麻木

Numba:一个基于LLVM的pythonjit编译器。Numba使您能够使用直接用Python编写的高性能函数来加速应用程序。通过一些注释,面向数组和数学量大的Python代码可以及时编译为本地机器指令,其性能类似于C、C++和Fortran,而无需切换语言或Python解释器。Numba的工作原理是在导入时、运行时或静态(使用包含的pycc工具)使用LLVM编译器基础设施生成优化的机器代码。Numba支持在CPU或GPU硬件上运行的Python编译,并被设计为与Python科学软件栈集成。Numba项目由Anaconda,Inc.(以前称为Continuum Analytics)和Gordon and Betty Moore基金会(Grant GBMF5423)提供支持。


zbMATH参考文献(17篇文章引用)

显示第1到17个结果,共17个。
按年份排序(引用)

  1. Joseph-Hammet气象数据包;Joseph-Niggr气象数据包不是zbMATH
  2. Jannik Michelfeit:multivar_horner:计算多元多项式horner因式分解的python包(2020)阿尔十四
  3. Sousa,Eduardo Vera;Fernandes,Leandro A.F.:TbGAL:基于张量的几何代数库(2020)
  4. D、 Huppenkothen,M.Bachetti,A.L.Stevens,S.Miglari,P.Balm,O.Hammad,U.M.Khan,H.Mishra,H.Rashid,S.Sharma,R.V.Blanco,E.M.Ribeiro:Stingray:用于光谱计时的现代Python库(2019)阿尔十四
  5. 约翰森,罗伯特:数字巨蟒。Numpy、SciPy和Matplotlib的科学计算和数据科学应用(2019)
  6. Leo C.Stein:qnm:用于计算克尔准正规模、分离常数和球-球混合系数的Python包(2019)阿尔十四
  7. MichaelHipke,Trevor J.David,Gijs D.Mulders,RenéHeller:Wotan:Python综合时间序列趋势分析(2019)阿尔十四
  8. Tim Besard,Valentin Churavy,Alan Edelman,Bjorn De Sutter:异构和分布式平台的快速软件原型(2019)不是zbMATH
  9. Bortolussi,Luca;Silvetti,Simone:随机模型线性时间特性的贝叶斯统计参数综合(2018)
  10. Brewer;Daniel Foreman Mackey:DNest4:C++和Python中的扩散嵌套采样(2018)不是zbMATH
  11. Dan Moldovan,James M Decker,Fei Wang,Andrew A Johnson,Brian K Lee,Zachary Nado,D Sculley,Tiark Rompf,Alexander B Wiltschko:签名:基于图形性能的命令式编码(2018)阿尔十四
  12. David Topping;Paul Connolly;Jonathan Reid:PyBox:用于大气化学和气溶胶模拟的自动盒子模型生成器(2018)不是zbMATH
  13. Shikhar Bhardwaj,Ryan R.Curtin,Marcus Edel,Yannis Mentekidis,Conrad Sanderson:ensmallen:用于高效函数优化的灵活C++库(2018)阿尔十四
  14. jecker Nordh:pyParticleEst:pyParticleEst:基于粒子的估计方法的Python框架(2017)不是zbMATH
  15. Leon Thurner、Alexander Scheidler、Florian Schaefer、Jan Hendrik Menke、Julian Dollichon、Friederike Meier、Steffen Meinecke、Martin Braun:Pandapower—一种方便电力系统建模、分析和优化的开源Python工具(2017)阿尔十四
  16. Sebastian Krämer,David Plankensteiner,Laurin Ostermann,Helmut Ritsch:Quantomoptics.jl:模拟开放量子系统的Julia框架(2017)阿尔十四
  17. Mortensen,Mikael;Langtangen,Hans Petter:湍流直接数值模拟的高性能python(2016)