numba

    6热度

    1回答

    我想了解@jitclass修饰器如何与嵌套类一起工作。我写了两个虚拟类:fifi和toto fifi有一个toto属性。这两个类都有@jitclass装饰器,但是编译失败。下面的代码: fifi.py from numba import jitclass, float64 from toto import toto spec = [('a',float64),('b',float64),('

    2热度

    1回答

    我正在编写利用Numba来编译我的python代码的代码。 该函数采用两个长度与输入相同的数组,随机选择一个切片点并返回一个包含两个由两个输入字符串的部分组成的Frankenstein数组的元组。 Numba然而还不支持numpy.concatenate函数(不知道它是否会)。由于我不愿意放弃Numpy,有没有人知道连接两个Numpy数组没有concatenate函数的性能解决方案? def ra

    0热度

    1回答

    我想用numbapro来运行对象交互的基本模拟。但我得到这个错误,我不知道什么问题。我非常新,试图做GPU加速:( 这里是我的代码: from turtle import * import numpy as np from numbapro import vectorize setup(width = 1920, height = 1080, startx = None, starty =

    3热度

    1回答

    我在学习工作中实现了一个基本的最近邻居搜索。 事实上,基本的numpy实现运行良好,但只是添加'@jit'装饰器(在Numba中编译),输出是不同的(它由于某些未知原因而复制了一些邻居......) 这是基本的算法: import numpy as np from numba import jit @jit(nopython=True) def knn(p, points, k):

    -4热度

    1回答

    我有一个关于我的python程序性能的问题。写下来的部分非常重要,我已经用numpy增加了性能。我想知道是否有可能让这部分更快? 10倍的速度可达应该已经不错.. u = numpy.zeros((a**l, a**l)) re = numpy.zeros((a**l, a**l, a**l)) wp = numpy.zeros((a**l, 2)) ...Some code which e

    0热度

    1回答

    from numba import jit from numpy import arange # jit decorator tells Numba to compile this function. # The argument types will be inferred by Numba when function is called. @jit def sum2d(arr,m)

    1热度

    1回答

    我正在从Python2.7 numba代码转换到Python3.4。该函数pairwise_distance将距离矩阵转换为多维数组X和Y。 不过,我使用的是numba装饰@jit以加快代码: import numpy as np from numba import double from numba.decorators import jit @jit(arg_types = [doub

    1热度

    1回答

    我想用numba来提高一些我写的代码速度很慢。大部分时间用于单一功能。首先,我尝试使用只是 @jit 之前,我的功能定义,这改善了计时了一下。然后,我尝试使用 @jit(nopython=True) 改为。从我在文档中读到的内容中,应该支持我在函数中使用的numpy方法(例如,转置)。不过,我得到一个错误 Failed at nopython (nopython frontend) Un

    2热度

    1回答

    我明白numba支持许多numpy的功能nopython模式:http://numba.pydata.org/numba-doc/dev/reference/numpysupported.html 然而,有一个方法切片从nopython模式numpy的阵列的列或行的? 喜欢的东西 x= y[:,mycol] x=y[myrow,:] 不nopython模式下工作。我发现的唯一解决方法是将数组

    0热度

    2回答

    我有一些代码,我正在努力加快与Numba。我已经对这个话题做了一些阅读,但是我一直无法弄清楚它的100%。 下面是代码: import pandas as pd import matplotlib.pyplot as plt import numpy as np import scipy.stats as st import seaborn as sns from numba impor