文件名称：cachey:根据计算时间和存储空间进行缓存
文件大小：11KB
文件格式：ZIP
更新时间：2024-06-11 11:42:21
Python
缓存分析计算 人类重复的东西。 缓存有帮助。 像LRU这样的常规缓存策略不太适合分析计算，因为重新计算成本和存储成本通常相差一百万或更多。 考虑以下计算 # Want this np . std ( x ) # tiny result, costly to recompute # Don't want this np . transpose ( x ) # huge result, cheap to recompute Cachey尝试保留具有以下特征的值 昂贵的重新计算（以秒为单位） 廉价存储（以字节为单位） 经常使用 最近使用 它通过在每次访问的每个项目得分中添加以下内容来实现此目的 score += compute_time / num_bytes * (1 + eps) ** tick_time 对于较小的ε值（决定了存储器的半衰期），它具有反带宽单位，
【文件预览】：
cachey-main
----setup.py(1KB)
----.gitignore(2KB)
----requirements.txt(9B)
----MANIFEST.in(131B)
----CONTRIBUTING.md(239B)
----cachey()
--------nbytes.py(966B)
--------score.py(2KB)
--------__init__.py(101B)
--------cache.py(5KB)
--------tests()
----LICENSE.txt(1KB)
----.github()
--------workflows()
----README.md(2KB)