parakeet 0.23.2

鹦鹉

Parakeet是面向数组的 Python。如果你在python中做大量的数字运算，长尾鹦鹉 可能会显著加快代码的速度。

要加速函数，请用鹦鹉螺的@jit装饰符将其包装起来：

import numpy as np
from parakeet import jit

x = np.array([1,2,3])
y = np.tanh(x * alpha) + beta

@jit
def fast(x, alpha = 0.5, beta = 0.3):
  return np.tanh(x * alpha) + beta

@jit
def loopy(x, alpha = 0.5, beta = 0.3):
  y = np.empty_like(x, dtype = float)
  for i in xrange(len(x)):
    y[i] = np.tanh(x[i] * alpha) + beta
  return y

@jit
def comprehension(x, alpha = 0.5, beta = 0.3):
  return np.array([np.tanh(xi*alpha) + beta for xi in x])

assert np.allclose(fast(x), y)
assert np.allclose(loopy(x), y)
assert np.allclose(comprehension(x), y)

安装

通过运行：

pip install parakeet

依赖关系

Parakeet是为Python2.7（抱歉的Internet）编写的，它依赖于：

• dsltools
• nose用于单元测试
• NumPy

默认后端（使用openmp）需要gcc4.4+。

windows：如果安装了32位windows，编译器应该 来自Cygwin或 MinGW。让鹦鹉在64位上工作 windows是非常重要的，似乎需要colossal hacks。

mac os x：默认情况下，您的计算机可能只有 clang或过时的gcc版本。你 可以使用 HomeBrew

如果你想使用cuda后端，你需要一个nvidia图形 卡上并安装CUDA Toolkit和 PyCUDA。

它是如何工作的？

非类型化函数用作多个类型的模板 生成专门化（对于每个不同的输入类型集）。 这些类型化的函数在之前经过了许多优化 最后被翻译成本地代码。

更多信息

• 阅读project website上有关长尾鹦鹉的更多信息
• 在discussion group上提问
• 注意Parakeet presentation从 今年的PyData Boston，看看 HotPar slides 从去年开始
• 直接与main developer联系

支持的语言功能

parakeet不能加速任意python代码，它只支持 语言的有限子集：

• 标量运算（即x + 3 * y）
• 控制流（if语句、循环等）
• 嵌套函数和lambda
• 元组
• 切片
• numpy数组表达式（即x[1:, :] + 2 * y[:-1, ::2]）
• 一些numpy库函数，比如np.ones和np.sin（看看 这个 mappings 完整列表的模块）
• 列表文本（解释为数组构造）
• 列表理解（解释为数组理解）
• 长尾鹦鹉的高阶数组操作，如parakeet.imap， parakeet.scan，和parakeet.allpairs

后端

parakeet目前支持编译到sequential c，multi-core c 使用openmp（默认）或llvm（已弃用）。在这些之间切换 选项将parakeet.config.backend更改为以下选项之一：

• “openmp”：使用gcc编译，并行运算符跨多个 核心（默认）
• “c”：将所有并行运算符降低为循环，编译顺序运算符 使用gcc编码
• “cuda”：在gpu上启动并行操作（实验性）
• “llvm”：旧的后端已经落后，有些程序可能没有 工作
• “interp”：用于调试优化的纯python intepreter， 如果您认为cpython对于您的 品味