4.7 — Расширение методов

Базовый класс: AIModel

Давай теперь рассмотрим, как концепция расширения методов может быть полезной в контексте ИИ. Представь, что у нас есть базовый класс AIModel, который описывает общую функциональность ИИ-моделей, такие как описание модели и её использование. Мы создадим классы, представляющие различные типы ИИ-моделей, например, модели для обработки текста и обработки изображений.

Класс AIModel реализует метод describe, который выводит информацию о модели, и метод train, который имитирует процесс обучения модели.

class AIModel:

    def __init__(self, model_name):

        self.model_name = model_name



    def describe(self):

        print(f"AI Model: {self.model_name}")



    def train(self):

        print(f"Training the {self.model_name} model...")

class TextModel(AIModel):

    def __init__(self, model_name, vocab_size):

        super().__init__(model_name)

        self.vocab_size = vocab_size



    def train(self):

        print(f"Initializing text model with vocabulary size: {self.vocab_size}")

        super().train()  # Расширение базового метода



    def tokenize(self, text):

        print(f"Tokenizing text: '{text}' into tokens based on vocabulary size {self.vocab_size}")

Подкласс: ImageModel

Класс ImageModel также наследуется от AIModel и расширяет метод train, добавляя логику для работы с изображениями.

class ImageModel(AIModel):

    def __init__(self, model_name, image_size):

        super().__init__(model_name)

        self.image_size = image_size



    def train(self):

        print(f"Initializing image model with image size: {self.image_size}x{self.image_size}")

        super().train()  # Расширение базового метода



    def process_image(self, image):

        print(f"Processing image of size {self.image_size}x{self.image_size}")

Пример использования расширенных методов

# Создание текстовой модели

text_model = TextModel("GPT-3", 50000)

text_model.describe()

text_model.train()

text_model.tokenize("Hello, AI world!")



# Создание модели для изображений

image_model = ImageModel("ImageNet", 224)

image_model.describe()

image_model.train()

image_model.process_image("sample_image.png")

Примеры ввода/вывода:

Ввод:

text_model = TextModel("GPT-3", 50000)

text_model.describe()

text_model.train()

text_model.tokenize("Hello, AI world!")

Вывод:

AI Model: GPT-3

Initializing text model with vocabulary size: 50000

Training the GPT-3 model...

Tokenizing text: 'Hello, AI world!' into tokens based on vocabulary size 50000

Расширение методов

Как видно, каждый подкласс расширяет метод train базового класса, добавляя свою специфическую логику. Это позволяет использовать общий функционал, но при этом добавлять дополнительную функциональность, уникальную для каждого типа ИИ-модели.

Таким образом, расширение методов в ООП полезно для создания иерархий классов, где методы базового класса могут быть переопределены и дополнены в подклассах, что делает код более гибким и легко расширяемым.

Расширение методов

Материал урока

Базовый класс: AIModel

Расширение методов