如何确保Python函数首次调用仅加载一次？相关Python特性解析

嘿，作为Python新手能留意到TensorFlow教程里的延迟加载问题，这意识超棒！我来给你把这个问题讲明白~

首先得先搞懂：TensorFlow里说的「延迟加载（lazy loading）」坑在哪？简单说就是如果每次调用函数都重复创建计算节点、变量或者模型层，会导致计算图越来越臃肿，运行速度变慢，甚至出现资源浪费的问题。而讲义里提到的能解决这个问题的Python特性，就是property（属性装饰器）。

为什么Property能解决问题？ #

Property的核心作用是把类里的方法伪装成属性，同时允许我们在第一次访问这个「属性」的时候才执行加载逻辑，之后直接返回缓存好的结果——正好对应了讲义里说的「确保函数在首次调用时仅加载一次」。

举个实际的TensorFlow场景例子 #

先看一个反例（典型的延迟加载坑）：

import tensorflow as tf

class MyModel:
    def get_dense_layer(self):
        # 每次调用这个方法，都会新建一个Dense层
        return tf.keras.layers.Dense(10)

如果你多次调用model.get_dense_layer()，每次都会生成一个新的层节点，这会让你的TensorFlow计算图越来越大，完全没必要。

再看用Property改造后的正确写法：

import tensorflow as tf

class MyModel:
    def __init__(self):
        # 用私有变量缓存加载后的结果，初始为None
        self._dense_layer = None

    @property
    def dense_layer(self):
        # 只有当缓存为空时，才执行加载/创建逻辑
        if self._dense_layer is None:
            self._dense_layer = tf.keras.layers.Dense(10)
        # 之后不管访问多少次，都直接返回缓存好的层
        return self._dense_layer

现在你访问model.dense_layer的时候，第一次会创建Dense层，之后再访问就直接用已经建好的那个，完美避免了重复加载的问题。

补充：其他可选方案 #

除了Property，Python里还有functools.lru_cache装饰器也能实现类似的「只加载一次」效果，比如针对独立函数的场景：

from functools import lru_cache

@lru_cache(maxsize=None)
def load_pretrained_model():
    # 这里写加载预训练模型的 heavy 逻辑
    return tf.keras.applications.ResNet50(weights="imagenet")

但讲义里特指Property，它在类的场景下更优雅，能把加载逻辑封装成类的属性，用起来更直观。

最后再呼应讲义里的那句话：

Use Python property to ensure function is also loaded once the first time it is called

这句话的意思就是，利用Property的特性，把原本可能重复执行的加载逻辑，变成仅在首次访问（相当于首次调用）时执行一次，之后直接复用缓存结果，从而解决TensorFlow里的延迟加载问题。

内容的提问来源于stack exchange，提问作者user3222184