Bewertung:
Das Buch wird für seine ausführliche Behandlung fortgeschrittener Python-Programmiertechniken gelobt, insbesondere im Hinblick auf Leistung und Speicheroptimierung. Es bietet praktische Beispiele und qualitativ hochwertige Inhalte, so dass es für fortgeschrittene Benutzer geeignet ist. Einige Leser empfinden es jedoch als zu lang, mit unnötigen Füllinhalten, einem verwirrenden Schreibstil und einem Mangel an Tiefe in bestimmten Bereichen.
Vorteile:Ausführliche Methoden für das Profiling von Python-Programmen, qualitativ hochwertige Beispiele, umfassende Behandlung von Leistung und Speicherverwaltung, gut strukturierte Inhalte, die sowohl als Lernwerkzeug als auch als Nachschlagewerk dienen und von erfahrenen Autoren geschrieben wurden, bieten nützliche Einblicke in die Wechselwirkungen von Python mit der Computerarchitektur.
Nachteile:Das Buch wird als zu langatmig mit viel Füllmaterial empfunden, einige Beispiele sind übermäßig komplex, der Schreibstil ist schrill und verwirrend, und bestimmten Themen fehlt es an Tiefe, insbesondere in Bezug auf bestimmte Module und praktische Beispiele.
(basierend auf 14 Leserbewertungen)
High Performance Python: Practical Performant Programming for Humans
Ihr Python-Code mag korrekt laufen, aber Sie müssen ihn schneller machen. Diese für Python 3 aktualisierte und erweiterte Ausgabe zeigt Ihnen, wie Sie Leistungsengpässe ausfindig machen und Ihren Code in Programmen mit hohem Datenaufkommen deutlich beschleunigen können. High Performance Python hilft Ihnen dabei, ein tieferes Verständnis der Python-Implementierung zu erlangen, indem es die grundlegende Theorie hinter den Designentscheidungen untersucht.
Wie können Sie die Vorteile von Multicore-Architekturen oder Clustern nutzen? Oder wie baut man ein System auf, das ohne Einbußen an Zuverlässigkeit skaliert? Erfahrene Python-Programmierer lernen konkrete Lösungen für viele Probleme kennen, zusammen mit Erfahrungsberichten von Unternehmen, die High-Performance-Python für Social-Media-Analysen, produktionsorientiertes maschinelles Lernen und mehr einsetzen.
⬤ Verschaffen Sie sich ein besseres Verständnis für NumPy, Cython und Profiler.
⬤ Lernen Sie, wie Python die zugrunde liegende Computerarchitektur abstrahiert.
⬤ Nutzen Sie Profiling, um Engpässe bei der CPU-Zeit und der Speichernutzung zu finden.
⬤ Effiziente Programme durch die Wahl geeigneter Datenstrukturen schreiben.
⬤ Beschleunigung von Matrix- und Vektorberechnungen.
⬤ Werkzeuge verwenden, um Python in Maschinencode zu kompilieren.
⬤ Mehrere E/A- und Berechnungsoperationen gleichzeitig verwalten.
⬤ Multiprocessing-Code so umwandeln, dass er auf lokalen oder entfernten Clustern läuft.
⬤ Schnelleres Deployment von Code mit Tools wie Docker.
| ISBN: | 9781492055020 |
| Autor: | |
| Verlag: | |
| Einband: | Taschenbuch |
| Erscheinungsjahr: | 2020 |
| Seitenzahl: | 468 |
Derzeit verfügbar, auf Lager.
