logger.info("获取user_id为{}的用户信息", uid); User user = userService.get(uid); logger.info("获取用户详情-所在地地址信息"); Address address = addressService.get(user.getUser_address().getAddress_areaId()); Stack<String> addressStack = new Stack<>(); //最后一级地址 addressStack.push(address.getAddress_name() + " "); //如果不是第一级地址 while (!address.getAddress_areaId().equals(address.getAddress_regionId().getAddress_areaId())) { address = addressService.get(address.getAddress_regionId().getAddress_areaId()); addressStack.push(address.getAddress_name() + " "); } StringBuilder builder = new StringBuilder(); while (!addressStack.empty()) { builder.append(addressStack.pop()); } logger.info("所在地地址字符串:{}", builder); Address add=new Address(); add.setAddress_name(builder.toString()); user.setUser_address(add); logger.info("获取用户详情-家乡地址信息"); address = addressService.get(user.getUser_homeplace().getAddress_areaId()); //最后一级地址 addressStack.push(address.getAddress_name() + " "); //如果不是第一级地址 while (!address.getAddress_areaId().equals(address.getAddress_regionId().getAddress_areaId())) { address = addressService.get(address.getAddress_regionId().getAddress_areaId()); addressStack.push(address.getAddress_name() + " "); } builder = new StringBuilder(); while (!addressStack.empty()) { builder.append(addressStack.pop()); } logger.info("家乡地址字符串:{}", builder); user.setUser_homeplace(add);
时间: 2024-04-03 13:31:05 浏览: 31
这段代码是关于获取用户信息中的地址信息和将其转化为字符串的过程。首先,通过用户ID获取用户信息,然后获取用户所在地的地址信息和家乡的地址信息。利用栈的结构,将地址信息从最后一级地址开始依次入栈,直到第一级地址。通过弹出栈中的元素并拼接成字符串,得到完整的地址字符串。最后,将地址字符串设置为用户的所在地地址和家乡地址,并返回用户信息。
相关问题
logger = logging.getLogger(__name__)作用与log.info()
`logger = logging.getLogger(__name__)` 是用来创建一个 Logger 对象的语句,它可以用于记录日志消息。Logger 是 Python 标准库中的 logging 模块提供的一个核心类,用于管理和输出日志信息。
`logger` 对象可以用来调用不同级别的日志记录方法,比如 `logger.debug()`、`logger.info()`、`logger.warning()`、`logger.error()` 和 `logger.critical()`。这些方法用于记录不同级别的日志消息,以便在程序执行过程中进行跟踪、调试和错误处理。
`log.info()` 是 `logging` 模块中的一个方法,用于将一条具有 INFO 级别的日志消息记录到默认的 logger 对象中。它的作用是向日志中添加一条信息性的消息,通常用于显示程序运行的进程、状态或其他重要信息。
所以,`logger = logging.getLogger(__name__)` 用于创建一个 Logger 对象,而 `log.info()` 是 Logger 对象中的一个方法,用于记录 INFO 级别的日志消息。它们都是用于记录日志信息,但是通过 Logger 对象进行日志记录可以提供更多的配置选项和灵活性。
0. Metadata/Provenance study.set_user_attr('pykeen_version', get_version()) study.set_user_attr('pykeen_git_hash', get_git_hash()) # 1. Dataset # FIXME difference between dataset class and string # FIXME how to handle if dataset or factories were set? Should have been # part of https://github.com/mali-git/POEM_develop/pull/483 study.set_user_attr('dataset', dataset) # 2. Model model: Type[Model] = get_model_cls(model) study.set_user_attr('model', normalize_string(model.__name__)) logger.info(f'Using model: {model}') # 3. Loss loss: Type[Loss] = model.loss_default if loss is None else get_loss_cls(loss) study.set_user_attr('loss', normalize_string(loss.__name__, suffix=_LOSS_SUFFIX)) logger.info(f'Using loss: {loss}') # 4. Regularizer regularizer: Type[Regularizer] = ( model.regularizer_default if regularizer is None else get_regularizer_cls(regularizer) ) study.set_user_attr('regularizer', regularizer.get_normalized_name()) logger.info(f'Using regularizer: {regularizer}') # 5. Optimizer optimizer: Type[Optimizer] = get_optimizer_cls(optimizer) study.set_user_attr('optimizer', normalize_string(optimizer.__name__)) logger.info(f'Using optimizer: {optimizer}') # 6. Training Loop training_loop: Type[TrainingLoop] = get_training_loop_cls(training_loop) study.set_user_attr('training_loop', training_loop.get_normalized_name()) logger.info(f'Using training loop: {training_loop}') if training_loop is SLCWATrainingLoop: negative_sampler: Optional[Type[NegativeSampler]] = get_negative_sampler_cls(negative_sampler) study.set_user_attr('negative_sampler', negative_sampler.get_normalized_name()) logger.info(f'Using negative sampler: {negative_sampler}') else: negative_sampler: Optional[Type[NegativeSampler]] = None # 7. Training stopper: Type[Stopper] = get_stopper_cls(stopper) if stopper is EarlyStopper and training_kwargs_ranges and 'epochs' in training_kwargs_ranges: raise ValueError('can not use early stopping while optimizing epochs') # 8. Evaluation evaluator: Type[Evaluator] = get_evaluator_cls(evaluator) study.set_user_attr('evaluator', evaluator.get_normalized_name()) logger.info(f'Using evaluator: {evaluator}') if metric is None: metric = 'adjusted_mean_rank' study.set_user_attr('metric', metric) logger.info(f'Attempting to {direction} {metric}')解释
这段代码是关于PyKEEN的元数据和源数据的设置。在这里,它设置了以下内容:
1. 数据集
2. 模型
3. 损失函数
4. 正则化器
5. 优化器
6. 训练循环
7. 训练
8. 评估器和度量指标
在设置每个内容时,代码都会使用一些辅助函数来获取相应的类,并将其规范化为可读的字符串。这些信息将被保存在study对象的user_attrs属性中。
相关推荐
![md](https://img-home.csdnimg.cn/images/20210720083646.png)
![rar](https://img-home.csdnimg.cn/images/20210720083606.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)