.py
最常见的Python代码文件后缀名,官方称Python源代码文件。不用过多解释了~
.ipynb
这个还是比较常见的,.ipynb是Jupyter Notebook文件的扩展名,它代表”IPython Notebook”。学过数据分析,机器学习,深度学习的同学一定不陌生!
.pyi
.pyi文件是Python中的类型提示文件,用于提供代码的静态类型信息。一般用于帮助开发人员进行类型检查和静态分析。示例代码:
hellp.pyi
def hello(name: str) -> None:
print(f"hello {name}")
.pyi文件的命名约定通常与相应的.py文件相同,以便它们可以被自动关联在一起。
.pyc
.pyc是Python字节码文件的扩展名,用于存储已编译的Python源代码的中间表示形式,因为是二进制文件所以我们无法正常阅读里面的代码。
.pyc文件包含了已编译的字节码,它可以更快地被Python解释器加载和执行,因为解释器无需再次编译源代码。
.pyd
.pyd是Python扩展模块的扩展名,用于表示使用C++或C++编写的二进制Python扩展模块文件。.pyd文件是编译后的二进制文件,它包含了编译后的扩展模块代码以及与Python解释器交互所需的信息。此外,.pyd文件通过import语句在Python中导入和使用,就像导入普通的Python模块一样。
由于C或C++的执行速度通常比纯Python代码快,可以使用扩展模块来优化Python代码的性能,尤其是对于计算密集型任务。
.pyw
.pyw是Python窗口化脚本文件的扩展名。它表示一种特殊类型的Python脚本文件,用于创建没有命令行界面(即控制台窗口)的窗口化应用程序。
一般情况下,运行Python脚本会打开一个命令行窗口,其中显示脚本输出和接受用户输入。但是,对于某些应用程序,如图形用户界面(GUI)应用程序,不需要命令行界面,而是希望在窗口中显示交互界面。这时就可以使用.pyw文件。
示例代码:
# click_button.pyw
import tkinter as tk
def button_click():
label.config(text="Button Clicked!")
window = tk.Tk()
button = tk.Button(window, text="Click Me", command=button_click)
button.pack()
label = tk.Label(window, text="Hello, World!")
label.pack()
window.mainloop()
.pyx
.pyx是Cython源代码文件的扩展名。Cython是一种编译型的静态类型扩展语言,它允许在Python代码中使用C语言的语法和特性,以提高性能并与C语言库进行交互。我对比了下Cython与普通python的运行速度:fb.pyx(需使用cythonize命令进行编译)
cdef int a, b, i
def fibonacci(n):
if n <= 0:
raise ValueError("n必须是正整数")
if n == 1:
return 0
elif n == 2:
return 1
else:
a = 0
b = 1
for i in range(3, n + 1):
a, b = b, a + b
return b
run.py
import fb
import timeit
def fibonacci(n):
if n <= 0:
raise ValueError("n必须是正整数")
if n == 1:
return 0
elif n == 2:
return 1
else:
a, b = 0, 1
for _ in range(3, n + 1):
a, b = b, a + b
return b
# 纯Python版本
python_time = timeit.timeit("fibonacci(300)", setup="from __main__ import fibonacci", number=1000000)
# Cython版本
cython_time = timeit.timeit("fb.fibonacci(300)", setup="import fb", number=1000000)
print("纯Python版本执行时间:", python_time)
print("Cython版本执行时间:", cython_time)
得出结果:
纯Python版本执行时间: 12.391942400000516
Cython版本执行时间: 6.574918199999956
在这种计算密集任务情况下,Cython比普通Python效率快了近一倍。
关注公众号【机器学习与AI生成创作】,更多精彩等你来读
卧剿,6万字!30个方向130篇!CVPR 2023 最全 AIGC 论文!一口气读完
深入浅出stable diffusion:AI作画技术背后的潜在扩散模型论文解读
深入浅出ControlNet,一种可控生成的AIGC绘画生成算法!
戳我,查看GAN的系列专辑~!一杯奶茶,成为AIGC+CV视觉的前沿弄潮儿!
最新最全100篇汇总!生成扩散模型Diffusion ModelsECCV2022 | 生成对抗网络GAN部分论文汇总
CVPR 2022 | 25+方向、最新50篇GAN论文
ICCV 2021 | 35个主题GAN论文汇总
超110篇!CVPR 2021最全GAN论文梳理
超100篇!CVPR 2020最全GAN论文梳理
附下载 |《TensorFlow 2.0 深度学习算法实战》
《礼记·学记》有云:独学而无友,则孤陋而寡闻
点击一杯奶茶,成为AIGC+CV视觉的前沿弄潮儿!,加入 AI生成创作与计算机视觉 知识星球!