veyepar: Schnelle Schleifen mit Cython

Author(s):	Stefan Behnel
Location	Saal 1D
Date	oct Mon 29	Days Raw Files
Start	09:00	First Raw Start	error-in-template
Duration	00:210.0:00	Offset	None
End	12:30	Last Raw End
Chapters
Total cuts_time	None min.

https://2012.de.pycon.org/programm/schedule/sessions/8/
raw-playlist raw-mp4-playlist encoded-files-playlist mp4 svg png

assets release.pdf Tutorial_Schnelle_Schleifen_mit_Cython.json
logs
Admin: episode episode list cut list raw files day marks day marks day image_files

State:

Locked:

clear this to unlock

Locked by:

user/process that locked.

Start:

initially scheduled time from master, adjusted to match reality

Duration:

length in hh:mm:ss

Name:

Video Title (shows in video search results)

Emails:

email(s) of the presenter(s)

Released:

has someone authorised pubication

Normalise:

Channelcopy:

m=mono, 01=copy left to right, 10=right to left, 00=ignore.

Thumbnail:

filename.png

Description:

markdown

[Cython](http://cython.org/ "Web-Seite des Cython-Projekts") ist eine Programmiersprache, die die Sprache Python um zusätzliche Features ergänzt. Sie macht das Schreiben von schnellen Erweiterungsmodulen für CPython und das Anbinden von externen nativen Bibliotheken (C/C++/Fortran/...) so einfach wie Python selbst.

Dieses Tutorial vermittelt einen Überblick über die Sprache Cython und bietet einen Einstieg in die Optimierung von schleifenbasierten Algorithmen über NumPy Arrays, mit denen große Datenmengen effizient verarbeitet werden können. Dazu werden Memory-Views verwendet, die mit Version 0.16 in Cython Einzug gehalten haben, parallele Schleifen, sowie generische Funktionen, die es dem Compiler erlauben, einmal geschriebenen Code für verschiedene native Datentypen zu optimieren.

Kurz: hier wird performanter Code geschrieben, ohne die Schönheit und Einfachheit von Python verlassen zu müssen.

Ungefähre (geplante) Gliederung:

* Einführung Cython: ~10 Min.
* Übersetzen des ersten Cython-Projekts: ~20 Min.
* Überblick Cython: ~30 Min.
* Einführung in NumPy-Arrays und Memory-Views: ~20 Min.
* Übung zu Memory-Views: ~30 Min.
* Parallelisierung eines Array-Algorithmus: ~20 Min.
* Optimierung von Code für verschiedene Datentypen: ~20 Min.
* restliche Zeit: Pause, Ausprobieren, Fragen, etc.

Benötigte Software:

* Python 3.2 (alternativ Python 2.7)
 * Cython 0.17.1
 * NumPy 1.6.x
 * C-Compiler mit OpenMP-Unterstützung: gcc auf Linux/Unix/Mac, MSVC oder MinGW auf Windows.

Die Installation des C-Compilers bitte vorher testen durch Übersetzung eines C-implementierten Packets von PyPI, z.B. bitarray  (http://pypi.python.org/pypi/bitarray/0.8.0) oder jsonlib (http://pypi.python.org/pypi/jsonlib).

Comment:

production notes