我想知道:这两个项目的目标是否基本相同——加快 Python 中的数值工作?
有什么相同点和不同点?
我知道 Theano 并不打算像 NumPyPy 那样重新实现所有 NumPy,但根据我的阅读,Theano 已经可以带来一些非常令人印象深刻的加速结果。那么,如果我们可以为 Theano 编写运行速度很快的代码,为什么还需要 NumPyPy?
最佳答案
一方面:数百万行代码使用 numpy,因此将 Numpy 移植到 pypy 将是向 Pypy 移植许多其他(科学和其他)库的一大进步。
在 pypy 中重新实现所有 Numpy 可能听起来像是一件苦差事,但确实如此,但另一种方法就是疯狂:重新实现数百个或库以使用 XXX。
顺便说一句,我不太了解 theano,但我知道它不能替代 Numpy。 它们是不同的项目,具有不同的功能。
关于NumPy 与 Theano?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/13757826/