Question

我有一个功能

def weights(vector, loss_function, clipping, max_iterations=100, tolerance=1e-5)

需要调用较低级别的损失函数，该函数可以是参数中传递的向量和剪切中的任何一个：

huber_loss(vector, clipping=2.38) cauchy_loss(vector, clipping=3.27) bisquare_loss(vector, clipping=1.04)

每个损失函数都有一个特殊的默认剪切值，因此我们可以将它们称为huber_loss（vector）或huber_loss（vector，2）。

我想在weights（）中使剪切参数可选，而不在权重＆＃39;处给出默认值。因为这会给所有损失函数提供相同的默认值，而且这是错误的。

如何使权重中的剪切参数可选，这样如果我们不给出值，它会使用特定损失函数的默认值？（我知道我们可以设置默认裁剪=无并在损失函数中测试如果裁剪=无则设置裁剪= 2.38等...但我认为这样做的方式更为优雅。）

我试图以这种方式解决问题：

weights(vector, loss_function, max_iterations=100, tolerance=1e-5, *clipping)

但是如果我们想在没有指定max_iterations和容差的情况下给剪裁赋予特定值，那么它就不起作用。

任何想法如何以pythonic和优雅的方式解决这个问题？

Answer 1

def weights(vector, loss_function, clipping=None, 
            max_iterations=100, tolerance=1e-5)

kwargs = {}
if clipping:
    kwargs['clipping'] = clipping

huber_loss(vector, **kwargs)

Answer 2

您可以将max_iterations，tolerance和clipping用作**kwargs并检查参数中是否存在键

def weights(vector, loss_function, **kwargs):
  if kwargs['max_iterations']:
    max_iterations = kwargs['max_iterations']
  else:
    max_iterations = 100
  ... # and so go on for clipping and tolerance

weights(vect, lf, maxa_iterations=5, clipping=2)

你不需要通过你检查的所有kwargs

PS。如果你找到了你需要的答案 - 接受它：）

Python：函数调用低级函数的可选参数

2 个答案: