[Lambda] Lambda介绍，hailort async API中具体使用说明以及python中扩展应用

Lambda简介

C++中的Lambda表达式（也称为lambda函数或匿名函数）是一种简洁方便的方式来定义匿名函数。它们在C++11中引入，并已成为编写简洁易读代码的流行功能。

Lambda表达式的结构通常由三个部分组成：

1. 捕获子句（可选）：

   • 捕获子句用于指定lambda表达式可以访问的外部变量。
   • 语法：[capture-list]
   • 捕获模式：
     • [=]：按值捕获所有外部变量
     • [&]：按引用捕获所有外部变量
     • 混合捕获：同时按值和按引用捕获部分外部变量

2. 参数列表（可选）：

   • 参数列表用于定义lambda表达式接收的参数。
   • 语法：(parameter1, parameter2, ...)
   • 参数类型的自动类型推导

3. 函数体：

   • 函数体用于指定lambda表达式执行的代码。
   • 语法：{ ... }
   • 可以使用return关键字返回值

Lambda表达式的优点：

• **简洁性：**Lambda表达式可以将函数定义嵌入到代码中，使代码更加简洁易读。
• **可读性：**Lambda表达式将函数定义与函数使用紧密结合，提高了代码的可读性。
• **灵活性：**Lambda表达式可以捕获外部变量，使其适用于各种场景。

Lambda表达式的用途及其范例：

1. 回调函数：

   Lambda表达式经常用于作为回调函数传递给其他函数或库。例如：

   C++

   // 使用lambda表达式作为std::for_each算法的回调函数
   std::vector<int> numbers = {1, 2, 3, 4, 5};
   std::for_each(numbers.begin(), numbers.end(), [](int n) {
       std::cout << n << " ";
   });
   

   输出：

   1 2 3 4 5
   

2. 排序和筛选：

   Lambda表达式可以用于定义排序和筛选数据的比较标准。例如：

   C++

   // 使用lambda表达式对std::vector进行排序
   std::vector<std::string> names = {"Alice", "Bob", "Charlie"};
   std::sort(names.begin(), names.end(), [](const std::string& a, const std::string& b) {
       return a.size() < b.size();
   });
   

   输出：

   Alice Bob Charlie
   

   该代码将names向量中的元素按字符串长度从小到大排序。

3. 算法实现：

   Lambda表达式可以用于在循环或数据处理管道中实现自定义算法或逻辑。例如：

   C++

   // 使用lambda表达式计算向量中元素的平方和
   std::vector<int> numbers = {1, 2, 3, 4, 5};
   int sum_of_squares = std::accumulate(numbers.begin(), numbers.end(), 0, [](int sum, int n) {
       return sum + n * n;
   });
   

   sum_of_squares变量的值为50。

注意事项

• Lambda表达式不适用于定义需要全局状态修改或扩展代码块的函数。
• Lambda表达式可以与模板一起使用来创建泛型lambda函数。
• 标准库算法（例如std::sort和std::find_if）接受lambda表达式作为参数。

总结

Lambda表达式是C++中一种强大的工具，可以用于简化代码、提高可读性和实现各种功能。理解Lambda表达式的结构、优点、用途及其注意事项，可以帮助你更好地利用它们来编写更简洁、更易读、更高效的C++代码。

以上内容是我用Gemini生成的，请知悉。熟悉了基本的Lambda的使用方式后，再来查看hailort async API中具体范例的部分。

hailort async example

在hailort的example：async_infer_advanced_example.cpp 中，我们可以注意到它回调函数的使用方式：

auto job = configured_infer_model->run_async(bindings.value(), [] (const AsyncInferCompletionInfo &/*completion_info*/) {
// Use completion_info to get the job status and the corresponding bindings
});

这里我们可以看到他就是使用Lambda表达式作为回调函数，这样做的一个好处是，我们可以在{}内使用本身函数里面的一些变量，可以超越本身回调函数的参数限制（待验证）

那么在python中，我们有类似的方式实现类似的功能么？

pyhailort async example

如果在python的class里面的话，我们可以尝试在初始化的时候就在init函数中定义好对应的callback函数

class HailoExecutor():
    def __init__(self, model):
        self.job_queue = Queue(）
        def hailo_infer_callback(error_code):
            AsyncInferJob.validate_job_status(error_code)
            c_job = self.job_queue.get()
            self.results.append(copy.deepcopy(c_job.result))
        self.callback = hailo_infer_callback

这样就可以在调用run_async的时候以这个callback作为回调函数

cur_job = self.configured_infer_model.run_async([self.bindings], self.callback)

你可以注意到，回调函数里面使用了额外的参数self.job_queue， 其实你可以增加更多你需要使用的参数。

另外一种情形则是在其他本身定义好的函数中，需要给回调函数额外增加参数。
我们只需要在本身函数里面定义一个函数即可

def main(hef_path,num_of_frames,job_queue,):
    def example_callback(error_code):
        AsyncInferJob.validate_job_status(error_code)
        c_job = job_queue.get()
        #other code
    ......
    last_job = configured_infer_model.run_async([bindings], example_callback, )

这样其实也是一种迂回的方式实现