numba

1зной

1ответ

CUDA/Python: ошибка преобразования для операции с матрицей

Я пытаюсь выполнить алгоритм очень простого соседа на матрице с помощью NumbaPro CUDA Python. Функция: @autojit(target="gpu") def removeNeighboursMatCUDA(tmp_frame): for j in range(255):

python numba numba-pro 2016-01-19

---

0зной

1ответ

Очень медленный numba CUDA в python

Я запускаю этот простой код в numba cuda, и он находит очень медленным. Любая идея узкого места? @cuda.jit('int32(float64, float64, int32)', device=True) def mandelbrot_numbagpu(creal,cimag,maxit

python numba 2016-01-28

---

8зной

2ответ

Сравнение ускорителей Python (Cython, Numba, f2py) с Numpy einsum

Я сравниваю ускорители Python (Numba, Cython, f2py) с простыми циклами для циклов и einsum Numpy для конкретной проблемы (см. Ниже). Пока что Numpy является самым быстрым для этой проблемы (фактор 6x

python numpy cython numba f2py 2016-01-29

---

2зной

2ответ

numba @njit для обновления большого dict

Я пытаюсь использовать numba для функции, которая должна выполнять поиск по очень большому (10e6) dict с (int, int) кортежем в качестве ключа. import numpy as np from numba import njit myarray = np

python jit numba 2016-02-06

---

2зной

1ответ

создание нового списка/массива в функции numba

Функция ниже «test_numba» дает ошибку: «не может вводить пустой список», но работает без компиляции numba. def test(list_test,count): test_list =[] for all in list_test: test_list.app

python numba 2016-02-10

---

4зной

1ответ

2D массив представляет собой огромный питон Dict, координатно как решение для экономии памяти

Я пытаюсь обновить dict_with_tuples_key с данными из массива: myarray = np.array([[0, 0], # 0, 1 [0, 1], [1, 1], # 1, 2 [1, 2], # 1, 3 [2, 2], [1, 3]] ) #

python numpy sparse-matrix numba 2016-02-11

---

4зной

3ответ

Numba медленнее numpy.bitwise_and на булевых массивов

Я пытаюсь Numba в этом фрагменте кода from numba import jit import numpy as np from time import time db = np.array(np.random.randint(2, size=(400e3, 4)), dtype=bool) out = np.zeros((int(400e3), 1)

python numpy numba 2015-12-28

---

7зной

1ответ

Numba 3x медленнее, чем NumPy

У нас есть векторный NumPy get_pos_neg_bitwise функции, которая использует маску = [132 20 192] и df.shape из (500e3, 4), что мы хотим ускорить с Numba. from numba import jit import numpy as np from

python numpy numba 2015-12-31

---