Skip to content

Latest commit

 

History

History
117 lines (80 loc) · 3.62 KB

89.md

File metadata and controls

117 lines (80 loc) · 3.62 KB

9. 术语表

原文: http://numba.pydata.org/numba-doc/latest/glossary.html

ahead-of-time compilation
AOT compilation
AOT

在运行程序代码之前在单独的步骤中编译函数,生成可以独立分发的磁盘上二进制对象。这是 C,C ++或 Fortran 等语言中已知的传统编译方式。

bytecode
Python bytecode

执行 Python 函数的原始形式。 Python 字节码描述了使用来自函数堆栈和执行环境(例如全局变量)的操作数执行抽象(无类型)操作的堆栈机器。

compile-time constant

一个表达式,其值 Numba 可以在编译时推断和冻结。全局变量和闭包变量是编译时常量。

just-in-time compilation
JIT compilation
JIT

在执行时编译函数,而不是提前编译

JIT function

“使用 @jit 装饰器与 Numba 一起编写 JIT 编译的简写。”

loop-lifting
loop-jitting

对象模式中的编译功能,可以在 nopython 模式中自动提取和编译循环。这允许在 nopython 模式下不受支持的操作的函数,如果它们包含仅具有 nopython 支持的操作的循环,则可以看到显着的性能改进。

lowering

Numba IR 翻译成 LLVM IR 的行为。术语“降低”源于 LLVM IR 是低级别和机器特定的事实,而 Numba IR 是高级和抽象的。

nopython mode

Numba 编译模式,生成不访问 Python C API 的代码。此编译模式生成最高性能代码,但要求函数中所有值的本机类型可以推断。除非另有说明,否则如果不能使用 nopython 模式,@jit装饰器将自动回退到对象模式

Numba IR
Numba intermediate representation

一段 Python 代码的表示,比原始的 Python 字节码更适合分析和转换。

object mode

Numba 编译模式,生成代码,将所有值作为 Python 对象处理,并使用 Python C API 对这些对象执行所有操作。在对象模式下编译的代码通常不会比 Python 解释代码运行得快,除非 Numba 编译器可以利用循环访问

type inference

Numba 确定正在编译的函数中所有值的特殊类型的过程。如果参数或全局变量具有 Numba 未知的 Python 类型,或者使用 Numba 无法识别的函数,则类型推断可能会失败。成功的类型推断是在 nopython 模式中编译的先决条件。

typing

在值或操作上运行类型推断的行为。

ufunc

NumPy 通用函数。 Numba 可以使用 @vectorize 装饰器创建新编译的 ufunc。

reflection

在 numba 中,当一个可变容器作为参数从 Python 解释器传递给 nopython 函数时,容器对象及其包含的所有元素都将转换为 nopython 值。为了匹配 Python 的语义,nopython 函数中容器上的任何变异必须在 Python 解释器中可见。为此,Numba 必须更新容器及其元素,并在转换回解释器期间将它们转换回 Python 对象。

不要在二元运算符的上下文中混淆 Python 的“反射”(参见 https://docs.python.org/3.5/reference/datamodel.html )。