在hpc平台上执行python的一个子集
compyle的Python项目详细描述
compyle允许用户执行python的一个子集（几乎类似 c）在各种高性能混凝土平台上。目前我们支持多核执行 使用cython，opencl和cuda作为gpu设备。
用户从使用非常受限的python语法实现的代码开始，这段代码 然后被自动地转译、编译和执行以在任一CPU上运行 核心，或多个CPU核心（通过OpenMP）或在一个GPU上。CPY优惠 源代码到源代码的转换，使它成为编写hpc的一个非常方便的工具 图书馆。
提供了一些简单而强大的并行实用程序，允许您 解决大量有趣的hpc问题。
compyle还具有jit转印功能，如果您希望使其易于使用。
文档位于：https://compyle.readthedocs.io
虽然compyle看起来很简单，但它不是一个玩具，而且被PySPH大量使用。 compyle起源的项目。
安装
compyle本身是纯python，但依赖于numpy，需要Cython 或{a9}或PyCUDA以及C/C++编译器各自的后端， opencl和cuda。如果你只想在CPU上执行代码 需要的是赛顿。
您应该可以通过执行以下操作来安装compyle：
$ pip install compyle
一个简单的例子
下面是一个非常简单的示例：
from compyle.api import Elementwise, annotate, wrap, get_config
import numpy as np
@annotate
def axpb(i, x, y, a, b):
y[i] = a*sin(x[i]) + b
x = np.linspace(0, 1, 10000)
y = np.zeros_like(x)
a, b = 2.0, 3.0
backend = 'cython'
get_config().use_openmp = True
x, y = wrap(x, y, backend=backend)
e = Elementwise(axpb, backend=backend)
e(x, y, a, b)
这将使用openmp与并行执行elementwise操作 赛顿。代码会自动生成、编译并透明地调用。 第一次运行时，将需要一点时间来编译除 下一次，它会被缓存，运行速度会快得多。
如果您只是更改backend = 'opencl'，那么相同的代码将是 使用PyOpenCL执行，如果将后端更改为'cuda'，它将 通过CUDA执行，不需要对代码进行任何其他更改。这显然是 很小的例子，也有更复杂的例子。
示例
在examples目录中提供了一些简单的示例和基准测试。
欢迎加入QQ群-->： 979659372
