lensacom/sparkit-learn

[RFC] Integrate with numba / parakeet

Open

#26 geöffnet am 11. Juni 2015

Auf GitHub ansehen
 (0 Kommentare) (0 Reaktionen) (0 zugewiesene Personen)Python (255 Forks)batch import
enhancementhelp wantedrfc

Repository-Metriken

Stars
 (1.144 Stars)
PR-Merge-Metriken
 (Keine gemergten PRs in 30 T)

Beschreibung

Execution time could benefit from an optimizer like numba.

From numba's documentation: "Numba works by generating optimized machine code using the LLVM compiler infrastructure at import time, runtime, or statically (using the included pycc tool). Numba supports compilation of Python to run on either CPU or GPU hardware, and is designed to integrate with the Python scientific software stack."

Contributor Guide

Research-Richtung
Untersuche die sparkit learn Codebasis, um Leistungsengpässe zu identifizieren, insbesondere in Kernberechnungsfunktionen wie parallel predict oder fit. Überprüfe die numba Dokumentation und Beispiele zur Integration mit numpy und scikit learn. Schlage spezifische Funktionen vor, die mit numba beschleunigt werden sollen, und liefere Benchmark Vergleiche, um die Verbesserungen zu demonstrieren.
Tech Stack
pythonscikit learnsparknumpy
Domain
performancedatamachine learning
Issue Type
Funktion
SchwierigkeitGeschätzte Implementierungsschwierigkeit für neue Contributors, von 1 für sehr kleine Änderungen bis 5 für Expertenarbeit.
4
Geschätzte ZeitEin grober Zeitrahmen, um zu recherchieren, zu implementieren, zu testen und einen Pull Request vorzubereiten.
Über 1 Woche
AktivitätsstatusWie verfügbar das Issue gerade wirkt: frisch, aktiv, stale, blockiert oder wartet auf Maintainer-Input.
Veraltet
KlarheitWie klar das Issue die erwartete Änderung, Akzeptanzkriterien und den nächsten Schritt erklärt.
Unklar
Voraussetzungen
numba basicsPython and numpyPySparkscikit learn
EinsteigerfreundlichkeitEin Score von 1 bis 100, der schätzt, wie zugänglich dieses Issue für First-Time Contributors ist.
10