内容简介:NumPy 1.22.0 现已发布,这是一个大型版本,其中包含了来自 153 位贡献者的 609 个 PR。有很多改进之处,主要亮点在于: 主命名空间的注解基本完成。上游是一个不断变化的目标,因此可能会有进一步的改进,但主要...
NumPy 1.22.0 现已发布,这是一个大型版本,其中包含了来自 153 位贡献者的 609 个 PR。有很多改进之处,主要亮点在于:
- 主命名空间的注解基本完成。上游是一个不断变化的目标,因此可能会有进一步的改进,但主要工作已经完成。这可能是此版本中用户最明显的增强功能。
- 提供了提议的 Array-API 的初步版本。这是创建可跨应用程序(如 CuPy 和 JAX)使用的标准函数集合的一步。
- NumPy 现在有一个 DLPack 后端。DLPack 为数组(张量)数据提供了一种通用的交换格式。
quantile、percentile和相关函数的新方法。该新方法提供了一套完整的常见方法的文献。- 供下游项目使用的新的可配置分配器。
这些是对为常用 functions 提供 SIMD 支持、对 F2PY 的改进和更好的文档的持续工作的补充。
官方指出,此版本支持的 Python 版本为 3.8-3.10,Python 3.7 已被删除。值得注意的是,仅在 Windows 上为 Python 3.8 和 3.9 提供 32 bit wheels,其他所有的都是 64 位,因为 Ubuntu、Fedora 和其他 Linux 发行版放弃了 32 位支持。所有的 64 bit wheels 也与 64 bit integer OpenBLAS 相关联,这应该可以解决使用 truly huge arrays 偶尔遇到的问题。
详情可查看更新说明
以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 码农网
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
凸优化
Stephen Boyd、Lieven Vandenberghe / 王书宁、许鋆、黄晓霖 / 清华大学出版社 / 2013-1 / 99.00元
《信息技术和电气工程学科国际知名教材中译本系列:凸优化》内容非常丰富。理论部分由4章构成,不仅涵盖了凸优化的所有基本概念和主要结果,还详细介绍了几类基本的凸优化问题以及将特殊的优化问题表述为凸优化问题的变换方法,这些内容对灵活运用凸优化知识解决实际问题非常有用。应用部分由3章构成,分别介绍凸优化在解决逼近与拟合、统计估计和几何关系分析这三类实际问题中的应用。算法部分也由3章构成,依次介绍求解无约束......一起来看看 《凸优化》 这本书的介绍吧!