Numba
PulseAugur coverage of Numba — every cluster mentioning Numba across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
WAMpy框架加速Python中Prolog程序合成
研究人员开发了WAMpy，一个专为高效合成Prolog程序设计的Python框架。该系统特别适用于涉及重复生成和评估小型候选程序的任务。WAMpy通过将Prolog子句编译为基于NumPy数组的WAM指令，并利用Numba对性能关键例程进行即时编译，从而实现性能提升。基准测试表明，对于涉及重复编译和评估的工作负载，WAMpy通过Janus从Python访问时，其性能优于SWI-Prolog。
-
新的Python库skchange简化了时间序列变点检测
一个名为skchange的新开源Python库已发布，用于检测时间序列数据中的结构性变化。它为各种现代变点检测算法提供了一个统一的框架，包括基于成本最小化和统计检验的方法。该库旨在实现高计算性能，利用Numba，并遵循scikit-learn约定，以便于使用和贡献。
-
开发者构建 LLM 交易机器人，采用视觉分析和辩论提示
一位开发者详细介绍了他们创建交易机器人的历程，该机器人利用大型语言模型 (LLM) 进行金融分析。起初，该机器人因依赖基于文本的 LLM 输出而失败，但开发者通过将蜡烛图直接输入 Google Gemini 3.6 Flash 进行视觉推理而取得了成功。该系统通过定制的、即时编译的指标引擎以及一种新颖的提示结构得到了进一步优化，该结构迫使 LLM 同时辩论看涨和看跌两种情况，从而提高了分析的严谨性和效率。
-
新Python工具pyALDIC发布，用于图像相关分析
pyALDIC是一款新发布的开源Python软件包，旨在测量全场位移和应变。它具有图形用户界面和可脚本化的API，并集成了自适应网格划分和掩码感知子集分割等高级功能。该软件使用Numba加速以提高效率，并支持Windows、macOS和Linux跨平台使用，附带全面的文档和测试用例。
-
AI框架利用物理学和深度学习重建坍塌结构
研究人员开发了一个名为Jenga Inverse Predictor (JIP-2) 的GPU加速深度学习框架，以协助重建坍塌的建筑纪念碑。该系统将结构重建视为一个逆预测任务，使用物理引擎和双流ResNet-18模型，从坍塌结构的图像中重建最可能的先前塔楼配置。该框架包含了详细的物理模拟，包括碰撞检测和接触求解，并分析了不同摩擦水平下的力阈值，以预测块体移除概率和结构稳定性。研究结果对Uxmal等历史遗址的计算机辅助重建工作具有启示意义。