¿Es Julia más rápida que Python y Numba?
¿Es Julia más rápida que Python y Numba?' -> '¿Julia es más rápida que Python y Numba?
Optimización
Numba es muy rápido, pero ¿es lo suficientemente rápido?
Numba es una biblioteca de optimización ampliamente utilizada para Python que eleva los tiempos de ejecución de las funciones al mismo nivel que el lenguaje C, y el lenguaje C es sin duda rápida.
¿Es ese nivel de optimización suficiente para competir con un lenguaje más nuevo, construido a propósito y dirigido como Julia? Y si es así, ¿existen algunas advertencias para lograr ese nivel de velocidad de ejecución en Python?
Introducción
Anteriormente he escrito un artículo comparando NumPy con Julia. El resultado fue básicamente que Julia es efectivamente más rápido que NumPy, en general. Sin embargo, es un poco más matizado que eso, así que te animo a leer el artículo para obtener toda la historia:
¿Es Julia realmente más rápido que Python y NumPy?
La velocidad de C con la simplicidad de Python
towardsdatascience.com
Una de las respuestas más comunes a ese artículo fue algo así:
- Desbloquea información sobre aprendizaje automático utilizando el P...
- Cómo VirtuSwap acelera sus simulaciones comerciales basadas en pand...
- Cómo saber si tu IA es consciente
Bueno, también deberías usar Numba. ¡Es fácil de implementar y hace las cosas aún más rápidas!
-bastantes personas
…así que este artículo intentará abordar esa sugerencia de frente.
¿Usar Numba coincide, o incluso supera, la velocidad de Julia? ¿Es tan fácil de usar e implementar como parece afirmar la gente? Y, ¿existen algunas desventajas?
Vamos a descubrirlo…
Una breve introducción a Julia
Como algunos de ustedes pueden no haber leído el artículo anterior sobre NumPy, repetiré la sección “¿Qué es Julia?” incluida en ese artículo aquí, pero si ya han leído el artículo anterior, pueden saltar adelante.
