把Python自动翻译成C++

模型线上线下一致性问题对于模型效果非常重要，我们使用特征日志来实时记录特征，保证特征的一致性。这样离线处理的时候会把实时的用户反馈，和特征日志做一个结合生成训练样本，然后更新到模型训练平台上，平台更新之后在推送到线上，这样整个排序形成了一个闭环。”

总结起来，有几种思路：

• 在线特征存储起来给离线用

• 在线 C++ 代码编译成 so 导出给离线用

• 根据一份配置生成离线和在线代码

• 提取公共代码，加强代码复用，等软件工程手段，减少不一致

2. 自动翻译方案

(1) .已有方案的缺点

但这些思路都有各种缺点：

• 所有在线请求的所有特征，这个存储量数据量很大

• 算法改代码需要等待后台开发，降低了算法同学的工作效率

• 特征处理代码的复杂度转移到配置文件中，不一定能充分表达，而且配置格式增加学习成本

• 就这边真实离线特征处理代码来看，大部分代码都无法抽取出公共代码做复用。

(2). 翻译器

回到问题出发点考虑，显而易见，这个问题归根结底就是需要一个 “ python 到 c++ 的翻译器 ” 。

那其实 “翻译器 Transpiler ” ，和编译器解释器类似，也是个古老的热门话题了，比如 WebAssembly , CoffeeScript ， Babel ,

Google Closure Compiler ， f2c

于是一番搜索，发现 python 到 C++ 的翻译器也不少，其中 Pythran 是新兴比较热门的开源项目。

于是一番尝试后，借助 pythran，我们实现了：

• 一条命令 全自动把 Python 翻译成等价 C++

• 严格等价保证改写，彻底消除不一致

• 完全去掉重新实现这块工作量，后台开发成本降到 0 ，彻底解放生产力

• 算法同学继续使用纯 python，开发效率无影响，** 无学习成本 **

• 并能推广到其他需要 python 改写成后台 C++ 代码 的业务场景，解放生产力

三、pythran 的使用流程

(1). 安装

（编辑：莆田站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!