Nagy teljesítményű Python: Practical Performant Programming for Humans

Olvasói vélemények

A könyvet a fejlett Python programozási technikák mélyreható lefedettségéért dicsérik, különösen a teljesítmény és a memória optimalizálása tekintetében. Gyakorlati példákat és magas színvonalú tartalmat kínál, így a középhaladók számára is alkalmas. Egyes olvasók azonban túl hosszúnak találják, felesleges tölteléktartalommal, zavaros írásmóddal és bizonyos területeken a mélység hiányával.

A Python-programok profilozásának mélyreható módszerei, a kiváló minőségű példák, a teljesítmény és a memóriakezelés átfogó lefedése, a jól strukturált tartalom, amely tanulási segédeszközként és referenciaként is szolgál, tapasztalt szerzők által írva, hasznos betekintést nyújt a Python és a számítógép architektúra kölcsönhatásaiba.

A könyvet túl hosszúnak tartják, sok töltelékkel, egyes példák túlságosan bonyolultak, az írásmód szaggatott és zavaró, és egyes témákból hiányzik a mélység, különösen az egyes modulokat és gyakorlati példákat illetően.

(14 olvasói vélemény alapján)

Eredeti címe:

High Performance Python: Practical Performant Programming for Humans

Könyv tartalma:

A Python kódod lehet, hogy helyesen fut, de gyorsabban kell futnia. A Python 3-hoz frissített, bővített kiadás megmutatja, hogyan találhatja meg a teljesítmény szűk keresztmetszeteit, és hogyan gyorsíthatja fel jelentősen a kódját a nagy adatmennyiségű programokban. A High Performance Python a tervezési döntések mögött meghúzódó alapvető elméletek feltárásával segít a Python implementációjának mélyebb megértésében.

Hogyan használja ki a többmagos architektúrák vagy klaszterek előnyeit? Vagy építs olyan rendszert, amely a megbízhatóság elvesztése nélkül skálázódik felfelé és lefelé? A tapasztalt Python-programozók számos kérdésre konkrét megoldásokat tanulhatnak meg, valamint olyan vállalatok hadtörténeteit, amelyek nagy teljesítményű Pythont használnak közösségi médiaelemzésre, gyártásalapú gépi tanulásra és sok másra.

⬤ Jobb ismereteket szerezhet a NumPy, a Cython és a profilozók használatáról.

⬤ Tanulja meg, hogyan absztrahálja a Python a mögöttes számítógép-architektúrát.

⬤ Használja a profilozást a CPU-idő és a memóriahasználat szűk keresztmetszeteinek megtalálására.

⬤ Írjon hatékony programokat a megfelelő adatszerkezetek kiválasztásával.

⬤ Gyorsítsa fel a mátrix- és vektorszámításokat.

⬤ A Python gépi kódra történő lefordításához szükséges eszközök használata.

⬤ Folyamatosan több I/O és számítási művelet egyidejű kezelése.

⬤ Multiprocesszoros kód átalakítása helyi vagy távoli fürtökön való futtatáshoz.

⬤ Gyorsabb kódelosztás olyan eszközökkel, mint a Docker.