Haciendo Python Fly: Acelere el rendimiento sin recodificar

Los desarrolladores están cada vez más asediados por el gran diluvio de datos. Las unidades de negocios quieren encontrar la información procesable oculta en todos esos datos, y los equipos de desarrollo están recurriendo más frecuentemente a Python para brindar las respuestas que los usuarios buscan.

Pero hay un gran inconveniente: el código Python interpretado simplemente no tiene la velocidad del código compilado, lo que obliga a muchos desarrolladores a considerar la posibilidad de volver a escribir sus aplicaciones de big data y aprendizaje automático en C.

La distribución Intel® para Python *, que es absolutamente gratuita, por cierto, usa bibliotecas probadas como la Biblioteca Intel® Kernel de Matemáticas (Intel® MKL) y la Biblioteca de Aceleración de Intel® Data Analytics (Intel® DAAL) para hacer Python el código grita de inmediato, sin necesidad de recodificación. Estos son algunos de los beneficios que los equipos de desarrollo pueden esperar.

En primer lugar, los paquetes de numeración de números como NumPy, SciPy y scikit-learn se ejecutan de forma nativa, en lugar de ser interpretados. Ese es un gran impulso de velocidad.

Además de eso, daal4py ofrece algoritmos de aprendizaje automático increíblemente rápidos como K-Means Clustering, Random Forest, Logistic Regression, KNN, SVM y muchos más, lo que acelera aún más el procesamiento del código de análisis de datos, lo que permite el análisis casi en tiempo real de todo tipo de feeds.

¿Por qué Intel regala esto? Porque quieren que los programadores aprovechen al máximo su hardware, de forma simple y sencilla. La vectorización, el multihilo y la paralelización incorporados le permiten aprovechar todos los núcleos de cada servidor, o en varios servidores de un clúster. Automágicamente.

¿Qué tipo de mejoras de rendimiento puede esperar? Intel ha demostrado de uno a dos órdenes de aumentos de velocidad de magnitud, más de 200 veces en algunos casos. Eso en sí mismo debería tener todos los desarrolladores de Python ejecutándose para descargar IDP.

Sí, funciona con Numba y Cython, sí, funciona con la biblioteca Intel® Threading Building Blocks (Intel® TBB), y sí, está desarrollado desde Python de código abierto, por lo que su código Python existente funcionará más rápido al salir de caja.

Cada desarrollador de aprendizaje automático, cada científico de datos, cada analista que usa Python, cada desarrollador de computación numérico y científico que solo quiere acelerar los paquetes de Python de computación intensiva como NumPy y mpi4py, todos los desarrolladores de HPC buscan desbloquear el poder del hardware moderno. Python en producción necesita la distribución de Intel para Python.

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *