注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. Python-极简SeleniumWebDriver封装器用于同时使用在任意数量的网站速度限制之内并行处理友好

  2. 极简Selenium WebDriver封装器，用于同时使用在任意数量的网站速度限制之内。并行处理友好。

  3. 所属分类：其它

    • 发布日期：2019-08-10
    • 文件大小：11264
    • 提供者：weixin_39840387

  1. Python并行编程手册.pdf

  2. 本章将会概述并行编程架构与编程模型。 这些概念对于初次接触并行编程技术、 经验不太丰富的程序员来说非常 有价值。 对于有经验的程序员来说， 本章内容可以作为一个基本的参考。 本章还会介绍并行系统的双重特性。 第一个 特性基于系统架构， 第二个特性基于并行编程范式。 对于程序员来说， 并行编程总是充满挑战的。 这种基于编程的方 式还会在本章后面介绍并行程序的设计过程时进一步阐述。 本章最后将会对Python编程语言进行简短的介绍。 这门语言 的诸多特性（比如易于使用和学习， 可扩展性以及丰富的软件

  3. 所属分类：Python

    • 发布日期：2019-07-03
    • 文件大小：42991616
    • 提供者：jack4096

  1. Python中使用多进程来实现并行处理的方法小结

  2. 本篇文章主要介绍了Python中使用多进程来实现并行处理的方法小结，具有一定的参考价值，感兴趣的小伙伴们可以参考一下

  3. 所属分类：其它

    • 发布日期：2020-09-21
    • 文件大小：157696
    • 提供者：weixin_38665775

  1. python 性能优化方法小结

  2. 提高性能有如下方法 1、Cython,用于合并python和c语言静态编译泛型 2、IPython.parallel，用于在本地或者集群上并行执行代码 3、numexpr，用于快速数值运算 4、multiprocessing,python内建的并行处理模块 5、Numba，用于为cpu动态编译python代码 6、NumbaPro，用于为多核cpu和gpu动态编译python代码 为了验证相同算法在上面不同实现上的的性能差异，我们先定义一个测试性能的函数 def perf_comp_data(

  3. 所属分类：其它

    • 发布日期：2020-12-25
    • 文件大小：63488
    • 提供者：weixin_38697557

  1. Python中多线程的创建及基本调用方法

  2. 1. 多线程的作用 简而言之，多线程是并行处理相互独立的子任务，从而大幅度提高整个任务的效率。 2. Python中的多线程相关模块和方法 Python中提供几个用于多线程编程的模块，包括thread，threading和Queue等 thread模块提供了基本的线程和锁的支持，除产生线程外，也提供基本的同步数据结构锁对象，其中包括： start_new_thread(function, args kwargs=None)  产生一个新的线程来运行给定函数 allocate_lock()  分配

  3. 所属分类：其它

    • 发布日期：2020-12-25
    • 文件大小：65536
    • 提供者：weixin_38688145

  1. python 标准库中的生成器函数

  2. 1. 用于过滤的生成器函数 模块 函数 说明 itertools compress(it,selector_it) 并行处理两个可迭代的对象；如果 selector_it 中的元素是真值，产出 it 中对应的元素 itertools dropwhile(predicate, it) 处理 it，跳过 predicate 的计算结果为真值的元素，然后产出剩下的各个元素（不再进一步检查） （内置） filter(predicate, it) 把 it 中的各个元素传给 pred

  3. 所属分类：其它

    • 发布日期：2020-12-22
    • 文件大小：94208
    • 提供者：weixin_38655484

  1. batch-python-ffmpeg-tutorial:使用批处理与ffmpeg开源工具并行处理媒体文件的Python应用程序-python source file

  2. page_type 描述 语言 产品 样本 一个Python应用程序，它使用Batch与ffmpeg开源工具并行处理媒体文件。 Python 天蓝色 使用ffmpeg批处理Python文件 一个Python应用程序，该应用程序使用Batch与开源工具并行处理媒体文件。 有关详细信息和说明，请参阅随附的文章 。 先决条件 Azure批处理帐户和链接的通用Azure存储帐户 Python 2.7或3.3或更高版本（包括pip） 资源 项目行为守则 该项目采用了。 有关更多信息，请参见或与联系

  3. 所属分类：其它

    • 发布日期：2021-03-25
    • 文件大小：34603008
    • 提供者：weixin_42155721

  1. simple_qap:带Python绑定的基于本地搜索的QAP求解器-源码

  2. simple_qap 带Python绑定的基于本地搜索的二次分配问题（QAP）求解器。 通过OpenMP进行并行处理。 用于控制运行时和解决方案质量之间权衡的参数。 用法 参见./run.sh 笔记 使用w / popsize=1和piter=1应该与以下算法大致等效 scipy.optimize.quadratic_assignment(A, B, method='2opt') 但是，它应该快得多（> 10倍） 运行w / popsize > 1 ， piter >

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：5120
    • 提供者：weixin_42181686

  1. Python并行处理

  2. 当你在机器上启动某个程序时，它只是在自己的“bubble”里面运行，这个气泡的作用就是用来将同一时刻运行的所有程序进行分离。这个“bubble”也可以称之为进程，包含了管理该程序调用所需要的一切。例如，这个所谓的进程环境包括该进程使用的内存页，处理该进程打开的文件，用户和组的访问权限，以及它的整个命令行调用，包括给定的参数。此信息保存在UNIX/Linux系统的流程文件系统中，该系统是一个虚拟文件系统，可通过/proc目录进行访问。条目都已经根据进程ID排过序了，该ID是每个进程的唯一标识符。示

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：232448
    • 提供者：weixin_38614287

  1. Python学习笔记——大数据之SPARK核心

  2. 本文来自于csdn，文章讲解RDD的特点，RDD操作函数相关，穿插案例辣酱得段子，带大家理解MapReduce，通过哈姆雷特单词分析案例进行深度剖析。RDD（ResilientDistributedDatasets弹性分布式数据集），是spark中最重要的概念，可以简单的把RDD理解成一个提供了许多操作接口的数据集合，和一般数据集不同的是，其实际数据分布存储于一批机器中（内存或磁盘中），RDD混合了各种计算模型，使得Spark可以应用于各种大数据处理场景当然，RDD肯定不会这么简单，它的功能还包

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：436224
    • 提供者：weixin_38627213

  1. apache_beam-python：有关使用Apache Beam和Python进行批处理数据并行处理的演示项目-源码

  2. apache_beam-python 一个使用Apache Beam和Python进行批处理数据并行处理的演示项目 团队成员 介绍 Apache Beam是一个数据处理平台。 数据处理可以用于分析目的，也可以用于ETL。 而且，它不依赖于任何与执行引擎和数据无关，与程序无关的人。 工作流程 阿帕奇光束 Apache Beam提供了一个简单而强大的编程模型，用于构建批处理和流并行数据处理管道。 批管道：用于批量处理数据的管道类型。 流数据管道：这些管道实时实时处

  3. 所属分类：其它

    • 发布日期：2021-02-18
    • 文件大小：26624
    • 提供者：weixin_42110469

  1. IdeoEngine：实时处理-源码

  2. IdeoEngine实时处理 ideoengine是基于C ++的分布式实时处理系统。 与Apache Hadoop等批处理系统不同，ideoengine使用流模型来处理数据。 它还支持多语言接口，例如Python和Java。 拓扑结构 实时应用程序的逻辑被打包到ideoengine拓扑中。 意识引擎拓扑类似于MapReduce作业。 一个主要区别是MapReduce作业最终完成，而拓扑永远运行。 流 流是ideoengine中的重要抽象。 流是无限制的元组序列，它以分布式方式并行处理和创建。

  3. 所属分类：其它

    • 发布日期：2021-02-09
    • 文件大小：151552
    • 提供者：weixin_42110362

  1. fastcore：为fastai库增强了Python的功能-源码

  2. 欢迎来到Fastcore Python好东西可让您的编码更快，更轻松，更可维护 Python是一种强大的动态语言。 与其将所有内容烘焙到语言中，不如让程序员对其进行自定义以使其适用于他们。 fastcore利用这种灵活性将Python功能添加到受我们喜欢的其他语言启发的功能中，例如Julia的多次派发，Ruby的mixins以及Cursk，绑定等，以及Haskell的更多功能。 它还添加了一些“缺失的功能”并清理了Python标准库中的一些粗糙边缘，例如简化了并行处理，并将NumPy的思想引入

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：2097152
    • 提供者：weixin_42120563

  1. hypergol：Hypergol是数据科学机器学习生产力工具包，可通过自动生成的代码，数据和ML的标准化结构以及开箱即用的并行处理来加速任何项目的生产-源码

  2. 金银花 Hypergol是一种数据科学生产力工具包，用于在尽可能短的时间内将小型团队项目加速投入生产，同时仍保持高标准的代码。 这是通过以易于扩展的形式自动生成结构和代码来实现的，因此仅需要编写特定于项目的代码。 Hypergol提供了几乎没有限制的并行执行功能。 这使小型团队可以通过从云提供商租用较大的实例来加速耗时的任务，但无需额外的基础架构，从而减少了设置时间和成本。 该工具包提供了一个标准的序列化（自动生成）和存储系统，该系统原生支持并行处理。 生成的数据还可以从任何python代码

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：174080
    • 提供者：weixin_42129412

  1. tmtoolkit：具有并行处理能力的Python文本挖掘和主题建模工具包-源码

  2. tmtoolkit：具有并行处理能力的Python文本挖掘和主题建模工具包

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：42991616
    • 提供者：weixin_42116921

  1. Python并行处理

  2. 当你在机器上启动某个程序时，它只是在自己的“bubble”里面运行，这个气泡的作用就是用来将同一时刻运行的所有程序进行分离。这个“bubble”也可以称之为进程，包含了管理该程序调用所需要的一切。例如，这个所谓的进程环境包括该进程使用的内存页，处理该进程打开的文件，用户和组的访问权限，以及它的整个命令行调用，包括给定的参数。此信息保存在UNIX/Linux系统的流程文件系统中，该系统是一个虚拟文件系统，可通过/proc目录进行访问。条目都已经根据进程ID排过序了，该ID是每个进程的唯一标识符。示

  3. 所属分类：其它

    • 发布日期：2021-02-02
    • 文件大小：232448
    • 提供者：weixin_38517113

  1. Beam：Apache Beam是用于批处理和流传输的统一编程模型-源码

  2. 阿帕奇光束 是用于定义批处理和流数据并行处理管道的统一模型，以及用于构建管道的一组特定于语言的SDK和用于在分布式处理后端（包括 ， ， 执行它们的Runner的集合和 。 状态 提交后测试状态（在主分支上） 郎郎 开发包 数据流 Flink 萨姆扎 火花 Twister2 走 --- --- --- Java Python --- --- ang --- --- 总览 Beam提供了一种通用的方法来表达数据处理管道，并支持三类用户，每种用户都有相对

  3. 所属分类：其它

    • 发布日期：2021-01-30
    • 文件大小：61865984
    • 提供者：weixin_42134234

  1. Python学习笔记——大数据之SPARK核心

  2. 本文来自于csdn，文章讲解RDD的特点，RDD操作函数相关，穿插案例辣酱得段子，带大家理解MapReduce，通过哈姆雷特单词分析案例进行深度剖析。RDD（ResilientDistributedDatasets弹性分布式数据集），是spark中最重要的概念，可以简单的把RDD理解成一个提供了许多操作接口的数据集合，和一般数据集不同的是，其实际数据分布存储于一批机器中（内存或磁盘中），RDD混合了各种计算模型，使得Spark可以应用于各种大数据处理场景当然，RDD肯定不会这么简单，它的功能还包

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：433152
    • 提供者：weixin_38678022

  1. python中reduce()函数的使用方法示例

  2. 前言 本文主要给大家介绍了关于python中reduce()函数使用的相关内容，分享出来供大家参考学习，下面话不多说了，来一起看看详细的介绍： reduce()函数在库functools里，如果要使用它，要从这个库里导入。reduce函数与map函数有不一样地方，map操作是并行操作，reduce函数是把多个参数合并的操作，也就是从多个条件简化的结果，在计算机的算法里，大多数情况下，就是为了简单化。比如识别图像是否是一只猫，那么就是从众多的像素里提炼出来一个判断：是或否。可能是几百万个像素，就只

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：59392
    • 提供者：weixin_38698311

  1. Python中使用多进程来实现并行处理的方法小结

  2. 进程和线程是计算机软件领域里很重要的概念，进程和线程有区别，也有着密切的联系，先来辨析一下这两个概念： 1.定义 进程是具有一定独立功能的程序关于某个数据集合上的一次运行活动,进程是系统进行资源分配和调度的一个独立单位. 线程是进程的一个实体,是CPU调度和分派的基本单位,它是比进程更小的能独立运行的基本单位.线程自己基本上不拥有系统资源,只拥有一点在运行中必不可少的资源(如程序计数器,一组寄存器和栈),但是它可与同属一个进程的其他的线程共享进程所拥有的全部资源. 2.关系 一个线程可以创建

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：156672
    • 提供者：weixin_38655484
« 12 3 4 5 6 7 8 9 10 »