努巴

NUBBA:基于LLVM的Python JIT编译器。NUMBA为您提供了用Python直接编写的高性能函数来加速应用程序的能力。通过几个注释,面向数组和数学重的Python代码可以及时编译到本机机器指令中,类似于C、C++和FORTRAN的性能,而不必切换语言或Python解释器。NUMBA通过使用LLVM编译器基础结构在导入时间、运行时或静态(使用所包含的PYCC工具)生成优化的机器代码。NUMBA支持Python的编译,以运行在CPU或GPU硬件上,并被设计为与Python科学软件栈集成。NAMBA项目由Annon DA公司(以前称为连续体分析)和戈登和贝蒂穆尔基金会(GRMGBF54 23)支持。


ZBMaCT中的参考文献(10篇文章中引用)

显示结果1至10的10。
按年份排序(引文

  1. D. Huppenkothen、M. Bachetti、A. L. Stevens、S. Migliari、P. Balm、O. Hammad、U. M. Khan、So、Y、Y、Y、Y、*:StnGrime:一个现代Python谱计时库(2019)阿西夫
  2. 约翰松,罗伯特:数字Python。NUMPY、SciPy和MatPultLIB的科学计算和数据科学应用(2019)
  3. Leo C. Stein:QNM:一个用于计算克尔拟正规模式、分离常数和球形球体混合系数的Python程序包(2019)阿西夫
  4. Michael Hippke、Trevor J. David、Gijs D. Mulders、任·赫勒:Wotan:Python中的综合时间序列去趋势(2019)阿西夫
  5. Brendon Brewer;Daniel Foreman Mackey:DNEST4:C++和Python中的扩散嵌套采样(2018)不是ZB数学
  6. Shikhar Bhardwaj,Ryan R. Curtin,Marcus Edel,Yannis Mentekidis,Conrad Sanderson:EnMalele:一个用于高效函数优化的灵活C++库(2018)阿西夫
  7. Jyker-Nordh:PyPosiLest:基于粒子的估计方法的Python框架(2017)不是ZB数学
  8. Leon Thurner,Alexander Scheidler,Florian Schaefer,Jan Hendrik Menke,Julian Dollichon,Friederike Meier,Steffen Meinecke,Steffen Meinecke:PANAPAPWORE——一个开源的Python工具,用于电力系统的方便建模、分析和优化(2017)阿西夫
  9. Sebastian Kr,David Plankensteiner,Laurin Ostermann,Helmut Ritsch:QuanguopopICS.JL:一个模拟开放量子系统的朱丽亚框架(2017)阿西夫
  10. 莫特森,Mikael;朗唐恩,Hans Petter:用于湍流直接数值模拟的高性能Python(2016)