numba/numba

NumPy aware dynamic Python compiler using LLVM

解決的問題

Python 在進行重型數值計算時通常很慢。Numba 透過將 Python 與 NumPy 程式碼轉換為快速機器碼來解決這個問題，讓開發人員無需離開 Python 環境即可實現類似於 C 或 Fortran 的效能。

工作原理

它是一個即時 (JIT) 編譯器，使用 LLVM 編譯器專案直接從 Python 語法生成優化的機器碼。它專門設計為感知 NumPy，這意味著它可以優化涉及 NumPy 陣列與函數的運算。

適用對象

需要加速數值型 Python 程式碼的資料科學家、研究人員與工程師，特別是那些處理大型數據集或複雜數學運算的人員。

亮點

  • 迴圈的自動並行化
  • GPU 加速的程式碼生成
  • 支援建立 ufuncs 與 C 回調
  • 與 NumPy 的深度整合

相關

  • 專案
    NVIDIA/warp

    Warp 是一個由 NVIDIA 支援的 Python 庫，可即時編譯（JIT）一般 Python 函數為用於物理模擬、機器人學與可微計算的快速 CPU/GPU 內核。它相容 PyTorch/JAX，提供簡單的 `@wp.kernel` 裝飾器與 `wp.launch` API，並以 `warp-lang` PyPI 套件形式發行。

  • 專案
    numba/llvmlite

    一個輕量級的 Python 綁定，為 LLVM 的 IR 建構器、最佳化工具與 JIT 編譯器 API 提供穩定介面，簡化 JIT 編譯器的建立。

  • 專案
    jax-ml/jax

    針對加速器導向的陣列運算與程式轉換所設計的 Python 庫，專為高效率數值運算與大規模機器學習而打造。

  • 專案
    cupy/cupy

    CuPy 是一個與 NumPy 和 SciPy 相容的陣列庫，可在 NVIDIA CUDA 和 AMD ROCm 平台上為 Python 提供 GPU 加速的數值計算。

  • 專案
    brainpy/BrainPy

    一個用於計算神經科學與類腦計算的 JIT 編譯框架，能夠實現大腦動力學模型的高效模擬、訓練與分析。