メモ化とは何ですか？Pythonでそれをどのように使用できますか？

Pythonを始めたばかりですが、メモ化とは何か、どのように使用するのかわかりません。また、簡単な例がありますか？

メモ化とは、メソッドの入力に基づいてメソッド呼び出しの結果を記憶（「メモ」→「メモ」→記憶）することを意味し、結果を再計算するのではなく、記憶された結果を返します。メソッドの結果のキャッシュと考えることができます。詳細については、アルゴリズムの概要（3e）、Cormenらの定義の387ページを参照してください。

Pythonでメモ化を使用して階乗を計算する簡単な例は、次のようになります。

factorial_memo = {}
def factorial(k):
    if k < 2: return 1
    if k not in factorial_memo:
        factorial_memo[k] = k * factorial(k-1)
    return factorial_memo[k]

より複雑にして、メモ化プロセスをクラスにカプセル化できます。

class Memoize:
    def __init__(self, f):
        self.f = f
        self.memo = {}
    def __call__(self, *args):
        if not args in self.memo:
            self.memo[args] = self.f(*args)
        #Warning: You may wish to do a deepcopy here if returning objects
        return self.memo[args]

次に：

def factorial(k):
    if k < 2: return 1
    return k * factorial(k - 1)

factorial = Memoize(factorial)

「デコレータ」と呼ばれる機能がPython 2.4に追加されました。これにより、次のように記述するだけで同じことを実行できます。

@Memoize
def factorial(k):
    if k < 2: return 1
    return k * factorial(k - 1)

Pythonのデコレータライブラリと呼ばれる同様のデコレータ持ってmemoized少しより堅牢よりもMemoizeここに示されているクラスを。

Python 3.2の新機能はfunctools.lru_cacheです。デフォルトでは、最近使用された128の呼び出しのみがキャッシュmaxsizeさNoneれますが、キャッシュを期限切れにしないことを示すようにを設定できます。

import functools

@functools.lru_cache(maxsize=None)
def fib(num):
    if num < 2:
        return num
    else:
        return fib(num-1) + fib(num-2)

この関数自体は非常に遅いので、fib(36)10秒ほど待つ必要があります。

lru_cacheアノテーションを追加すると、特定の値に対して関数が最近呼び出された場合、その値は再計算されず、キャッシュされた以前の結果が使用されます。この場合、コードがキャッシングの詳細で乱雑になることはありませんが、速度が大幅に向上します。

他の答えはそれがかなりうまくいくものをカバーしています。繰り返しません。あなたに役立つかもしれないほんのいくつかのポイント。

通常、メモ化は、何か（高価）を計算して値を返す関数に適用できる操作です。このため、多くの場合、デコレータとして実装されます。実装は簡単で、このようなものになります

memoised_function = memoise(actual_function)

またはデコレータとして表現

@memoise
def actual_function(arg1, arg2):
   #body

メモ化とは、継続的に再計算するのではなく、高価な計算の結果を保持し、キャッシュされた結果を返すことです。

次に例を示します。

def doSomeExpensiveCalculation(self, input):
    if input not in self.cache:
        <do expensive calculation>
        self.cache[input] = result
    return self.cache[input]

より完全な説明は、メモ化に関するウィキペディアのエントリにあります。

hasattr手作りしたい人のために、組み込み関数を忘れないようにしましょう。そうすれば、（グローバルではなく）関数定義内にmemキャッシュを保持できます。

def fact(n):
    if not hasattr(fact, 'mem'):
        fact.mem = {1: 1}
    if not n in fact.mem:
        fact.mem[n] = n * fact(n - 1)
    return fact.mem[n]

これは非常に便利だと思いました

def memoize(function):
    from functools import wraps

    memo = {}

    @wraps(function)
    def wrapper(*args):
        if args in memo:
            return memo[args]
        else:
            rv = function(*args)
            memo[args] = rv
            return rv
    return wrapper


@memoize
def fibonacci(n):
    if n < 2: return n
    return fibonacci(n - 1) + fibonacci(n - 2)

fibonacci(25)

メモ化とは、基本的に、後の段階で同じ計算が必要な場合に再帰ツリーをたどる必要性を減らすために、再帰アルゴリズムで行われた過去の操作の結果を保存することです。

http://scriptbucket.wordpress.com/2012/12/11/introduction-to-memoization/を参照してください

Pythonでのフィボナッチメモ化の例：

fibcache = {}
def fib(num):
    if num in fibcache:
        return fibcache[num]
    else:
        fibcache[num] = num if num < 2 else fib(num-1) + fib(num-2)
        return fibcache[num]

メモ化とは、関数をデータ構造に変換することです。通常、変換は段階的かつ遅延的に（特定のドメイン要素または「キー」の要求に応じて）行われることを望みます。遅延関数型言語では、この遅延変換は自動的に行われる可能性があるため、メモ化は（明示的な）副作用なしに実装できます。

さて、私は最初の部分に最初に答える必要があります：メモ化とは何ですか？

それは、時間とメモリを交換する方法にすぎません。考えて乗算表。

Pythonでデフォルト値として可変オブジェクトを使用することは、通常は悪いと考えられています。しかし、賢く使用する場合、実際にを実装すると便利ですmemoization。

これは、http：//docs.python.org/2/faq/design.html#why-are-default-values-shared-between-objectsから変更された例です

dict関数定義で可変を使用すると、中間の計算結果をキャッシュできます（たとえば、calculateのfactorial(10)後に計算する場合factorial(9)、すべての中間結果を再利用できます）。

def factorial(n, _cache={1:1}):    
    try:            
        return _cache[n]           
    except IndexError:
        _cache[n] = factorial(n-1)*n
        return _cache[n]

以下は、うなりを出さずにリスト型またはdict型の引数を処理するソリューションです。

def memoize(fn):
    """returns a memoized version of any function that can be called
    with the same list of arguments.
    Usage: foo = memoize(foo)"""

    def handle_item(x):
        if isinstance(x, dict):
            return make_tuple(sorted(x.items()))
        elif hasattr(x, '__iter__'):
            return make_tuple(x)
        else:
            return x

    def make_tuple(L):
        return tuple(handle_item(x) for x in L)

    def foo(*args, **kwargs):
        items_cache = make_tuple(sorted(kwargs.items()))
        args_cache = make_tuple(args)
        if (args_cache, items_cache) not in foo.past_calls:
            foo.past_calls[(args_cache, items_cache)] = fn(*args,**kwargs)
        return foo.past_calls[(args_cache, items_cache)]
    foo.past_calls = {}
    foo.__name__ = 'memoized_' + fn.__name__
    return foo

このアプローチは、handle_itemの特殊なケースとして独自のハッシュ関数を実装することで、任意のオブジェクトに自然に拡張できることに注意してください。たとえば、セットを入力引数として取る関数でこのアプローチを機能させるには、handle_itemに次のように追加します。

if is_instance(x, set):
    return make_tuple(sorted(list(x)))

キーワード引数が渡された順序とは関係なく、位置引数とキーワード引数の両方で機能するソリューション（inspect.getargspecを使用）：

import inspect
import functools

def memoize(fn):
    cache = fn.cache = {}
    @functools.wraps(fn)
    def memoizer(*args, **kwargs):
        kwargs.update(dict(zip(inspect.getargspec(fn).args, args)))
        key = tuple(kwargs.get(k, None) for k in inspect.getargspec(fn).args)
        if key not in cache:
            cache[key] = fn(**kwargs)
        return cache[key]
    return memoizer

同様の質問：Pythonでのメモ化のための同等の可変引数関数呼び出しの識別

cache = {}
def fib(n):
    if n <= 1:
        return n
    else:
        if n not in cache:
            cache[n] = fib(n-1) + fib(n-2)
        return cache[n]

すでに提供されている回答に追加したいだけで、Pythonデコレータライブラリには、とは異なり、「ハッシュ化できない型」をメモすることもできるシンプルでありながら便利な実装がいくつかありfunctools.lru_cacheます。