numba

    6熱度

    1回答

    我想了解@jitclass修飾器如何與嵌套類一起工作。我寫了兩個虛擬類:fifi和toto fifi有一個toto屬性。這兩個類都有@jitclass裝飾器,但是編譯失敗。下面的代碼: fifi.py from numba import jitclass, float64 from toto import toto spec = [('a',float64),('b',float64),('

    2熱度

    1回答

    我正在編寫利用Numba來編譯我的python代碼的代碼。 該函數採用兩個長度與輸入相同的數組,隨機選擇一個切片點並返回一個包含兩個由兩個輸入字符串的部分組成的Frankenstein數組的元組。 Numba然而還不支持numpy.concatenate函數(不知道它是否會)。由於我不願意放棄Numpy,有沒有人知道連接兩個Numpy數組沒有concatenate函數的性能解決方案? def ra

    0熱度

    1回答

    我想用numbapro來運行對象交互的基本模擬。但我得到這個錯誤,我不知道什麼問題。我非常新,試圖做GPU加速:( 這裏是我的代碼: from turtle import * import numpy as np from numbapro import vectorize setup(width = 1920, height = 1080, startx = None, starty =

    3熱度

    1回答

    我在學習工作中實現了一個基本的最近鄰居搜索。 事實上,基本的numpy實現運行良好,但只是添加'@jit'裝飾器(在Numba中編譯),輸出是不同的(它由於某些未知原因而複製了一些鄰居......) 這是基本的算法: import numpy as np from numba import jit @jit(nopython=True) def knn(p, points, k):

    0熱度

    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熱度

    1回答

    我正在從Python2.7 numba代碼轉換到Python3.4。該函數pairwise_distance將距離矩陣轉換爲多維數組X和Y。 不過,我使用的是numba裝飾@jit以加快代碼: import numpy as np from numba import double from numba.decorators import jit @jit(arg_types = [doub

    1熱度

    1回答

    我想用numba來提高一些我寫的代碼速度很慢。大部分時間用於單一功能。首先,我嘗試使用只是 @jit 之前,我的功能定義,這改善了計時了一下。然後,我嘗試使用 @jit(nopython=True) 改爲。從我在文檔中讀到的內容中,應該支持我在函數中使用的numpy方法(例如,轉置)。不過,我得到一個錯誤 Failed at nopython (nopython frontend) Un

    2熱度

    1回答

    我明白numba支持許多numpy的功能nopython模式:http://numba.pydata.org/numba-doc/dev/reference/numpysupported.html 然而,有一個方法切片從nopython模式numpy的陣列的列或行的? 喜歡的東西 x= y[:,mycol] x=y[myrow,:] 不nopython模式下工作。我發現的唯一解決方法是將數組

    0熱度

    2回答

    我有一些代碼,我正在努力加快與Numba。我已經對這個話題做了一些閱讀,但是我一直無法弄清楚它的100%。 下面是代碼: 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

    0熱度

    1回答

    我需要加速一個程序,並且我的瓶頸是週期圖的計算(我使用scipy實現的那個)。我試圖用numba來加速它。 第一個問題是:嘗試用jit編譯函數週期圖是否合理?它是否已經優化? 如果答案是否定的,那麼我有一個編譯問題。這是一個最小的版本: import numpy as np from scipy.signal import periodogram from numba import jit