收录了 python运行 频道下的 50 篇内容
Google 运行着大量的 Python 代码,youtube.com 的前端服务器是 Python 写的,YouTube 的 API 主要也是 Python 写的。到了 YouTube 的量级,性能非常重要。YouTube 的前端主要依赖 CPython 2.7,所以 Google 花费了大量精力来优化运行时,并调整应用,以获得最好的性能。 备注:末尾的广告还麻烦去掉哈
PyFlink 现有的 Python 运行时及基于 JCP 构建的下一代 Python 运行时的架构及优势。
2008年4月7号,Google在Campfire One上介绍了一种简化创建、运行和构建伸缩性Web应用的工具——Google App Engine。简而言之,Google App Engine允许你本地使用Google基础设施构建Web应用,待其完工之后再将其部署到Google基础设施之上。
可以实现目前人气极高的机器学习
上一周,我在亚马逊 AWS 官方博客发了一篇介绍 Deep Java Library (DJL)一个面向 Java 的深度学习开发库的文章。
谷歌通过使用Go语言创建了一个新的Python运行时,解决了CPython中全局解释器锁(Global Interpreter Lock)导致的并发局限。
在最近举行的Connect()大会上,微软宣布Azure Functions对Python的支持。开发人员可以使用Python 3.6基于开源的Functional Runtime 2.0构建Function,并将它们发布到Consumption Plan。
Unladen Swallow尝试将LLVM优化引入到CPython运行时,但是去年却没有取得重大进展。现在,一篇回顾Unladen swallow的文章已经确认了这个项目的死亡,不会再进行开发。发生了什么?
为了GenAI,谷歌解雇了整个Python语言团队。
Shri Borde讨论了IronPython 2的目前状态以及如何与编译的代码协同工作。他关注的问题包括反射和CLS兼容性。
Facebook开源了一个名为Python Test Runner(ptr)的新项目,允许开发人员运行Python单元测试套件。ptr和现有测试运行器之间的主要区别在于ptr通过爬取存储库查找一定的Python项目,这些项目带有的单元测试在安装文件中已经定义过。
InfoQ开设栏目“品味书香”,精选技术书籍的精彩章节,以及分享看完书留下的思考和收获,欢迎大家关注。本文节选自齐伟著《跟老齐学Python从入门到精通》中的章节“模块之编写模块”,介绍Python如何编写自己的模块。
借助 Air2phin,用户可 2 步将调度系统从 Airflow 迁移至 Apache DolphinScheduler。
本文提到的异常检测特指在运维领域中对时序数据的异常检测,目的是为了发现时序数据中状态的变化。
使用 AWS Glue Python Shell 构建
Docker是在云中部署ML模型的绝佳工具。
本文将讨论 Go 脚本的必要性、我们预期的表现以及可能的实现方式。
今天,AWS 宣布推出 ONNX-MXNet,它是一种用于将 Open Neural Network Exchange (ONNX) 深度学习模型导入到 Apache MXNet 的开源 Python 程序包。