrapper():
        print("Something is happening before the function is called.")
        func()
        print("Something is happening after the function is called.")
    return wrapper

@my_decorator
def say_hello():
    print("Hello!")

say_hello()

 

# 데코레이션을 이용한 Tensorflow 함수 활용 예

# Tensorflow 에서 연산을 좀 더 가속화 해줄 때 사용하지만, 계산량이 큰 연상이 다수 존재 할 때는 사용 전/후로 큰 차이는 발생하지 않는다.

# 작동 원리는 A>B>C 의 연산 과정을 3번 해야될 때, 데코를 이용하면 AAA > BBB > CCC 순으로 연산을 진행

# 계산량이 작을 때
import tensorflow as tf

@tf.function  # The decorator converts `add` into a `Function`.
def add(a, b):
  return a + b

add(tf.ones([2, 2]), tf.ones([2, 2]))  #  [[2., 2.], [2., 2.]]

# 계산량이 클 때
# 노 데코
import timeit
conv_layer = tf.keras.layers.Conv2D(100, 3)

# 온 데코
@tf.function
def conv_fn(image):
  return conv_layer(image)

image = tf.zeros([1, 200, 200, 100])

print("Eager conv:", timeit.timeit(lambda: conv_layer(image), number=10))
print("Function conv:", timeit.timeit(lambda: conv_fn(image), number=10))
print("Note how there's not much difference in performance for convolutions")