معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

A decorator for automatic algorithms optimization via fast matrix exponentiation

ویژگی	مقدار
سیستم عامل	-
نام فایل	cpmoptimize-0.4
نام	cpmoptimize
نسخه کتابخانه	0.4
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Alexander Borzunov
ایمیل نویسنده	borzunov.alexander@gmail.com
آدرس صفحه اصلی	http://github.com/borzunov/cpmoptimize
آدرس اینترنتی	https://pypi.org/project/cpmoptimize/
مجوز	MIT

=========== cpmoptimize =========== A decorator for automatic algorithms optimization via fast matrix exponentiation .. image:: https://img.shields.io/travis/borzunov/cpmoptimize/master.svg :target: https://travis-ci.org/borzunov/cpmoptimize .. image:: https://img.shields.io/pypi/v/cpmoptimize.svg :target: https://pypi.python.org/pypi/cpmoptimize .. image:: https://img.shields.io/pypi/pyversions/cpmoptimize.svg .. image:: https://img.shields.io/pypi/implementation/cpmoptimize.svg Installation ------------ You can install the stable version of the library using pip:: sudo pip install cpmoptimize Or install a previously downloaded and extracted package:: sudo python setup.py install Basic Example ------------- Suppose we want to calculate the ten millionth `Fibonacci number`_ using a program in Python. The function with a trivial algorithm is rather slow: .. code:: python def fib(n): a = 0 b = 1 for i in xrange(n): a, b = b, a + b return a result = fib(10 ** 7) # Time: 25 min 31 sec But if we apply the optimizing decorator, the function will give you the answer much faster: .. code:: python from cpmoptimize import cpmoptimize @cpmoptimize() def fib(n): a = 0 b = 1 for i in xrange(n): a, b = b, a + b return a result = fib(10 ** 7) # Time: 18 sec (85x faster) .. _Fibonacci number: https://en.wikipedia.org/wiki/Fibonacci_number Description ----------- Actually, the decorator disassembles bytecode of a function using pretty ``byteplay`` library, analyzes the code, and tries to reduce `time complexity`_ of the algorithm used in it using `fast matrix exponentiation`_. .. _time complexity: https://en.wikipedia.org/wiki/Time_complexity .. _fast matrix exponentiation: https://en.wikipedia.org/wiki/Exponentiation_by_squaring The decorator uses a method implemented by `Alexander Skidanov`_ in his simple `optimizing interpreter`_. .. _Alexander Skidanov: https://github.com/SkidanovAlex .. _optimizing interpreter: https://github.com/SkidanovAlex/interpreter A detailed description of the library (including an idea explanation and an interface reference) is available in English_ and Russian_. .. _English: http://kukuruku.co/hub/algorithms/automatic-algorithms-optimization-via-fast-matrix-exponentiation .. _Russian: http://habrahabr.ru/post/236689/ Author ------ Copyright (c) 2014, 2015 Alexander Borzunov

نحوه نصب

نصب پکیج whl cpmoptimize-0.4:

pip install cpmoptimize-0.4.whl

نصب پکیج tar.gz cpmoptimize-0.4:

pip install cpmoptimize-0.4.tar.gz