ᅠ
Никак. Я же говорю, что для кода, который использует си нет смысла использовать numba
Нампай использует си и намба прекрасно его ускоряет
Size: a a a
2021 February 22
ᅠ
Нампай использует си и намба прекрасно его ускоряет
ускоряет не C, а нампай
P
Нампай использует си и намба прекрасно его ускоряет
Это скорее исключение, чем правило: в нумбу добавили это специально там, где это действительно требуется. Иначе не было бы такого
@numba.jit(nopython=True, error_model='numpy')
ᅠ
Это скорее исключение, чем правило: в нумбу добавили это специально там, где это действительно требуется. Иначе не было бы такого
@numba.jit(nopython=True, error_model='numpy')
как error_model делает ускорение numpy исключением?
ᅠ
The error_model option controls the divide-by-zero behavior. Setting it to ‘python’ causes divide-by-zero to raise exception like CPython. Setting it to ‘numpy’ causes divide-by-zero to set the result to +/-inf or nan.
DB
Как можно сделать REFRESH MATERIALIZED VIEW (PostgreSQL) с помощью Python?
Upd: решено
Upd: решено
P
как error_model делает ускорение numpy исключением?
Конкретно error_model никак. Я говорил о том, что в numba добавили поддержку numpy намеренно, а этот аргумент(декоратора) привёл в кач-ве подтверждения. Основная задача numpy - взять все рассчеты на себя, в обход питона. Проще говоря есть смысл кешировать результат перемножения матриц, к примеру. Да, нет поддержки opencv. Быть может, намеренно?
ᅠ
Конкретно error_model никак. Я говорил о том, что в numba добавили поддержку numpy намеренно, а этот аргумент(декоратора) привёл в кач-ве подтверждения. Основная задача numpy - взять все рассчеты на себя, в обход питона. Проще говоря есть смысл кешировать результат перемножения матриц, к примеру. Да, нет поддержки opencv. Быть может, намеренно?
Конечно они намеренно добавили нампай, не могли же случайно добавить. Пример декоратора тоже мимо - у нампая просто другое поведение в определённых случаях
P
Конкретно error_model никак. Я говорил о том, что в numba добавили поддержку numpy намеренно, а этот аргумент(декоратора) привёл в кач-ве подтверждения. Основная задача numpy - взять все рассчеты на себя, в обход питона. Проще говоря есть смысл кешировать результат перемножения матриц, к примеру. Да, нет поддержки opencv. Быть может, намеренно?
Хотя, есть смысл кешировать io задачи в opencv. Тут уж сам не знаю
ᅠ
В питоне есть кеширование, lru_cache, например. И что с того?
P
В питоне есть кеширование, lru_cache, например. И что с того?
Все кеширование питона имеет смысл использовать, когда мы говорим об io-bound вещах. Openсv занимается не только этим. Насчёт сообщения выше - имел в виду то, что не случайнол нетподдержки opencv в numba
𝕬
Хотите что-то быстрое - пиздуйте на си, плюсы, го, расты и прочие. Зачем собирать самолёт из лопат?
𝕬
Ну или молитесь на jit в 4-й версии через пару лет
КБ
Хотите что-то быстрое - пиздуйте на си, плюсы, го, расты и прочие. Зачем собирать самолёт из лопат?
скорее из вертолетов
𝕬
скорее из вертолетов
игрушечных*
P
Хотите что-то быстрое - пиздуйте на си, плюсы, го, расты и прочие. Зачем собирать самолёт из лопат?
Нет ничего идеального
𝕬
Нет ничего идеального
И при чём тут это?
𝕬
@krau5 слых, а в жс трушное ООП или пародия?
𝕬