python numba cuda_Numba：基于CUDA加速的高性能Python

[注意：这篇文章最初于2013年9月19日发布，后于2017年9月19日更新。]

Python是一种高效率的动态编程语言，广泛应用于科学，工程和数据分析等领域。导致python如此流行的原因有很多，主要有其简洁且易于理解的语法和标准的数据结构，广泛的功能齐备的标准库，优秀的文档，库和工具构成的良好的生态系统，专业支持的可用性以及大而开放的社区。也许最重要的是，像Python这样的动态类型解释语言的高效率。Python是灵活的，这使其成为可用于快速原型设计的一种很好的语言，同时也能用于构建完整的系统。

但Python最大的优势也可能是其最大的弱点：其灵活性和无类型的高级语法可能导致数据和计算密集型程序的性能不佳。因此，关心效率的Python程序员通常会用C重写最内层的循环，并从Python调用编译好的C函数。有许多旨在使此优化更容易的项目(如Cython)，但它们通常需要学习新的语法。理想情况下，Python程序员希望使现有的Python代码更快，而不需要使用另一种编程语言，而且自然，很多人希望使用加速器从而使代码具有更高的性能。

Numba：高效的高性能计算

这篇文章将向您介绍基于Anaconda的Python编译器Numba，它可以编译Python代码，以便在支持CUDA在GPU或多核CPU上执行。由于Python通常不是编译语言，您可能会想知道为什么需要Python编译器。答案当然是运行本地已编译代码比运行动态解释代码快许多倍。Numba通过允许您指定Python函数的类型签名，从而在运行时进行编译(这叫“即时编译”或JIT编译)。Numba动态编译代码的能力意味着可以不失Python的灵