对于一个大学项目，我想用 python 实现一些代码。稍后，它的一部分应该替换为对 native CUDA 代码的调用。

现在，我正在考虑在我的模块中放置一个模块范围的开关 OPTIMIZED。

def set_optimized(b):
    # possible check for CUDA device first
    OPTIMIZED = b

def my_fun(arg1, arg2):
    if OPTIMIZED:
       # some c-calls here
       return retval
    else:
       # some python code here
       return retval

这个实现有一些不错的特性:

• 测试用例可以轻松比较优化和未优化版本的结果和性能。
• 对于每一个优化的函数都有一个非优化的备份。例如，在没有 CUDA 设备的机器上，我禁止切换到优化版本，程序仍然运行而无需更改代码。

另一种选择是将所有函数实现为 class NonOpt 的方法。可以使用 class Opt(NonOpt) 中的优化版本覆盖这些函数。 感觉这个选项的样板代码更少，但有一个缺点:实例化和使用类的算法必须知道底层的 opt/nonopt 版本。

有没有规范的方法来做到这一点？或者这是一个坏主意，我忽略了一些基本的东西？

旁注:对我来说，这个问题很笼统。过去我曾无意中遇到过这个问题，当时我想在 Julia 中维护优化和未优化的代码。每当我不得不更改数学时，我可以简单地更改易于阅读的非优化版本。测试用例会告诉我，我是否在更复杂的优化版本中获得了相同的结果。

最佳答案

将另一个选项添加到您的列表并可能“隔离”您的函数是在导入期间使用 if 语句。取决于您的风格，只需确保它们以相同的名称结束并包含相同的函数名称即可。

if OPTIMIZED:
    from optimized import mymodule
else:
    from non_optimized import mymodule

另一种方法称为猴子修补(在运行时替换导入的方法)。

https://stackoverflow.com/questions/62572633/