发行说明

版本 2.2.0

此版本的 Accelerate 是一个功能版本,包含两个新增功能:

  • 使用三角函数和双曲线函数扩展了对英特尔 MKL 加速 ufunc 的支持。
  • 支持 Numba 0.25,并且是一项要求。

版本 2.1.0

此版本的 Accelerate 是一个功能版本,包含两个新增功能:

  • 分析工具:
    • Python 分析器的增强版本,可捕获函数参数,包括 Numpy 数组的形状和数据类型。
    • 用于在 Jupyter 笔记本中可视化配置文件的工具的集成,允许交互式实验。
  • 加速的 UFuncs,它通过使用英特尔 MKL 提供比 Numpy 的内置 UFuncs 的速度改进。

版本 2.0.2

此更新添加了对 Numba 和 MKL 更新版本的支持:

  • 现在支持 Numba 0.23,这是一项要求。
  • 现在支持 Anaconda 2.5 中的标准 MKL 11.3.1。

版本 2.0.1

这个对 Accelerate 的小更新没有增加任何功能更改,但在安装时提供了对 Accelerate 和 NumbaPro conda 包之间关系的额外说明。

版本 2.0

NumbaPro 已被弃用,其代码生成功能已移至开源 Numba。CUDA 库函数以及一些英特尔 MKL 功能已移至 Accelerate 中。Accelerate 的未来版本中将添加高级函数和对其他本机库实现的访问,并且不会对 NumbaPro 进行进一步更新。

NumbaPro 兼容层(列为 NumbaPro 的 0.22.0 版)通过旧的 NumbaPro 包名称提供对新 Accelerate 包的访问。这避免了需要立即更改任何现有代码以用于 Accelerate。导入兼容层时将生成警告,以突出显示 NumbaPro 包的弃用。

CUDA 库

CUDA 库功能与 NumbaPro 0.21 中的功能相同,但重命名了以下包:

NumbaPro 包 加速包
numbapro.cudalib.cublas accelerate.cuda.blas
numbapro.cudalib.cufft accelerate.cuda.fft
numbapro.cudalib.curand accelerate.cuda.rand
numbapro.cudalib.cusparse accelerate.cuda.sparse
numbapro.cudalib.sorting accelerate.cuda.sorting

代码生成

vectorize目标parallelcuda现在可以用Numba访问,同样也可cuda.reduce装饰。在 Numba 中也可以从 CUDA 内核打印整数和浮点值,并且不再需要导入 NumbaPro 或 Accelerate。

英特尔 MKL

包中提供了 MKL FFT 实现,包 accelerate.mkl.fftpack中提供了 MKL 服务功能 accelerate.mkl