Numba 徽标
0+untagged.1510

适用于所有用户

  • 用户手册
    • Numba 约5分钟指南
      • 如何获取？
      • Numba 适用于我的代码吗？
      • 什么是 object mode？
      • 如何衡量 Numba 的性能？
      • 它的速度有多快？
      • Numba 如何工作？
      • 其他相关内容
        • GPU 目标
    • 概述
    • 安装
      • 兼容性
      • 在 x86/x86_64/POWER 平台上使用 conda 安装
      • 在 x86/x86_64 平台上使用 pip 安装
      • 在 Linux ARMv8 (AArch64) 平台上安装
      • 从源代码安装
        • 构建时环境变量和可选组件配置
      • 依赖列表
      • 版本支持信息
      • 检查您的安装
    • 使用 @jit 编译 Python 代码
      • 基本用法
        • 惰性编译
        • 立即编译
      • 调用和内联其他函数
      • 签名规范
      • 编译选项
        • nopython
        • nogil
        • 缓存
        • 并行
    • 创建 NumPy 通用函数
      • @vectorize 装饰器
      • @guvectorize 装饰器
        • 标量返回值
        • 覆盖输入值
      • 动态通用函数
      • 动态广义通用函数
    • 使用 @jitclass 编译 Python 类
      • 基本用法
      • 从带 as_numba_type 的类型注解中推断类成员类型
      • 显式指定 numba.typed 容器作为类成员
      • 支持的操作
        • 支持的魔术方法 (dunder methods)
      • 限制
      • 装饰器：@jitclass
    • 使用 @cfunc 创建 C 回调
      • 基本用法
      • 示例
      • 处理指针和数组内存
      • 处理 C 结构体
        • 使用 CFFI
        • 使用 numba.types.Record.make_c_struct
        • 完整示例
      • 签名规范
      • 编译选项
      • 从 Numba 调用 C 代码
    • 提前编译代码
      • 概述
        • 优点
        • 限制
      • 用法
        • 独立示例
        • Distutils 集成
        • 签名语法
    • 使用 @jit 自动并行化
      • 支持的操作
      • 显式并行循环
      • 示例
      • 不支持的操作
      • 诊断
        • 并行诊断报告部分
      • 调度
    • 使用 @stencil 装饰器
      • 基本用法
      • 模板参数
      • 内核形状推断和边界处理
      • 模板装饰器选项
        • 邻域
        • func_or_mode
        • cval
        • standard_indexing
      • StencilFunc
      • 模板调用选项
        • 输出
    • 从 JIT 编译代码内部回调到 Python 解释器
      • objmode 上下文管理器
    • 使用 jit_module 自动模块 JIT 编译
      • 用法示例
      • API
    • 性能提示
      • NoPython 模式
      • 循环
      • 对象模式的一个案例：循环提升 (LoopLifting)
      • 快速数学
      • Parallel=True
      • Intel SVML
      • 线性代数
    • 线程层
      • 哪些线程层可用？
      • 设置线程层
      • 设置线程层选择优先级
        • 为安全并行执行选择线程层
        • 选择一个命名的线程层
      • 额外注意事项
      • 设置线程数
        • 限制线程数的示例
      • 获取线程 ID
        • API 参考
    • 命令行界面
      • 用法
      • 帮助
      • 系统信息
      • 调试
    • 编译代码的代码覆盖率
    • 故障排除和提示
      • 编译什么
      • 我的代码无法编译
      • 我的代码存在类型统一问题
      • 我的代码存在无类型列表问题
      • Object mode 或 @jit(forceobj=True) 太慢
      • 禁用 JIT 编译
      • 使用 GDB 调试 JIT 编译的代码
        • JIT 调试选项
        • 调试用法示例
        • 全局覆盖调试设置
      • 在 nopython 模式下使用 Numba 的直接 gdb 绑定
        • 设置
        • 基本 gdb 支持
        • 启用 gdb 运行
        • 向代码添加断点
        • 并行区域调试
        • 使用 gdb 命令语言
        • gdb 绑定如何工作？
      • 调试 CUDA Python 代码
        • 使用模拟器
        • 调试信息
    • 常见问题
      • 安装
        • 无法导入 Numba
      • 编程
        • 我可以将函数作为参数传递给 JIT 编译的函数吗？
        • 当我修改全局变量时，Numba 似乎不关心
        • 我可以调试 JIT 编译的函数吗？
        • 如何创建 Fortran 顺序数组？
        • 如何增加整数宽度？
        • 如何判断 parallel=True 是否生效？
      • 性能
        • Numba 会内联函数吗？
        • Numba 会向量化数组计算 (SIMD) 吗？
        • 为什么我的循环没有向量化？
        • 为什么从解释器中使用 typed 容器会更慢？
        • Numba 会自动并行化代码吗？
        • Numba 能加速短时间运行的函数吗？
        • JIT 编译复杂函数时有延迟，如何改进？
      • GPU 编程
        • 如何解决 CUDA initialized before forking 错误？
      • 与其他实用工具集成
        • 我可以“冻结”使用 Numba 的应用程序吗？
        • 在 Spyder 下运行脚本两次时出现错误
        • 为什么 Numba 会抱怨当前区域设置？
        • 如何获取 Numba 开发版本？
      • 杂项
        • 项目名称“Numba”从何而来？
        • 在其他工作中如何引用/引证/致谢 Numba？
        • 如何为 Numba 问题编写最小可复现示例？
    • 示例
      • 曼德尔布罗特集合
      • 移动平均
      • 多线程
    • 演讲和教程
      • 关于 Numba 的演讲
      • 关于 Numba 应用的演讲
      • 教程
  • 参考手册
    • 类型和签名
      • 原理
      • 签名
      • 基本类型
        • 数字
        • 数组
        • 函数
        • 杂项类型
      • 高级类型
        • 推断
        • NumPy 标量
        • 数组
        • 可选类型
        • 类型注解
    • 即时编译 (Just-in-Time compilation)
      • JIT 函数
      • 生成的 JIT 函数
      • 调度器对象
      • 向量化函数 (ufuncs 和 DUFuncs)
      • C 回调
    • 提前编译 (Ahead-of-Time compilation)
    • 实用工具
      • 处理指针
    • 环境变量
      • Jit 标志
      • 调试
      • 编译选项
      • 缓存选项
      • GPU 支持
      • 线程控制
    • 支持的 Python 特性
      • 语言
        • 结构
        • 函数
        • 生成器
        • 异常处理
      • 内置类型
        • 整型, 布尔型
        • 浮点型, 复数型
        • 字符串
        • 元组
        • 同质元组
        • 异质元组
        • 列表
        • 集合
        • 类型化字典 (Typed Dict)
        • 异构字面字符串键字典
        • 无
        • 字节, 字节数组, 内存视图
      • 内置函数
        • 哈希
      • 标准库模块
        • 数组
        • cmath
        • collections
        • ctypes
        • enum
        • math
        • operator
        • functools
        • random
        • heapq
      • 第三方模块
        • cffi
    • 支持的 NumPy 特性
      • 标量类型
        • 记录子类型化
      • 数组类型
        • 数组访问
        • 结构化数组访问
        • 属性
        • 计算
        • 其他方法
      • 函数
        • 线性代数
        • 规约
        • 多项式
        • 其他函数
        • 字面数组
      • 模块
        • random
        • stride_tricks
      • 标准 ufuncs
        • 限制
        • 数学运算
        • 三角函数
        • 位操作函数
        • 比较函数
        • 浮点函数
        • 日期时间函数
    • 与 Python 语义的偏差
      • 边界检查
      • 异常和内存分配
      • 整数宽度
      • 布尔反转
      • 全局变量和闭包变量
      • 变量的零初始化
    • 浮点陷阱
      • 精度和准确性
        • 数学库实现
        • 线性代数
        • 混合类型操作
      • 警告和错误
    • 弃用通知
      • 抑制弃用警告
      • List 和 Set 类型反射的弃用
        • 弃用原因
        • 影响示例
        • 计划
        • 建议
        • 预期替代
      • 使用 @jit 时 object mode 回退 行为的弃用
        • 弃用原因
        • 影响示例
        • 计划
        • 建议
      • generated_jit 的弃用
        • 弃用原因
        • 影响示例
        • 计划
        • 建议
        • 替代
      • numba.pycc 模块的弃用
        • 弃用原因
        • 影响示例
        • 计划
        • 建议
        • 替代
      • CUDA 工具包 < 11.2 和计算能力 (CC) < 5.0 的设备的弃用和移除
        • 建议
        • 计划
      • 旧式 NUMBA_CAPTURED_ERRORS 的弃用
        • 弃用原因
        • 影响
        • 建议
        • 计划
      • 内置 CUDA 目标的弃用
        • 弃用原因
        • 影响
        • 建议
        • 计划

致 CUDA 用户

  • 用于 CUDA GPU 的 Numba
    • 概述
      • 内置 CUDA 目标弃用和维护状态
      • 简介
      • 术语
      • 编程模型
      • 要求
        • 支持的 GPU
        • 软件
      • 缺失的 CUDA 特性
    • 编写 CUDA 内核
      • 简介
      • 内核声明
      • 内核调用
        • 选择块大小
        • 多维块和网格
      • 线程定位
        • 绝对位置
        • 进一步阅读
    • 内存管理
      • 数据传输
        • 设备数组
      • 锁页内存
      • 映射内存
      • 托管内存
      • 流
      • 共享内存和线程同步
        • 动态共享内存
      • 局部内存
      • 常量内存
      • 释放行为
    • 编写设备函数
    • CUDA Python 中支持的 Python 特性
      • 语言
        • 执行模型
        • 浮点误差模型
        • 结构
        • 递归
      • 内置类型
      • 内置函数
      • 标准库模块
        • cmath
        • math
        • operator
      • NumPy 支持
      • CFFI 支持
    • CUDA 快速数学
    • 支持的原子操作
      • 示例
    • 协作组
      • 支持的特性
      • 使用网格组
      • 协作启动
      • 应用和示例
    • 随机数生成
      • 一个简单示例
      • 管理 RNG 状态大小和使用 3D 网格的示例
    • 设备管理
      • 设备选择
    • 设备列表
    • 设备 UUID
    • 示例
      • 向量加法
      • 一维热方程
      • 共享内存规约
      • 将点击数据划分为会话
      • JIT 函数 CPU-GPU 兼容性
      • 蒙特卡洛积分
      • 矩阵乘法
      • 调用 NumPy UFunc
    • 使用 CUDA 模拟器调试 CUDA Python
      • 使用模拟器
      • 支持的特性
    • GPU 规约
      • Reduce 类
    • CUDA Ufuncs 和广义 Ufuncs
      • 示例：基本示例
      • 示例：调用设备函数
      • 广义 CUDA ufuncs
    • 共享 CUDA 内存
      • 进程间共享
        • 将设备数组导出到另一个进程
        • 从另一个进程导入 IPC 内存
    • CUDA 数组接口 (版本 3)
      • Python 接口规范
        • 同步
        • 生命周期管理
        • Numba 中的生命周期管理
        • 指针属性
        • 与 CUDA 数组接口 (版本 0) 的差异
        • 与 CUDA 数组接口 (版本 1) 的差异
        • 与 CUDA 数组接口 (版本 2) 的差异
        • 互操作性
    • 外部内存管理 (EMM) 插件接口
      • 外部内存管理概述
        • 对释放策略的影响
        • 其他对象的管理
        • 异步分配和释放
      • 实现 EMM 插件
        • 仅主机 CUDA 内存管理器
        • IPC 句柄混合
      • 返回对象的类和结构
        • 内存指针
        • 内存信息
        • IPC
      • 设置 EMM 插件
        • 环境变量
        • 函数
    • CUDA 绑定
      • 每线程默认流
      • 路线图
    • 从 Python 内核调用外部函数
      • 设备函数 ABI
      • 在 Python 中声明
      • 传递指针
      • 链接和调用函数
      • C/C++ 支持
      • 完整示例
    • 编译 Python 函数以供其他语言使用
      • 使用 C ABI
      • C 和 Numba ABI 示例
    • 磁盘内核缓存
      • 计算能力考量
    • CUDA 次要版本兼容性
      • 安装
        • CUDA 12
        • CUDA 11
      • 启用 MVC 支持
      • 参考文献
    • CUDA 常见问题
      • nvprof 报告“没有内核被分析”
  • CUDA Python 参考
    • CUDA 主机 API
      • 设备管理
        • 设备检测和查询
        • 上下文管理
        • 设备管理
      • 编译
      • 测量
        • 性能分析
        • 事件
      • 流管理
      • 运行时
    • CUDA 内核 API
      • 内核声明
      • 调度器对象
      • 内联属性和函数
        • 线程索引
        • 内存管理
        • 同步和原子操作
        • 协作组
        • 内存屏障
        • Warp 内联函数
        • 整数内联函数
        • 浮点内联函数
        • 16位浮点内联函数
        • 控制流指令
        • 定时器内联函数
    • CUDA 特定类型
      • 向量类型
    • 内存管理
      • 设备对象
    • Libdevice 函数
      • 包装函数

适用于高级用户和开发者

  • 扩展 Numba
    • 高级扩展 API
      • 实现函数
      • 实现方法
      • 实现类方法
      • 实现属性
      • 导入 Cython 函数
      • 实现内联函数 (intrinsics)
      • 实现可变结构
        • 定义 StructRef
        • 在 StructRef 上定义方法
        • numba.experimental.structref API 参考
      • 判断函数是否已被 jit 系列装饰器包装
    • 低级扩展 API
      • 类型化
      • 降低
        • 本地操作
        • 常量
        • 装箱和拆箱
    • 示例：区间类型
      • 扩展类型层
        • 创建新的 Numba 类型
        • Python 值的类型推断
        • Python 注解的类型推断
        • 操作的类型推断
      • 扩展降低层
        • 定义本地区间的D数据模型
        • 暴露数据模型属性
        • 暴露属性
        • 实现构造函数
        • 装箱和拆箱
      • 使用它
      • 结论
    • @overload 使用指南
      • 具体示例
      • 为 NumPy 函数实现 @overload
    • 使用入口点注册扩展
      • 添加对“Init”入口点的支持
      • 测试您的入口点
  • 开发者手册
    • 贡献 Numba
      • 交流
        • 实时聊天
        • 每周会议
        • 错误跟踪器
      • 设置
        • 构建环境
        • 构建 Numba
        • 运行测试
        • 运行覆盖率
      • 开发规则
        • 代码审查
        • 代码格式大规模更改策略
        • 编码约定
        • 发布说明
        • 稳定性
        • 平台支持
        • 持续集成测试
        • 类型注解和运行时类型检查
        • 有助于拉取请求的事项
        • 为什么我的拉取请求/问题似乎被忽略了？
      • 文档
        • 主文档
        • 网站主页
    • Numba 发布流程
      • 主要发布候选版本清单
      • 后续发布候选版本、最终版本和补丁版本
      • 生成发布说明
        • 使用 towncrier
        • 使用 maint/gitlog2changelog.py
    • Numba 仓库地图
      • 支持文件
        • 构建和打包
        • 持续集成
        • 文档
      • Numba 源代码
        • 公共 API
        • 调度
        • 编译器管道
        • 类型管理
        • 编译扩展
        • 杂项支持
        • 核心 Python 数据类型
        • 数学
        • 并行加速器
        • 模板
        • 调试支持
        • 类型签名 (CPU)
        • 目标实现 (CPU)
        • Ufunc 编译器和运行时
        • 单元测试 (CPU)
        • 命令行工具
        • CUDA GPU 目标
    • Numba 架构
      • 简介
      • 编译器架构
      • 上下文
      • 编译器阶段
        • 阶段 1：分析字节码
        • 阶段 2：生成 Numba IR
        • 阶段 3：重写无类型 IR
        • 阶段 4：推断类型
        • 阶段 5a：重写类型化 IR
        • 阶段 5b：执行自动并行化
        • 阶段 6a：生成 nopython LLVM IR
        • 阶段 6b：生成对象模式 LLVM IR
        • 阶段 7：将 LLVM IR 编译为机器码
    • 多态调度
      • 要求
        • 编译时 vs 运行时
      • 类型解析
        • 类型码
        • 硬编码快速路径
        • 基于指纹的类型码缓存
        • 摘要
      • 专门化选择
        • 隐式转换规则
        • 候选和最佳匹配
        • 实现
        • 摘要
      • 杂项
    • 关于生成器的注意事项
      • 术语
      • 函数分析
      • 生成器结构
        • 布局
        • 分配
      • 编译为本地代码
        • next() 函数
    • Numba 运行时注意事项
      • 内存管理
        • 与 CPython 协作
        • 编译器端协作
        • 优化
        • 重要假设
        • 旧优化过程的怪癖
        • 调试内存泄漏
        • 调试 C 中的内存泄漏
      • 递归支持
      • 从 C 代码中使用 NRT
      • 未来计划
    • 使用 Numba 重写通道进行乐趣和优化
      • 概述
      • 重写通道
        • Rewrite 基类
        • Rewrite 子类化
        • 重载 Rewrite.match()
        • 重载 Rewrite.apply()
      • 重写注册表
      • 案例研究：数组表达式
        • RewriteArrayExprs.match() 方法
        • RewriteArrayExprs.apply() 方法
        • _lower_array_expr() 函数
      • 结论和注意事项
    • 活跃变量分析
      • 活跃变量分析行为注意事项
        • 变量在定义前被删除
    • 列表
      • 新样式列表
        • 内置函数列表
        • 数学函数列表
        • cmath 函数列表
        • numpy 函数列表
      • 旧样式列表
        • 降低列表
    • 关于模板的注意事项
      • 模板装饰器
      • 处理三种模式
        • 在 jit 上下文之外
        • 不带 parallel=True 的 Jit
        • 带 parallel=True 的 Jit
      • 创建模板函数
      • 抛出的异常
    • 自定义编译器
      • 实现编译器通道
        • 编译器通道类
      • 调试编译器通道
        • 观察 IR 变化
        • 通道执行时间
    • 内联注意事项
      • 使用 numba.jit() 的示例
      • 使用 numba.extending.overload() 的示例
      • 使用函数限制递归函数的内联深度
    • 环境对象
      • 实现
        • 序列化
        • 用法
    • 哈希注意事项
      • 实现
        • Unicode 哈希缓存差异
        • PYTHONHASHSEED 的适应
    • sys.monitoring 注意事项
      • 这对 Numba 意味着什么？
      • Numba 在实践中做了什么？
    • 缓存注意事项
      • 实现
        • 可缓存性要求
        • 与缓存兼容的特性
        • 缓存限制
        • 缓存共享
        • 缓存清除
        • 相关环境变量
    • Numba 线程实现注意事项
      • 线程掩码
        • 编程模型
        • 实现
        • 注意事项
        • 在代码生成中的使用
        • 并行块大小详情
    • 字面类型注意事项
      • Literal 类型
      • 字面类型化指定
        • 代码示例
        • 内部细节
      • 扩展内部
    • LLVM 计时注意事项
      • 获取 LLVM 通道计时
        • 代码示例
        • 自定义分析 API
    • 调试注意事项
      • 内存检查
    • 事件 API
    • 目标扩展注意事项
      • 从调用者继承编译器标志
        • 编译器标志
    • 字节码处理注意事项
      • LOAD_FAST_AND_CLEAR 操作码, Expr.undef IR 节点, UndefVar 类型
        • 特殊情况 1：LOAD_FAST_AND_CLEAR 可能会加载未定义变量
        • 特殊情况 2：LOAD_FAST_AND_CLEAR 加载未定义变量
    • Numba 使命宣言
      • 简介
      • 背景
      • 项目目标
  • Numba 增强提案
    • 已实施的提案
      • NBEP 1：整数类型化变更
        • 当前语义
        • 提案：可预测的宽度保持类型化
        • 提案影响
      • NBEP 7：CUDA 外部内存管理插件
        • 背景和目标
        • 要求
        • 插件开发者接口
        • 实施示例 - RAPIDS 内存管理器 (RMM) 插件
        • Numba 内部变更
        • 原型/实验性实现
    • 其他提案
      • NBEP 2：扩展点
        • 高级 API
        • 类型化
        • 代码生成
      • NBEP 3：JIT 类
        • 简介
        • 提案：jit-classes
      • NBEP 4：定义 C 回调
        • 基本用法
        • 传递数组数据
        • 错误处理
        • 延迟主题
      • NBEP 5：类型推断
        • 简介
        • Numba 类型语义
        • 类型推断
      • NBEP 6：类型化递归
        • 简介
        • 当前状态
        • 解决方案
        • 限制
  • 词汇表
  • 发布说明
    • Towncrier 生成的说明
      • 版本 0.61.2 (2025年4月7日)
        • 亮点
        • Bug 修复
      • 版本 0.61.1 (未发布)
      • 版本 0.61.0 (2025年1月16日)
        • 亮点
        • 新特性
        • 改进
        • NumPy 支持
        • Bug 修复
        • 变更
        • 弃用
        • 基础设施相关变更
        • 拉取请求
        • 作者
      • 版本 0.60.0 (2024年6月13日)
        • 亮点
        • 新特性
        • 改进
        • NumPy 支持
        • CUDA API 变更
        • Bug 修复
        • 弃用
        • 已过期的弃用
        • 文档变更
        • 拉取请求
        • 作者
      • 版本 0.59.1 (2024年3月18日)
        • CUDA API 变更
        • 性能改进和变更
        • Bug 修复
        • 拉取请求
        • 作者
      • 版本 0.59.0 (2024年1月31日)
        • 亮点
        • 新特性
        • 改进
        • NumPy 支持
        • CUDA API 变更
        • 性能改进和变更
        • Bug 修复
        • 变更
        • 弃用
        • 已过期的弃用
        • 基础设施相关变更
        • 拉取请求
        • 作者
      • 版本 0.58.1 (2023年10月17日)
        • NumPy 支持
        • Bug 修复
        • 拉取请求
        • 作者
      • 版本 0.58.0 (2023年9月20日)
        • 亮点
        • 新特性
        • 改进
        • NumPy 支持
        • CUDA 变更
        • Bug 修复
        • 变更
        • 弃用
        • 拉取请求
        • 作者
    • 非 Towncrier 生成的说明
      • 版本 0.57.1 (2023年6月21日)
      • 版本 0.57.0 (2023年5月1日)
      • 版本 0.56.4 (2022年11月3日)
      • 版本 0.56.3 (2022年10月13日)
      • 版本 0.56.2 (2022年9月1日)
      • 版本 0.56.1 (未发布)
      • 版本 0.56.0 (2022年7月25日)
      • 版本 0.55.2 (2022年5月25日)
      • 版本 0.55.1 (2022年1月27日)
      • 版本 0.55.0 (2022年1月13日)
      • 版本 0.54.1 (2021年10月7日)
      • 版本 0.54.0 (2021年8月19日)
      • 版本 0.53.1 (2021年3月25日)
      • 版本 0.53.0 (2021年3月11日)
      • 版本 0.52.0 (2020年11月30日)
      • 版本 0.51.2 (2020年9月2日)
      • 版本 0.51.1 (2020年8月26日)
      • 版本 0.51.0 (2020年8月12日)
      • 版本 0.50.1 (2020年6月24日)
      • 版本 0.50.0 (2020年6月10日)
      • 版本 0.49.1 (2020年5月7日)
      • 版本 0.49.0 (2020年4月16日)
      • 版本 0.48.0 (2020年1月27日)
      • 版本 0.47.0 (2020年1月2日)
      • 版本 0.46.0
      • 版本 0.45.1
      • 版本 0.45.0
      • 版本 0.44.1
      • 版本 0.44.0
      • 版本 0.43.1
      • 版本 0.43.0
      • 版本 0.42.1
      • 版本 0.42.0
      • 版本 0.41.0
      • 版本 0.40.1
      • 版本 0.40.0
      • 版本 0.39.0
      • 版本 0.38.1
      • 版本 0.38.0
      • 版本 0.37.0
      • 版本 0.36.2
      • 版本 0.36.1
      • 版本 0.35.0
      • 版本 0.34.0
      • 版本 0.33.0
      • 版本 0.32.0
      • 版本 0.31.0
      • 版本 0.30.1
      • 版本 0.30.0
      • 版本 0.29.0
      • 版本 0.28.1
      • 版本 0.28.0
      • 版本 0.27.0
      • 版本 0.26.0
      • 版本 0.25.0
      • 版本 0.24.0
      • 版本 0.23.1
      • 版本 0.23.0
      • 版本 0.22.1
      • 版本 0.22.0
      • 版本 0.21.0
      • 版本 0.20.0
      • 版本 0.19.2
      • 版本 0.19.1
      • 版本 0.19.0
      • 版本 0.18.2
      • 版本 0.18.1
      • 版本 0.17.0
      • 版本 0.16.0
      • 版本 0.15.1
      • 版本 0.15
      • 版本 0.14
      • 版本 0.13.4
      • 版本 0.13.3
      • 版本 0.13.2
      • 版本 0.13.1
      • 版本 0.13
      • 版本 0.12.2
      • 版本 0.12.1
      • 版本 0.12
      • 版本 0.11
      • 版本 0.10
      • 版本 0.9
      • 版本 0.8
      • 版本 0.7.2
      • 版本 0.7.1
      • 版本 0.7
      • 版本 0.6.1
      • 版本 0.6
      • 版本 0.5
      • 版本 0.4
      • 版本 0.3.2
      • 版本 0.3
      • 版本 0.2
Numba
  • 搜索

© 版权所有 2012-2020, Anaconda, Inc. 及其他。

使用 Sphinx 构建，主题由 Read the Docs 提供。