欧拉公式求长期率的matlab代码使您的代码更快：Jupyter
Notebook中的Cython和并行处理
PyData
DC
2016教程的存储库
Python有多种选择来加快代码执行速度，包括使用专门的库，使用不同的编译器或进行并行处理。
但是，在Jupyter
Notebook中，这些选项中只有一部分方法可用。
当前项目显示了其中的一些解决方案，以解决以下问题：
函数y
=
x
^
2可以通过欧拉方法使用其导数y'=
2x近似：
y（n
+
1）=
y（n）+（步*
y'）
逼近的精度取决于步长很小。
我们希望找到在比较获得的值时得出差异小于1e-5的步长在评估一百万点后，使用y
=
x
^
2公式和Euler方法
将涵盖以下方法：
赛顿
脾气暴躁的
Scipy.integrate
Numba
使用ipyparallel
/
ipcluster进行并行处理
演示视频可在以下位置获得：
注意：还可以使用许多其他并行处理方法。
我建议您查看PyData
DC
2016关于Dask和current.futures的其他演讲。
2021-05-23 17:03:58
293KB
1
采用基于CUDA的Parallel Gauss-Seidel方法求解2D 泊松方程。
2021-05-21 13:02:20
1.53MB
1
MATLAB 2017b Parallel Computing Toolbox官方教程，包含用户手册和系统管理
2021-05-20 14:55:34
4.72MB
1
Parallel Computer Architecture： A Hardware / Software Approach
author：duda
2021-05-19 12:49:54
4MB
1
AN EFFICIENT PARALLEL ALGORITHM FOR SKEIN HASH FUNCTIONS.pdf
2021-05-14 15:07:19
185KB
1