PythonオブジェクトをRustで効率的に処理する - pyo3-arrowによるゼロコピー実装
FFI(Foreign Function Interface)の型変換のオーバーヘッド RustとPythonを連携させるとき、悩ましい問題がデータの受け渡しです。 # ユーザは様々な形式でデータを渡してくる import numpy as np import pandas as pd # 素数判定をRustで高速化したい primes = rust_lib.is_prime_batch(np.array([2, 3, 4, 5, 6])) # NumPy primes = rust_lib.is_prime_batch([2, 3, 4, 5, 6]) # Python list primes = rust_lib.is_prime_batch(pd.Series([2, 3, 4, 5, 6])) # Pandas // 従来のPyO3での実装: 型変換地獄 #[pyfunction]
RustでNumPyを拡張する - Qiita
Pythonの利点 対話的にデータの加工、解析、可視化 on Jupyter グルー言語的用法 公式・非公式によってPythonインターフェースはだいたい用意されている pip/wheel、あるいはanacondaによる環境構築の容易さ Pythonの問題点 Python自体の動作が低速 高速化の取り組み Cython コンパイルできるPythonに近いDSLを定義してコンパイルして実行する Numba PythonのコードをLLVMにコンパイルして実行する Theano Python上で埋め込みDSLによって計算を構築して、それを高速なバックエンドで実行する FFI 既に存在する高速に動作するライブラリ(C/Fortran)を呼び出す Pythonの拡張とNumPyの拡張 Python C-API (CPython拡張) http://docs.python.jp/3/c-api/ Cで
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
GitHub - mozilla/glean: Modern cross-platform telemetry
GitHub - joncatanio/cannoli: Cannoli Programming Language
