Python:设计模式之模板模式

简介: Python:设计模式之模板模式

模板模式属于行为模式,通过模板方法来定义程序框架或算方法

可以使用抽象类来定义算法步骤,由子类来实现算法中特定步骤

适用场景

1、当多个算法或类实现类似或相同逻辑的时候

2、在子类中实现算法有助于减少重复代码的时候

3、可以让子类利用覆盖事项行为来定义多个算法的时候

主要意图

1、适用基于操作定义算法的框架

2、重新定义子类的某些操作,而无需修改算法的结构

3、实现代码重用并避免重复工作

4、利用通用接口或实现

主要术语

AbstractClass 声明一个定义算法步骤的接口

ConcreteClass 定义子类特定的步骤

TemplateMethod 通过调用步骤方法来定义算法

代码示例

# -*- coding: utf-8 -*-

from abc import ABCMeta, abstractmethod


class AbstractClass(metaclass=ABCMeta):
    @abstractmethod
    def operation1(self):
        pass

    @abstractmethod
    def operation2(self):
        pass

    def template_method(self):
        self.operation1()
        self.operation2()


class ConcreteClass(AbstractClass):
    def operation1(self):
        print("ConcreteClass operation1")

    def operation2(self):
        print("ConcreteClass operation2")


if __name__ == '__main__':
    client = ConcreteClass()
    client.template_method()
    """
    ConcreteClass operation1
    ConcreteClass operation2
    """

模板方法模式-钩子

钩子是在抽象类中声明的方法,通常被赋予一个默认实现。

钩子背后的思想是为子类提供按需钩取算法的能力

通常,当子类必须提供时,会使用抽象方法,并且当子类的实现不是强制的时候,就会使用钩子

好莱坞原则

不要给我们打电话,我们会给你打电话。如果有适合的角色,影棚会给演员打电话

模板方法模式,是高级抽象类,安排定义算法的步骤,

根据算法的工作方式,通过调用底层类来定义各个步骤的具体实现

模板方法模式的优点

1、没有代码重复

2、模板方法模式使用继承而不是合成,因此能够对代码进行重用

3、灵活性允许子类决定如何实现算法中的步骤

模板方法模式的缺点

1、调试和理解模板方法模式中的流程序列有时会令人困惑

2、模板方法模式可能会使维护变得异常痛苦

参考

《Python设计模式第2版》第八章 模板方法模式-封装算法

            </div>
目录
相关文章
|
7天前
|
数据采集 人工智能 安全
|
16天前
|
云安全 监控 安全
|
2天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:七十、小树成林,聚沙成塔:随机森林与大模型的协同进化
随机森林是一种基于决策树的集成学习算法,通过构建多棵决策树并结合它们的预测结果来提高准确性和稳定性。其核心思想包括两个随机性:Bootstrap采样(每棵树使用不同的训练子集)和特征随机选择(每棵树分裂时只考虑部分特征)。这种方法能有效处理大规模高维数据,避免过拟合,并评估特征重要性。随机森林的超参数如树的数量、最大深度等可通过网格搜索优化。该算法兼具强大预测能力和工程化优势,是机器学习中的常用基础模型。
268 156
|
3天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:六十九、Bootstrap采样在大模型评估中的应用:从置信区间到模型稳定性
Bootstrap采样是一种通过有放回重抽样来评估模型性能的统计方法。它通过从原始数据集中随机抽取样本形成多个Bootstrap数据集,计算统计量(如均值、标准差)的分布,适用于小样本和非参数场景。该方法能估计标准误、构建置信区间,并量化模型不确定性,但对计算资源要求较高。Bootstrap特别适合评估大模型的泛化能力和稳定性,在集成学习、假设检验等领域也有广泛应用。与传统方法相比,Bootstrap不依赖分布假设,在非正态数据中表现更稳健。
206 105
|
10天前
|
SQL 自然语言处理 调度
Agent Skills 的一次工程实践
**本文采用 Agent Skills 实现整体智能体**,开发框架采用 AgentScope,模型使用 **qwen3-max**。Agent Skills 是 Anthropic 新推出的一种有别于mcp server的一种开发方式,用于为 AI **引入可共享的专业技能**。经验封装到**可发现、可复用的能力单元**中,每个技能以文件夹形式存在,包含特定任务的指导性说明(SKILL.md 文件)、脚本代码和资源等 。大模型可以根据需要动态加载这些技能,从而扩展自身的功能。目前不少国内外的一些框架也开始支持此种的开发方式,详细介绍如下。
730 5
|
13天前
|
人工智能 自然语言处理 API
一句话生成拓扑图!AI+Draw.io 封神开源组合,工具让你的效率爆炸
一句话生成拓扑图!next-ai-draw-io 结合 AI 与 Draw.io,通过自然语言秒出架构图,支持私有部署、免费大模型接口,彻底解放生产力,绘图效率直接爆炸。
818 153