如何对类或函数定义进行哈希处理？

背景

在尝试机器学习时，我经常通过 pickling/unpickling 的方式重用之前训练过的模型。 然而，在进行特征提取部分时，不混淆不同的模型是一个挑战。 因此，我想添加一项检查，以确保使用与测试数据完全相同的特征提取过程来训练模型。

Problem

我的想法如下： 除了模型之外，我还会在 pickle 转储中包含一个哈希值，该值对特征提取过程进行指纹识别。

当训练模型或使用它进行预测/测试时，模型包装器会被赋予符合特定协议的特征提取类。 使用hash()当然，在该类上是行不通的，因为它在调用之间并不持久。 所以我想我也许可以找到定义该类的源文件，并从该文件中获取哈希值。

然而，可能有一种方法可以直接从类的内存内容中获取稳定的哈希值。 这样做有两个好处： 如果找不到源文件，它也可以工作。 它可能会忽略对源文件的不相关更改（例如修复模块文档字符串中的拼写错误）。 类是否有可以在此处使用的代码对象？

您所寻找的只是一个哈希过程，其中包含类定义的所有重要细节。 （可以通过包含来包含基类their递归地定义。）为了最大限度地减少错误匹配，基本思想是将宽（加密）散列应用于序列化你们班的。所以从pickle：它支持的类型比hash并且，当它使用身份时，它使用可重现的基于名字的身份。这使得它成为递归策略基本情况的良好候选者：处理其函数和类contents很重要并让它处理引用的任何辅助对象。

因此按案例定义序列化。调用一个对象special如果它属于除最后一种情况之外的任何一种情况。

• For a tuple deemed to contain special objects:
  1. 人物t
  2. 其系列化len
  3. 每个元素按顺序序列化
• For a dict deemed to contain special objects:
  1. 人物d
  2. 其系列化len
  3. 每个名称和值的序列化，按排序顺序
• For a class whose definition is salient:
  1. 人物C
  2. 其系列化__bases__
  3. 其系列化vars
• For a function whose definition is salient:
  1. 人物f
  2. 其系列化__defaults__
  3. 其系列化__kwdefaults__（在 Python 3 中）
  4. 其系列化__closure__（但与细胞values而不是细胞本身）
  5. 其系列化vars
  6. 其系列化__code__
• For a code object (since pickle doesn’t support them at all):
  1. 人物c
  2. 其系列化co_argcount, co_nlocals, co_flags, co_code, co_consts, co_names, co_freevars, and co_cellvars， 以该顺序;这些都不是特别的
• For a static or class method object:
  1. 人物s or m
  2. 其系列化__func__
• For a property:
  1. 人物p
  2. 其系列化fget, fset, and fdel， 以该顺序
• 对于任何其他对象：pickle.dumps(x,-1)

（你实际上从未store所有这一切：只需创建一个hashlib您在顶级函数和递归部分中选择的对象update它依次与序列化的每个部分一起。）

类型标签是为了避免冲突，特别是没有前缀。二进制 pickles 已经没有前缀了。您可以根据对其内容的确定性分析（即使是启发式的）或上下文来做出有关容器的决策，只要保持一致即可。

与往常一样，平衡误报和误报是一门艺术：对于一个函数，您可以包括__globals__（修剪已经序列化的对象以避免大的（如果不是无限的）序列化）或只是任何__name__其中发现。省略co_varnames忽略重命名局部变量，除非内省很重要，否则这很好；同样对于co_filename and co_name.

您可能需要支持更多类型：查找不支持的静态属性和默认参数pickle正确地（因为他们contain对特殊类型的引用）或根本没有。当然请注意，某些类型（例如文件对象）是不可picklable的because序列化它们很困难或不可能（尽管与pickle完成后，您可以像处理任何其他函数一样处理 lambdacode对象）。存在一些错误匹配的风险，您可以选择仅序列化type此类对象（一如既往，以字符为前缀?以区别于该位置实际具有的类型）。