Numba：高性能Python编译器

一、简介

Numba是一个开源JIT编译器，它将Python和NumPy代码的子集转换为快速机器代码。

二、主要特点

加速Python功能

Numba使用行业标准的LLVM编译器库在运行时将Python函数转换为优化的机器代码。 Python中的Numba编译数值算法可以接近C或FORTRAN的速度。
您不需要替换Python解释器，运行单独的编译步骤，甚至安装C / C ++编译器。只需将其中一个Numba装饰器应用到Python函数中，Numba就会完成剩下的工作。

专为科学计算而打造

Numba旨在与NumPy阵列和功能一起使用。 Numba为不同的阵列数据类型和布局生成专门的代码，以优化性能。特殊装饰器可以创建通用功能，可以像NumPy函数那样在NumPy数组上进行广播。
Numba还可以与Jupyter笔记本电脑配合使用，实现交互式计算，以及分布式执行框架，如Dask和Spark。

并行化您的算法

Numba提供了一系列用于并行化CPU和GPU代码的选项，通常只需要很少的代码更改。

便携式编译

运送高性能Python应用程序，而不必担心二进制编译和打包。您的源代码仍然是纯Python，而Numba在运行时处理编译。我们在200多种不同的平台配置中持续测试Numba。
Numba支持Intel和AMD x86，POWER8 / 9和ARM CPU，NVIDIA和AMD GPU，Python 2.7和3.4-3.7，以及Windows / macOS / Linux。大多数系统的预编译Numba二进制文件可用作conda软件包和pip可安装的轮子。

三、示例

python一直被病垢运行速度太慢，但是实际上python的执行效率并不慢，慢的是python用的解释器Cpython运行效率太差。

“一行代码让python的运行速度提高100倍”这绝不是哗众取宠的论调。

我们来看一下这个最简单的例子，从1一直累加到1亿。

最原始的代码：

import time
def foo(x,y):
        tt = time.time()
        s = 0
        for i in range(x,y):
                s += i
        print('Time used: {} sec'.format(time.time()-tt))
        return s

print(foo(1,100000000))

结果：

Time used: 6.779874801635742 sec
4999999950000000

我们来加一行代码，再看看结果：

from numba import jit
import time
@jit
def foo(x,y):
        tt = time.time()
        s = 0
        for i in range(x,y):
                s += i
        print('Time used: {} sec'.format(time.time()-tt))
        return s
print(foo(1,100000000))

结果：

Time used: 0.04680037498474121 sec
4999999950000000

是不是快了100多倍呢？
就因为使用了 numba库的jit模块。

巴特西

Numba：高性能Python编译器

一、简介

二、主要特点

三、示例

最新文章

热门文章