是否有可能使用Pydantic而不是水核心python包中的结构化Con图中的数据？

Question

最近，我开始使用九头蛇来管理我的应用程序中的信任。我使用结构化Con图为.yaml配置文件创建模式。Hyda中的结构化Con图使用数据集进行类型检查。但是，我也想对我在结构化Con图(类似于这)中指定的一些参数使用某种验证器。

你知道是否可以在某种程度上使用毕达汀来达到这个目的？当我尝试使用Pydantic时，OmegaConf抱怨道：

omegaconf.errors.ValidationError: Input class 'SomeClass' is not a structured config. did you forget to decorate it as a dataclass?

Answer 1

对于那些想知道这到底是如何工作的人，下面是一个例子：

import hydra
from hydra.core.config_store import ConfigStore
from omegaconf import OmegaConf
from pydantic.dataclasses import dataclass
from pydantic import validator


@dataclass
class MyConfigSchema:
    some_var: float

    @validator("some_var")
    def validate_some_var(cls, some_var: float) -> float:
        if some_var < 0:
            raise ValueError(f"'some_var' can't be less than 0, got: {some_var}")
        return some_var


cs = ConfigStore.instance()
cs.store(name="config_schema", node=MyConfigSchema)


@hydra.main(config_path="/path/to/configs", config_name="config")
def my_app(config: MyConfigSchema) -> None:
    # The 'validator' methods will be called when you run the line below
    OmegaConf.to_object(config)


if __name__ == "__main__":    
    my_app()

和config.yaml：

defaults:
  - config_schema

some_var: -1  # this will raise a ValueError

Answer 2

请参阅pydantic.dataclasses.dataclass，它是标准库数据类型的插入替代，有一些额外的类型检查。