2025年12月26日 (五) 17:56 imported>ExultantEditor

2025-12-26T17:56:08Z

新页面

{{NoteTA|G1=IT|G2=FL}}
{{Infobox software
| name = Numba
| title =
| logo = Numba logo.svg
| logo_size = 160px
| screenshot = 
| caption =
| collapsible =
| author = Continuum Analytics
| developer = 社区计划
| released = {{Start date and age|2012|08|15|df=yes}}
| discontinued =
| latest release version = 0.60.0<ref>{{Cite web|title=Releases · numba/numba|url=https://github.com/numba/numba/releases|access-date=2024-11-01|website=GitHub|language=en|archive-date=2022-08-31|archive-url=https://web.archive.org/web/20220831085042/https://github.com/numba/numba/releases|dead-url=no}}</ref>
| latest release date = {{Start date and age|2024|01|13|df=yes}}
| latest preview version = 0.61.0dev0
| latest preview date = {{Start date and age|2024|05|15|df=yes}}
| programming language = [[Python]], [[C语言|C]]
| operating system = [[跨平台]]
| platform =
| size =
| language =
| genre = {{le|数值分析软件列表|List of numerical analysis software|科学计算}}
| license =
| website = {{URL|http://numba.pydata.org/}}
}}

Numba是[[开源软件|开源]]的[[即时编译|JIT编译器]]，它通过llvmlite绑定包，使用[[LLVM]]将包括很多[[NumPy]]函数的聚焦数值计算的[[Python]]子集，翻译成快速的机器码。它为在CPU和GPU上并行化Python代码提供了大量选项，而经常只需要微小的代码变更。

Numba由{{le|Travis Oliphant}}在2012年开创并在github<ref>[https://github.com/numba/numba github]{{Wayback|url=https://github.com/numba/numba |date=20200819004213 }}</ref>上活跃开发而经常有新的发行。这个计划由[[Anaconda (Python发行版)|Anaconda公司]]的开发者驱动，并受到[[DARPA]]、Gordon和Betty Moore基金会、[[Intel]]、[[Nvidia]]、[[AMD]]和GitHub上的社区贡献者的支持。

== 例子 ==

Numba可以通过简单的在进行数值计算的Python函数上应用<code>numba.jit</code>修饰符来使用：

<syntaxhighlight lang="python">
import numba
import random

@numba.jit
def monte_carlo_pi(n_samples: int):
acc = 0
for i in range(n_samples):
x = random.random()
y = random.random()
if (x**2 + y**2) < 1.0:
acc += 1
return 4.0 * acc / n_samples
</syntaxhighlight>

[[即时编译]]在函数被调用时透明地进行：

<syntaxhighlight lang="pycon">
>>> monte_carlo_pi(1000000)
3.14
</syntaxhighlight>

Numba的网站<ref>[https://numba.pydata.org 网站] {{Wayback|url=https://numba.pydata.org/ |date=20210201194941 }}</ref>包含了更多的例子，还有如何从Numba获得更好的性能的信息。

== GPU支持 ==

Numba可以把Python函数编译成GPU代码。目前能获得二个后端：

* [[NVIDIA]] [[CUDA]]<ref>{{cite web |url=https://numba.pydata.org/numba-doc/dev/cuda |title=Numba for CUDA GPUs |accessdate=2020-09-29 |archive-date=2019-04-16 |archive-url=https://web.archive.org/web/20190416144328/http://numba.pydata.org/numba-doc/dev/cuda/ |dead-url=no }}</ref>
* [[AMD]] [[ROCm]] {{le|异构系统架构|Heterogeneous System Architecture|HSA}}<ref>{{cite web|url=https://numba.pydata.org/numba-doc/dev/roc|title=Numba for AMD ROC GPUs|accessdate=2020-09-29|archive-date=2019-04-16|archive-url=https://web.archive.org/web/20190416144327/http://numba.pydata.org/numba-doc/dev/roc/|dead-url=no}}</ref>

== 替代方式 ==

Numba是使Python快速的方法之一，它编译包含Python和Numpy代码的特定函数。存在很多用Python进行快速数值计算的替代方式，比如[[Cython]]、[[TensorFlow]]、[[PyTorch]]、{{le|Chainer|Chainer}}、Pythran<ref>[https://pythran.readthedocs.io/en/latest/ Pythran]{{Wayback|url=https://pythran.readthedocs.io/en/latest/ |date=20200219081337 }}</ref>和[[PyPy]]。

==引用==
{{reflist|2}}
{{Python}}
[[Category:Python]]

Numba - 版本历史

2025年12月26日 (五) 17:56 imported>ExultantEditor