{"id":102875,"date":"2022-01-06T09:37:14","date_gmt":"2022-01-06T07:37:14","guid":{"rendered":"https:\/\/prohoster.info\/blog\/novosti-interneta\/%d0%b2%d1%8b%d0%bf%d1%83%d1%81%d0%ba-python-%d0%b1%d0%b8%d0%b1%d0%bb%d0%b8%d0%be%d1%82%d0%b5%d0%ba%d0%b8-%d0%b4%d0%bb%d1%8f-%d0%bd%d0%b0%d1%83%d1%87%d0%bd%d1%8b%d1%85-%d0%b2%d1%8b%d1%87%d0%b8%d1%81"},"modified":"2022-01-06T09:37:14","modified_gmt":"2022-01-06T07:37:14","slug":"%d0%b2%d1%8b%d0%bf%d1%83%d1%81%d0%ba-python-%d0%b1%d0%b8%d0%b1%d0%bb%d0%b8%d0%be%d1%82%d0%b5%d0%ba%d0%b8-%d0%b4%d0%bb%d1%8f-%d0%bd%d0%b0%d1%83%d1%87%d0%bd%d1%8b%d1%85-%d0%b2%d1%8b%d1%87%d0%b8%d1%81","status":"publish","type":"post","link":"https:\/\/prohoster.info\/de\/blog\/news\/%d0%b2%d1%8b%d0%bf%d1%83%d1%81%d0%ba-python-%d0%b1%d0%b8%d0%b1%d0%bb%d0%b8%d0%be%d1%82%d0%b5%d0%ba%d0%b8-%d0%b4%d0%bb%d1%8f-%d0%bd%d0%b0%d1%83%d1%87%d0%bd%d1%8b%d1%85-%d0%b2%d1%8b%d1%87%d0%b8%d1%81","title":{"rendered":"Ver\u00f6ffentlichung der Python-Bibliothek f\u00fcr wissenschaftliche Berechnungen NumPy 1.22.0","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"
Die Ver\u00f6ffentlichung der Python-Bibliothek f\u00fcr wissenschaftliches Rechnen NumPy 1.22 ist erh\u00e4ltlich, die auf die Arbeit mit mehrdimensionalen Arrays und Matrizen ausgerichtet ist und eine gro\u00dfe Sammlung von Funktionen mit Implementierungen verschiedener Algorithmen im Zusammenhang mit der Verwendung von Matrizen bietet. NumPy ist eine der am h\u00e4ufigsten verwendeten Bibliotheken f\u00fcr wissenschaftliche Berechnungen. Der Projektcode ist in Python geschrieben und nutzt Optimierungen in C und wird unter der BSD-Lizenz verbreitet. <\/p>\n
In der neuen Version: <\/p>\n
\n
Die Arbeiten zur Bestimmung der Annotationen f\u00fcr den Haupt-Namespace sind abgeschlossen.\n
Ein vorl\u00e4ufiger API-Entwurf f\u00fcr Array wurde vorgeschlagen, der dem Standard Python Array API entspricht und in einem separaten Namespace implementiert ist. Die neue API verfolgt das Ziel, Standardschnittstellen f\u00fcr die Arbeit mit Arrays bereitzustellen, die auch in Anwendungen auf Basis anderer Bibliotheken wie CuPy und JAX verwendet werden k\u00f6nnen.\n
Ein DLPack-Backend wurde implementiert, das Unterst\u00fctzung f\u00fcr das gleichnamige Format f\u00fcr den Austausch von Array-Inhalten (Tensoren) zwischen verschiedenen Frameworks bietet.\n
Ein Satz von Methoden mit Implementierungen von Funktionen zu den Konzepten Quantil und Perzentil wurde hinzugef\u00fcgt.\n
Ein neuer anpassbarer Speicher-Manager (numpy-allocator) wurde hinzugef\u00fcgt.\n
Die Arbeiten an der Optimierung von Funktionen und Plattformen unter Verwendung von Vektor-Computing-Instruktionen SIMD wurden fortgesetzt.\n
Die Unterst\u00fctzung f\u00fcr Python 3.7 wurde eingestellt, es sind die Versionen Python 3.8-3.10 erforderlich. <\/ul>\n