The page been moved to https://mikeinnes.io/2017/08/24/cudanative.html
The page been moved to https://mikeinnes.io/2017/08/24/cudanative.html
Julia 1.0 High Performanceposted with カエレバAvik Sengupta Packt Publishing 2018-11-09 目次 目次 はじめに Juliaとは? 特徴1: 計算が高速 特徴2: 動的型付けのスクリプト言語 特徵3: 型を指定することもできる 特徵4: 数式に近い表現でソースコードが書ける 特徵5: C, C++, Fortran との親和性の高さ 特徵6: Pythonとも親和性がある 特徵7: 並行・並列処理に強い インストール Mac Linux Windows MATLAB, Python, C++ユーザがJuliaについて知るべきこと MATLABユーザがJuliaについて知るべきこと PythonユーザがJuliaについて知るべきこと C/C++ユーザがJuliaについて知るべきこと JupyterでJuliaを使える
savefig("./dat.pdf", transparent="True",bbox_inches="tight", pad_inches=0.1) using PyCall using PyPlot #defaultのフォントを設定 fs=9 rc("font",family ="Arial",size=fs) rc("font",serif ="Arial",size=fs) ## PyPlot.matplotlib.rc # rc("text",usetex ="true") #TeXでのフォントが普通のになる # rc("text.latex",preamble ="\\usepackage{amsmath}") # L"aa, $x_2$" みたいな感じで混ぜて書ける rc("mathtext",fontset="custom") # mathjax使ったほうが楽, L"eq
This work was carried out as part of a grant received from the Gordon and Betty Moore Foundation’s Data Driven Discovery Initiative. Julia uses type inference to determine the types of program variables and generate fast, optimized code. But how does it really work? I recently redesigned the implementation of Julia’s type inference algorithm, and decided to blog what I’ve learned. If you’re alread
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