漫步量化

线程和进程线程、进程经常放在一起对比：《线程||进程||行程||多线程||多进程一次搞清》《IO密集型任务（多线程）||计算密集型（多进程）》线程是最小单位，进程内至少包含一个线程。对操作系统来说，线程是最小的执行单元，进程是最小的资源管理单元。进程间的切换（涉及栈、寄存器、虚拟内存、文件句柄等）开销较大，但是相对安全；不同进程通过进程间通讯来通信。线程是比进程更小的、CPU调度...

并发/并行从物理基础元素角度来看，当只有一个CPU时，执行一个程序这个程序就会一直占用CPU，直到程序运行结束。如果这个程序的运行过程中，需要用到CPU的部分很快就结束了，程序的其他环节（比如IO阻塞等）正在占用时间，此时CPU是空置的。于是就有了并发。并发的不足并发执行加速了对CPU的使用效率，也带来了问题。程序A运行到一半，程序B进来抢占CPU，程序A的中间状态/内存/变量...

前导知识理解本文需要先了解：计算机底层基础知识，CPU、机器码、编译等《编译型语言与解释型语言如何在计算机底层运行》《计算机底层运转机制：多核、缓存、CPU、CU、ALU、Cache》Python代码与GPU加速的关系《Python程序如何用GPU加速：Tesla、CUDA、Numba》在CPU入门numba《Python代码在CPU下加速：Numba入门》在GPU入门numba《...

Python与GPUPython作为解释型语言，.py文件一般是没法直接用GPU加速的，关于Python与GPU的结合点，以及GPU、CPU、CUDA、多核、并行、机器码…等底层实现，参考：《Python程序如何用GPU加速：Tesla、CUDA、Numba》《计算机底层运转机制：多核、缓存、CPU、CU、ALU、Cache》《编译型语言与解释型语言如何在计算机底层运行》Numb...

Python代码加速主要考虑代码优化加速，而非代码逻辑优化。Python代码直接运行GPU是不行的，需要一定的改变，Numba是一个接口，不过本文主要针对CPU下的Python代码加速。Python解释器工作原理Python文件执行过程.py文件通过解释器转化为虚拟机可以执行的字节码(.pyc)；字节码在虚拟机上执行，得到结果；字节码是一种只能运行在虚拟机上的文件...

概念解析首先要明白，普通的Python代码是无法使用GPU加速的，只能在GPU上跑针对GPU设计的程序。硬件加速必须要用硬件语言实现。查询Python+GPU关键字，除了TensorFlow，另外出镜率比较高的几个概念是：Numba、CUDA、PyCUDA、minpy。要理解这些，需要对Python的理解更底层一些。关于计算机的一些底层实现，参见：《编译型语言与解释型语言如何在计算...

现代CPU《编译型语言与解释型语言如何在计算机底层运行》中提到，计算机依靠编译器将源代码（编译型编程代码：C之类）编译成机器码执行，准确说，就是用CPU执行。冯 诺伊曼架构冯⋅\cdot⋅诺伊曼(1945)提出当前计算机的主流架构，包含以下三大部分：CPU(Central Processing Unit)：包含控制单元(Control Unit)、逻辑运算单元(Arithme...

计算机架构​ 计算机的物理属性限制其只能执行二进制文件，无论多么复杂绚丽的程序、应用，在最底层，就是0、1。计算机的物理底层，是半导体。就是说，半导体只能以二进制进行计算。可执行文件，是二进制机器语言的集合，可以被机器执行，得到想要的结果。比如Windows里的.exe文件，即executable。计算机能执行的指令，称为机器语言或机器码。不同计算机芯片厂商所设计的半导体电路不同，...