คำถามติดแท็ก python

ฉันมีปัญหาการเพิ่มประสิทธิภาพทั่วโลกที่ไม่ท้าทายเพื่อแก้ปัญหา ปัจจุบันผมใช้กล่องเครื่องมือเพิ่มประสิทธิภาพของ MATLAB (โดยเฉพาะfmincon()กับอัลกอริทึม = 'sqp') ซึ่งมีประสิทธิภาพมาก อย่างไรก็ตามรหัสของฉันส่วนใหญ่อยู่ใน Python และฉันก็ชอบที่จะเพิ่มประสิทธิภาพใน Python ด้วยเช่นกัน มีตัวแก้ NLP ที่มีการผูก Python ที่สามารถแข่งขันได้fmincon()หรือไม่ มันจะต้อง สามารถรับมือกับความไม่เสมอภาคและความไม่เท่าเทียมกันได้ ไม่ต้องการให้ผู้ใช้จัดหายาโคบ ไม่เป็นไรหากไม่รับประกันว่าจะมีประสิทธิภาพระดับโลก ( fmincon()ไม่) fmincon()ฉันกำลังมองหาบางสิ่งบางอย่างที่ทนทานลู่ไปยังท้องถิ่นที่เหมาะสมแม้สำหรับความท้าทายปัญหาและแม้ว่ามันจะช้ากว่าเล็กน้อย ฉันได้พยายามแก้หลายที่ให้บริการผ่าน OpenOpt และพบว่าพวกเขาจะด้อยกว่าของ fmincon/sqpMATLAB เพียงเพื่อเน้นฉันมีสูตรเวิ้งว้างและแก้ปัญหาที่ดี เป้าหมายของฉันคือการเปลี่ยนภาษาเพื่อให้เวิร์กโฟลว์มีความคล่องตัวมากขึ้น เจฟฟ์ชี้ให้เห็นว่าคุณลักษณะบางอย่างของปัญหาอาจเกี่ยวข้องกัน พวกเขาคือ: 10-400 ตัวแปรการตัดสินใจ 4-100 ข้อ จำกัด ความเท่าเทียมกันของพหุนาม (ดีกรีพหุนามมีช่วงตั้งแต่ 1 ถึงประมาณ 8) จำนวนข้อ จำกัด ของความไม่เท่าเทียมกันที่มีเหตุผลเท่ากับจำนวนตัวแปรการตัดสินใจประมาณสองเท่า ฟังก์ชั่นวัตถุประสงค์เป็นหนึ่งในตัวแปรการตัดสินใจ ชาวจาโคเบียนแห่งข้อ จำกัด ความเท่าเทียมมีความหนาแน่นสูงเช่นเดียวกับชาวจาโคเบียนแห่งข้อ จำกัด …

77 python  optimization  nonlinear-programming  linear-algebra  linear-solver  sparse-matrix  ode  automatic-differentiation  efficiency  matrix  symbolic-computation  pde  multiphysics  operator-splitting  fluid-dynamics  pde  multigrid  pde  hyperbolic-pde  quadrature  precision  numerical-analysis  fluid-dynamics  interpolation  c  ode  testing  data-sets  pde  fluid-dynamics  hyperbolic-pde  pde  finite-element  fluid-dynamics  stability  incompressible  pde  hyperbolic-pde  fluid-dynamics  pde  precision  floating-point  convex-optimization  conditioning  pde  hyperbolic-pde  stability  implicit-methods  explicit-methods  fluid-dynamics  accuracy  pde  hyperbolic-pde  petsc  linear-algebra 

มีเครื่องมือใดใน Python ที่เหมือนกับ parlab ของ Matlab หรือไม่? ฉันพบกระทู้นี้แต่อายุสี่ขวบ ฉันคิดว่าบางทีคนที่นี่อาจมีประสบการณ์มากกว่านี้ นี่คือตัวอย่างของประเภทของสิ่งที่ฉันต้องการขนาน: X = np.random.normal(size=(10, 3)) F = np.zeros((10, )) for i in range(10): F[i] = my_function(X[i,:]) ที่my_functionจะใช้เวลาndarrayที่มีขนาด(1,3)และผลตอบแทนเกลา อย่างน้อยที่สุดฉันต้องการใช้หลายคอร์พร้อมกัน --- เหมือน parfor กล่าวอีกนัยหนึ่งคือสมมติว่าระบบหน่วยความจำที่ใช้ร่วมกันมี 8 ถึง 16 คอร์

35 python  parallel-computing 

ฉันไม่ต้องการที่จะจัดการกับvirtualenvสำหรับการติดตั้ง Python ในท้องถิ่นฉันแค่ต้องการติดตั้งแพคเกจบางอย่างในพื้นที่โดยไม่ต้องจัดการกับPYTHONPATHตัวแปรสภาพแวดล้อมฉันจะทำอย่างไร

32 python  software 

ทุกคนสามารถแนะนำระบบการจัดการเวิร์กโฟลว์ที่ดี (WMS) ให้ฉันโดยเฉพาะอย่างยิ่งใน Python ได้หรือไม่? จนถึงตอนนี้ฉันใช้ GNU Make อยู่แล้ว แต่มันแนะนำความซับซ้อนหลายระดับที่ฉันต้องการหลีกเลี่ยง WMS ที่ดีควรมีคุณสมบัติดังต่อไปนี้: รวมเข้ากับเครื่องมือบรรทัดคำสั่งและสคริปต์ Python ได้อย่างง่ายดาย ใช้งานง่ายและมีน้ำหนักเบา จัดการการอ้างอิง จัดเตรียมอินเตอร์เฟสบรรทัดคำสั่ง จัดเตรียมกลไกการบันทึก (ไม่บังคับ) ให้ข้อมูลที่มา ฉันรู้ว่า WMS เป็นที่นิยมอย่างมากในด้านชีวสารสนเทศ (เช่นGalaxy ) แต่ฉันกำลังมองหาบางสิ่งที่กว้างกว่า

30 software  python 

แบ็คกราวน์:ฉันคิดว่าฉันอาจต้องการพอร์ตโค้ดบางอย่างที่คำนวณเมทริกซ์เอ็กซ์โปเนนเชียล - เวกเตอร์ผลิตภัณฑ์โดยใช้วิธีการย่อย Krylov จาก MATLAB ถึง Python (โดยเฉพาะฟังก์ชั่นexpmvpของJitse Niesenซึ่งใช้อัลกอริทึมที่อธิบายไว้ในบทความนี้) อย่างไรก็ตามฉันรู้ว่าถ้าฉันใช้ฟังก์ชั่นจำนวนมากจากโมดูลที่ได้มาจากไลบรารีที่รวบรวม (เช่นฉันใช้ raw Python เท่านั้น ในฟังก์ชั่น) แล้วมันอาจจะค่อนข้างช้า คำถาม:มีเครื่องมือหรือวิธีการใดบ้างที่สามารถช่วยฉันเร่งความเร็วโค้ดที่ฉันเขียนใน Python เพื่อประสิทธิภาพการทำงาน โดยเฉพาะอย่างยิ่งฉันสนใจเครื่องมือที่ทำให้กระบวนการเป็นไปโดยอัตโนมัติมากที่สุดแม้ว่าวิธีการทั่วไปจะได้รับการต้อนรับเช่นกัน หมายเหตุ:ฉันมีอัลกอริทึมของ Jitse รุ่นเก่ากว่าและไม่ได้ใช้ในขณะนี้ มันง่ายมากที่จะทำให้รหัสนี้เร็ว แต่ฉันรู้สึกว่ามันจะเป็นตัวอย่างที่ดีและเกี่ยวข้องกับงานวิจัยของฉันเอง การถกเถียงวิธีการของฉันสำหรับการใช้อัลกอริทึมเฉพาะนี้ใน Python เป็นคำถามอื่นทั้งหมด

29 performance  python 

ปัญหา ขณะนี้ฉันกำลังทำงานกับการจำลองสถานการณ์ไฟไนต์เอลิเยร์สโต๊คและฉันต้องการตรวจสอบผลกระทบของพารามิเตอร์ที่หลากหลาย บางพารามิเตอร์ถูกระบุในไฟล์อินพุตหรือผ่านตัวเลือกบรรทัดคำสั่ง มีการระบุพารามิเตอร์อื่น ๆ เป็นแฟล็กใน Makefile เพื่อให้โค้ดของฉันต้องถูกคอมไพล์ใหม่ทุกครั้งที่ฉันเปลี่ยนตัวเลือกเหล่านั้น ฉันสนใจที่จะรับคำแนะนำเกี่ยวกับวิธีที่ดีในการสำรวจพื้นที่พารามิเตอร์อย่างเป็นระบบ มีไลบรารี / กรอบงาน C ++ / Python ที่มีประโยชน์ที่สามารถช่วยแก้ไขสิ่งนี้ได้ไหม? ตัวอย่างเช่นการค้นพบboost.Program_optionsเป็นความช่วยเหลือที่ยิ่งใหญ่เนื่องจากเป็นไปได้ที่จะโอเวอร์โหลดตัวเลือกไฟล์อินพุตด้วยอาร์กิวเมนต์บรรทัดคำสั่ง ฉันเคยเห็นบางคนใช้ไฟล์งานที่อธิบายแต่ละกรณีค่อนข้างมีประสิทธิภาพและเพื่อนร่วมงานแนะนำว่าการเขียนพารามิเตอร์ลงในไฟล์ vtu เนื่องจากบล็อกข้อคิดเห็นสามารถใช้งานได้เช่นกัน บางทีมันอาจไม่คุ้มค่ากับการลงทุนเวลานี้ มันเป็นเพียงสิ่งที่ทำให้ไขว้เขวและเสียเวลาและเป็นวิธีที่ดีที่สุดเพียงแค่กล้ามเนื้อผ่านกระบวนการทดสอบกำลังดุร้ายและเฉพาะกิจ ความคิดบางอย่าง ขณะนี้ฉันกำลังทำสิ่งต่าง ๆ ด้วยมือเป็นส่วนใหญ่และฉันพบปัญหาต่อไปนี้: การตั้งชื่อกรณีทดสอบ Re100_dt02_BDF1...ฉันพยายามเก็บผลในโฟลเดอร์ที่ชื่อมีพารามิเตอร์วิ่งคั่นด้วยขีดเช่น สิ่งเหล่านี้กลายเป็นยาวหรือยากต่อการอ่าน / เข้ารหัสหากพวกมันยากเกินไป นอกจากนี้พารามิเตอร์จำนวนจริงรวมถึงสิ่ง.ที่น่าอึดอัดใจ / น่าเกลียด บันทึกข้อมูลการวิ่ง บางครั้งฉันต้องการเห็นผลลัพธ์ที่เขียนไปยังเทอร์มินัลและบันทึกลงในไฟล์ข้อความ อินสแตนซ์คำตอบจาก StackOverflow นี้ค่อนข้างมีประโยชน์ แต่โซลูชันดูเหมือนจะน่ารำคาญเล็กน้อย พล็อตข้อมูลตามพารามิเตอร์ ใช้เวลาค่อนข้างนานในการรวบรวมข้อมูลที่เกี่ยวข้องจากไฟล์บันทึกต่าง ๆ เป็นไฟล์เดียวซึ่งฉันสามารถทำพล็อตได้ด้วยระบบที่ดีกว่าบางทีนี่อาจจะง่ายขึ้น ความคิดเห็นเกี่ยวกับการบันทึกข้อมูล หลังจากตรวจสอบผลลัพธ์ฉันเขียนข้อคิดเห็นในไฟล์ข้อความ แต่การเก็บข้อมูลนี้เป็นการซิงค์กับโฟลเดอร์ผลลัพธ์บางครั้งก็ยาก

29 software  finite-element  python  c++ 

ฉันต้องการแก้ไขเมทริกซ์การเปลี่ยนตารางหนาแน่นในสถานที่โดยการเปลี่ยนลำดับของแถวและคอลัมน์หลายแห่งโดยใช้ไลบรารี่ของ python ศาสตร์นี้สอดคล้องกับการคูณเมทริกซ์ล่วงหน้าโดยเมทริกซ์การเปลี่ยนแปลง P และการโพสต์การคูณด้วย P ^ -1 = P ^ T แต่นี่ไม่ใช่วิธีการแก้ปัญหาที่สมเหตุสมผล ตอนนี้ฉันกำลังสลับแถวและคอลัมน์ด้วยตนเอง แต่ฉันคาดว่าจะมี numpy ที่มีฟังก์ชั่นที่ดี f (M, v) โดยที่ M มี n แถวและคอลัมน์และ v มีรายการ n ดังนั้นการปรับปรุง f (M, v) M ตามการเปลี่ยนแปลงดัชนี v. บางทีฉันแค่ค้นหาอินเทอร์เน็ตไม่ได้ บางสิ่งเช่นนี้อาจเกิดขึ้นได้กับ "การจัดทำดัชนีขั้นสูง" ของนัมมี่ แต่ความเข้าใจของฉันคือว่าโซลูชันดังกล่าวจะไม่เข้าแทนที่ นอกจากนี้สำหรับสถานการณ์ที่เรียบง่ายบางอย่างมันอาจจะเพียงพอที่จะแยกการติดตามการเปลี่ยนแปลงดัชนี แต่สิ่งนี้ไม่สะดวกในกรณีของฉัน เพิ่ม: บางครั้งเมื่อผู้คนพูดถึงการเรียงสับเปลี่ยนพวกเขาหมายถึงการสุ่มตัวอย่างแบบสุ่มเรียงสับเปลี่ยนเท่านั้นตัวอย่างเช่นเป็นส่วนหนึ่งของกระบวนการเพื่อรับค่า p ในสถิติ หรือพวกมันหมายถึงการนับหรือแจกแจงพีชคณิตที่เป็นไปได้ ฉันไม่ได้พูดถึงสิ่งเหล่านี้ เพิ่มเติม: เมทริกซ์มีขนาดเล็กพอที่จะใส่ลงในเดสก์ท็อปแรม …

27 linear-algebra  python  numpy 

ฉันรู้และใช้f2py2eเพื่อห่อรหัส Fortran 77 เก่าบางส่วน แต่ความเข้าใจของฉันคือว่ามันไม่ทำงานกับรหัส Fortran 95 ที่ใหม่กว่า ฉันได้ค้นคว้าสิ่งที่ฉันควรใช้และเจอ fwrap และ G3 f2py ซึ่งดูเหมือนจะไม่ให้คำอธิบายใด ๆ เกี่ยวกับสถานะปัจจุบันของพวกเขาหรือวิธีใช้ (นอกเหนือจากการใช้งานพื้นฐาน) ฉันได้เห็นด้วยเช่นกันว่าเวอร์ชันของ f2py มีตัวเลือกให้ใช้รุ่นที่สามของ f2py แต่มันก็มีความเห็นว่าเป็นการใช้งานไม่ได้ รับสิ่งนี้ฉันไม่ทราบว่าโครงการใดที่ฉันควรใช้สำหรับโครงการเดียว ฉันควรใช้รหัสใดกับรหัสใหม่ ป.ล. นี่เป็นคำถามเดียวกันกับhttps://stackoverflow.com/questions/10665717/current-best-method-for-wrapping-modern-fortran-code-with-pythonแนะนำว่าการถามที่นี่อาจให้คำตอบที่ดีกว่า .

27 python  fortran 

จะสอนนักเรียนในระดับปริญญาตรีหลักสูตรที่ชื่อว่าการเขียนโปรแกรมคอมพิวเตอร์เบื้องต้น ฉันสับสนเล็กน้อย ในวิทยาศาสตร์ฟิสิกส์เชิงคำนวณใช้ C / C ++ หรือ Python หรือ Fortran, CUDA ฯลฯ ..... นี่คือเวลาที่จะสร้างฐานของพวกเขา ฉันควรใช้อะไร ฉันรู้ว่าคุณสามารถเรียนรู้ภาษาการเขียนโปรแกรมใหม่ได้ตลอดเวลาในชีวิตของคุณ แต่เป็นทางเลือกที่ฉลาดกว่าสำหรับฉันในการอธิบายแนวคิดการเขียนโปรแกรมพื้นฐานทั้งหมดและแนวคิด OOP ในภายหลัง

22 python  c++  computational-physics  languages 

อะไรคือวิธีที่ต้องการและมีประสิทธิภาพสำหรับการแก้ไขข้อมูลหลายมิติ? สิ่งที่ฉันกังวลเกี่ยวกับ: ประสิทธิภาพและหน่วยความจำสำหรับการสร้างการประเมินผลเดี่ยว / ชุด การจัดการมิติตั้งแต่ 1 ถึง 6 เชิงเส้นหรือสูงกว่าคำสั่ง ความสามารถในการรับการไล่ระดับสี (ถ้าไม่ใช่เชิงเส้น) กริดปกติกับกระจัดกระจาย ใช้เป็นฟังก์ชัน Interpolating เช่นค้นหารากหรือย่อขนาด ความสามารถในการอนุมาน มีการใช้งานโอเพนซอร์ซที่มีประสิทธิภาพหรือไม่ ฉันมีโชคบางส่วนกับ scipy.interpolate และความสนใจจาก scikit เรียนรู้ ฉันไม่ได้ลอง splines, Chebyshev polynomials เป็นต้น นี่คือสิ่งที่ฉันพบจนถึงในหัวข้อนี้: Python 4D การประมาณเชิงเส้นในตารางสี่เหลี่ยม การแก้ไขที่รวดเร็วของข้อมูล 3D ตัวอย่างเป็นระยะด้วยช่วงเวลาที่แตกต่างกันใน x, y และ z การแก้ไขข้อมูลกริดแบบปกติอย่างรวดเร็ว วิธีการแก้ไขแบบกระจายหลายตัวแปรที่ดีที่สุดสำหรับการใช้งานจริงคืออะไร?

22 python  performance  interpolation  delaunay-triangulation  extrapolation 

Python / Numpy arrays ปรับขนาดอย่างไรเมื่อเพิ่มขนาดอาเรย์ สิ่งนี้ขึ้นอยู่กับพฤติกรรมบางอย่างที่ฉันสังเกตเห็นในขณะทำการเปรียบเทียบรหัส Python สำหรับคำถามนี้: วิธีแสดงนิพจน์ที่ซับซ้อนนี้โดยใช้ชิ้นส่วนที่เป็นก้อน ปัญหาส่วนใหญ่เกี่ยวข้องกับการทำดัชนีเพื่อเติมอาเรย์ ฉันพบว่าข้อดีของการใช้ Cython และ Numpy (ไม่ดีมาก) กับ Python loop แตกต่างกันไปขึ้นอยู่กับขนาดของอาร์เรย์ที่เกี่ยวข้อง ทั้ง Numpy และ Cython มีความได้เปรียบด้านประสิทธิภาพที่เพิ่มขึ้นจนถึงจุดหนึ่ง (บางแห่งมีขนาดประมาณสำหรับ Cython และN = 2000สำหรับ Numpy บนแล็ปท็อปของฉัน) หลังจากนั้นข้อดีของมันก็ลดลง (ฟังก์ชัน Cython ยังคงเร็วที่สุด)ยังไม่มีข้อความ= 500N=500N=500ยังไม่มีข้อความ= 2000N=2000N=2000 ฮาร์ดแวร์นี้ถูกกำหนดหรือไม่? ในแง่ของการทำงานกับอาร์เรย์ขนาดใหญ่แนวทางปฏิบัติที่ดีที่สุดที่ควรปฏิบัติตามสำหรับรหัสที่ประสิทธิภาพนั้นได้รับการชื่นชมคืออะไร คำถามนี้ ( เพราะเหตุใดการปรับขนาดการคูณเมทริกซ์ - เวกเตอร์ของฉันไม่ได้ ) อาจเกี่ยวข้องกัน แต่ฉันสนใจที่จะเรียนรู้เพิ่มเติมเกี่ยวกับวิธีการที่แตกต่างกันของวิธีการรักษาอาร์เรย์ในระดับไพ ธ อนเมื่อเทียบกัน

21 python  performance  numpy 

มีวิธีใช้แพ็กเกจ Python ที่จัดตั้งขึ้น (เช่น SciPy) เพื่อกำหนดฟังก์ชั่นความหนาแน่นของความน่าจะเป็นของตัวเอง(ไม่มีข้อมูลก่อนหน้านี้เพียงแค่ ) ดังนั้นฉันจึงสามารถทำการคำนวณได้ ความแปรปรวนของตัวแปรสุ่มต่อเนื่อง)? แน่นอนว่าฉันสามารถใช้พูด SymPy หรือ Sage สร้างฟังก์ชั่นสัญลักษณ์และดำเนินการ แต่ฉันสงสัยว่าแทนที่จะทำงานทั้งหมดนี้ด้วยตัวเองฉันสามารถใช้แพ็คเกจที่ใช้งานแล้วฉ( x ) = a x + bf(x)=ax+bf(x) = a x + b

20 python  statistics  probability 

สำหรับโครงการที่ฉันกำลังทำงาน (เป็นไฮเพอร์โบลิก PDE) ฉันต้องการรับการจัดการคร่าวๆเกี่ยวกับพฤติกรรมโดยดูจากตัวเลข อย่างไรก็ตามฉันไม่ใช่โปรแกรมเมอร์ที่ดีมาก คุณสามารถแนะนำทรัพยากรบางอย่างสำหรับการเรียนรู้วิธีการรหัสชุดรูปแบบความแตกต่างแน่นอนใน Scientific Python ได้อย่างมีประสิทธิภาพ(ยินดีต้อนรับภาษาอื่นที่มีกราฟการเรียนรู้ขนาดเล็ก) เพื่อให้แนวคิดแก่ผู้ชม (ฉัน) สำหรับคำแนะนำนี้: ฉันเป็นนักคณิตศาสตร์ที่บริสุทธิ์โดยการฝึกอบรมและค่อนข้างคุ้นเคยกับแง่มุมทางทฤษฎีของรูปแบบที่แตกต่างกันแน่นอน สิ่งที่ฉันต้องการความช่วยเหลือคือวิธีทำให้คอมพิวเตอร์คำนวณสิ่งที่ฉันต้องการให้คอมพิวเตอร์คำนวณโดยเฉพาะอย่างยิ่งในวิธีที่ฉันไม่ได้ทำซ้ำความพยายามมากเกินไปที่ผู้อื่นใส่ไว้แล้ว (เพื่อไม่ให้ประดิษฐ์ล้อใหม่เมื่อ มีแพ็คเกจให้ใช้งานแล้ว) (อีกสิ่งหนึ่งที่ฉันต้องการหลีกเลี่ยงคือการเขียนโค้ดด้วยมืออย่างงี่เง่าเมื่อมีการสร้างโครงสร้างข้อมูลที่เหมาะสมกับวัตถุประสงค์) ฉันมีประสบการณ์การเขียนโค้ดบ้าง แต่ฉันไม่มี Python (ดังนั้นฉันไม่รังเกียจหากมีแหล่งข้อมูลที่ดีสำหรับการเรียนรู้ภาษาอื่น [พูดเช่น Octave]) หนังสือเอกสารทั้งสองจะมีประโยชน์เช่นเดียวกับคอลเลกชันของรหัสตัวอย่าง

20 python  finite-difference  reference-request  hyperbolic-pde 

ฉันต้องการใช้f2pyกับ Fortran ที่ทันสมัย โดยเฉพาะอย่างยิ่งฉันพยายามทำให้ตัวอย่างพื้นฐานต่อไปนี้ทำงาน นี่คือตัวอย่างที่มีประโยชน์น้อยที่สุดที่ฉันสามารถสร้างได้ ! alloc_test.f90 subroutine f(x, z) implicit none ! Argument Declarations ! real*8, intent(in) :: x(:) real*8, intent(out) :: z(:) ! Variable Declarations ! real*8, allocatable :: y(:) integer :: n ! Variable Initializations ! n = size(x) allocate(y(n)) ! Statements ! y(:) = 1.0 z …

18 python  fortran 

ฉันต้องการพัฒนาซอฟต์แวร์การคำนวณทางวิทยาศาสตร์แบบขนานตั้งแต่เริ่มต้น ฉันต้องการความคิดเกี่ยวกับภาษาที่จะเริ่มต้น โปรแกรมนี้เกี่ยวข้องกับการอ่าน / เขียนข้อมูลไปยังไฟล์ txt และทำการคำนวณอย่างหนักพร้อม ๆ กันโดยมี factorizations LU จำนวนมากและการใช้ตัวแก้ปัญหาเชิงเส้นแบบกระจัดกระจาย ทางเลือกที่ฉันคิดคือ Fortran 2003/2008 กับ OpenMP หรือ co-array, C ++ กับ openmp cilk + หรือ TBB, python ข้อเสนอแนะอื่น ๆ เอกสารยินดีต้อนรับ! ฉันรู้ดีมาก C, Fortran และ Java (ตามลำดับ) ฉันได้ทำสคริปต์บางอย่างในหลาม แต่เป็นสิ่งพื้นฐาน ฉันรู้ว่าฟอร์แทรนนั้นเร็วมาก แต่ยากที่จะรักษาและขนานกัน C ++ บอกว่าช้าถ้าคุณใช้ไลบรารี่ภายนอกและอื่น ๆ ฉันชอบไพ ธ อน แต่เป็นเรื่องจริงไหมที่จะเขียนซอฟต์แวร์ระดับอุตสาหกรรมเต็มรูปแบบ? ซอฟต์แวร์ต้องสามารถจัดการข้อมูลจำนวนมากและมีประสิทธิภาพด้วยการคำนวณทางวิทยาศาสตร์ …

18 python  hpc  c++  fortran  simulation