JIT编译优化你的Python代码
📚 30章 · 从入门到实战
01
JIT编译初探
什么是JIT？为什么Python需要JIT？对比解释器/AOT
02
PyPy入门
安装配置 · 与CPython差异 · 第一个PyPy程序
03
Numba基础
安装 · @jit装饰器 · nopython模式
04
Numba数据类型
支持的类型 · 类型推断 · 统一与异构类型
05
Numba与NumPy
向量化 · ufunc JIT加速 · 数组优化
06
Numba高级特性
并行prange · GPU加速 · 缓存机制
07
Cython入门
安装 · .pyx结构 · 静态类型声明
08
Cython与C交互
调用C库 · cdef/cpdef · 外部声明
09
Cython性能调优
类型注解 · 内存视图 · 编译器指令
10
Cython与Python互操作
导入模块 · 对象操作 · 异常处理
11
JAX框架入门
安装 · 自动微分 · JIT编译(jit)
12
JAX高级特性
vmap/pmap · 随机数 · 自定义梯度
13
JAX与神经网络
简单神经网络 · Flax生态 · 性能对比
14
Pythran入门
安装 · 静态编译 · NumPy加速
15
Pythran高级用法
OpenMP并行 · 模块化编译 · 对比Cython
16
Triton语言基础
安装 · 内核编写 · 块级编程
17
Triton实战
矩阵乘法优化 · 融合算子 · 对比CUDA
18
PyTorch JIT
TorchScript入门 · trace/script · 模型优化
19
PyTorch JIT高级
动态图vs静态图 · 量化剪枝 · 部署优化
20
TensorFlow XLA
XLA编译原理 · tf.function · 自动聚类
21
TensorFlow XLA实战
模型加速 · 内存优化 · 分布式编译
22
Python字节码与JIT
字节码 · dis模块 · JIT如何工作
23
自定义JIT编译器
ast模块 · 代码生成 · 简单JIT实现
24
JIT性能分析
cProfile/line_profiler · Numba分析 · 火焰图
25
JIT调试技巧
Numba调试 · Cython调试 · JAX调试
26
JIT与多线程
GIL问题 · Numba并行 · Cython多线程
27
JIT与分布式计算
Dask+Numba · Ray+Cython · JAX分布式
28
JIT在Web服务中的应用
Flask+Numba · FastAPI+Cython · 性能对比
29
JIT在数据处理中的应用
Pandas加速 · Numba+DataFrame · Cython+ETL
30
JIT最佳实践与未来
选型指南 · 常见陷阱 · JIT技术展望