Numba es un compilador JIT de código abierto que traduce un subconjunto de Python y NumPy en código de máquina usando LLVM, a través del paquete llvmlite de Python. Ofrece una gama de opciones para paralelizar código Python para CPU y GPU, a menudo con solo cambios menores en el código.
Numba fue iniciado por Travis Oliphant en 2012 y desde entonces ha estado en desarrollo activo en GitHub con lanzamientos frecuentes. El proyecto está impulsado por desarrolladores de Anaconda, Inc., con el apoyo de DARPA, la Fundación Gordon y Betty Moore, Intel, Nvidia y AMD, y una comunidad de colaboradores en GitHub.
Ejemplo Numba se puede usar simplemente aplicando el decorador numba.jit a una función de Python que hace cálculos numéricos: import numba import random
@numba.jit def monte_carlo_pi(nsamples: int): acc = 0 for i in range(nsamples): x = random.random() y = random.random() if (x**2 + y**2) < 1.0: acc += 1 return 4.0 * acc / nsamples La compilación en tiempo de ejecución ocurre de forma transparente cuando se llama a la función: >>> monte_carlo_pi(1000000) 3.14 El sitio web de Numba en contiene más ejemplos, así como información sobre cómo obtener un buen rendimiento de Numba.
Soporte de GPU Numba puede compilar funciones de Python en código de GPU. Actualmente hay dos backends disponibles: NVIDIA CUDA y AMD ROCm HSA.
Aproximaciones alternativas Numba es un enfoque para hacer que Python sea rápido, compilando funciones específicas que contienen código Python y NumPy. Existen muchos enfoques alternativos para cálculo numérico rápido con Python, como Cython, TensorFlow, PyTorch, Chainer, Pythran y PyPy .
Enlaces externos
Sitio web de Numba Repositorio de Numba en GitHub Backends de Numba: Documentación de Numba para CUDA Documentación de Numba para AMD ROCm HSA
Referencias
Categoría:Implementaciones de Python Categoría:Python Categoría:Software de análisis numérico