functools.lru_cache 是 Python 标准库 functools 模块中的一个装饰器，用于实现简单的缓存机制。它通过缓存函数的返回值来提高函数的执行效率，特别是对于那些被多次调用且参数相同的函数。
LRU 缓存机制
-
LRU 代表 Least Recently Used，即最近最少使用。
-
LRU 缓存机制会保存最近使用的缓存项，并在缓存满时丢弃最久未使用的项。
lru_cache 装饰器的参数
-
maxsize：指定缓存中可以存储的最大键值对数量，类型：int或None。-
如果
maxsize=None，则缓存大小无限制。 -
如果指定了
maxsize，则缓存会限制为该大小。当缓存满时，最久未使用的缓存项会被丢弃（LRU 策略）。
-
-
默认值
128表示缓存可以存储最多 128 个键值对。 -
每个键值对包括：
-
键：函数的参数（包括位置参数和关键字参数）。
-
值：函数的返回值。
-
-
typed:-
类型：
bool -
默认值：
False -
描述：如果设置为
True，则会区分不同类型的参数。例如，f(3)和f(3.0)会被视为不同的调用。
-
使用示例
示例 1：缓存斐波那契数列
import functools
import time@functools.lru_cache(maxsize=None)
def fibonacci(n):if n < 2:return nreturn fibonacci(n - 1) + fibonacci(n - 2)# 记录开始时间
start_time = time.time()print(fibonacci(30)) # 计算斐波那契数列的第 30 项# 记录结束时间
end_time = time.time()# 计算运行时间
run_time = end_time - start_time
print(f"加了@lru_cache 装饰器的fibonacci 运行时间: {run_time} 秒")def fibonacci(n):if n < 2:return nreturn fibonacci(n - 1) + fibonacci(n - 2)print(fibonacci(30)) # 计算斐波那契数列的第 30 项# 记录开始时间
start_time = time.time()print(fibonacci(30)) # 计算斐波那契数列的第 30 项# 记录结束时间
end_time = time.time()# 计算运行时间
run_time = end_time - start_time
print(f"没有 @lru_cache 装饰器的fibonacci 运行时间: {run_time} 秒")解释：
-
没有缓存时，计算斐波那契数列的第 30 项会非常慢，因为有大量的重复计算。
-
使用
lru_cache后，函数的返回值被缓存，重复调用时直接从缓存中获取结果，大大提高了效率。
示例 2：缓存单位四元数
Python复制
import functools
import torch@functools.lru_cache(maxsize=None)
def identity_quats(batch_dims, dtype=None, device=None, requires_grad=True):quat = torch.zeros((*batch_dims, 4), dtype=dtype, device=device, requires_grad=requires_grad)with torch.no_grad():quat[..., 0] = 1return quat# 调用函数
quats = identity_quats((2, 3), dtype=torch.float32, device=torch.device('cpu'), requires_grad=True)
print(quats)输出：
plaintext复制
tensor([[[1., 0., 0., 0.],[1., 0., 0., 0.],[1., 0., 0., 0.]],[[1., 0., 0., 0.],[1., 0., 0., 0.],[1., 0., 0., 0.]]], grad_fn=<CopySlices>)解释：
-
第一次调用
identity_quats时，函数会计算并缓存结果。 -
后续调用时，如果参数相同，直接从缓存中返回结果，避免重复计算。
缓存内容和生命周期
缓存的内容
-
最终返回值：
lru_cache只缓存函数的最终返回值。它不会保存函数执行过程中的中间状态或中间值。 -
键值对：缓存是以键值对的形式存储的，其中键是函数的参数（包括位置参数和关键字参数），值是函数的返回值。
缓存的生命周期
-
内存中保存：缓存的值会一直保留在内存中，直到程序退出，或者缓存被手动清除。
-
手动清除缓存：可以使用
cache_clear方法手动清除缓存。例如：fibonacci.cache_clear()这将清除
fibonacci函数的所有缓存值。
总结
functools.lru_cache 是一个非常有用的装饰器，用于缓存函数的返回值，从而提高函数的执行效率。它特别适用于那些被多次调用且参数相同的函数。通过合理使用 lru_cache，可以显著提高程序的性能。
