# 1.18。會談和教程
> 原文: [http://numba.pydata.org/numba-doc/latest/user/talks.html](http://numba.pydata.org/numba-doc/latest/user/talks.html)
注意
這是 Numba 團隊成員和 Numba 用戶提供的精選講座和教程。如果您知道應該包含在此列表中的與 Numba 相關的演講,請[打開一個問題](https://github.com/numba/numba/issues)。
## 1.18.1。談論 Numba
* AnacondaCON 2018 - 用 Numba 加速科學工作量 - Siu Kwan Lam([視頻](https://www.youtube.com/watch?v=6oXedk2tGfk))
* [DIANA-HEP 會議,2018 年 4 月 23 日](https://indico.cern.ch/event/709711/) - Numba 概述 - Stan Seibert
## 1.18.2。談談 Numba 的應用
* PyData Berlin 2018 - 使用 Apache Arrow 和 Numba 擴展熊貓 - Uwe L. Korn([視頻](https://www.youtube.com/watch?v=tvmX8YAFK80),[博客](https://uwekorn.com/2018/08/03/use-numba-to-work-with-apache-arrow-in-pure-python.html))
* SciPy 2018 - UMAP:均勻流形逼近和尺寸縮小投影 - Leland McInnes([視頻](https://www.youtube.com/watch?v=nq6iPZVUxZU), [Github](https://github.com/lmcinnes/umap) )
* 2016 年 GPU 技術大會 - 在 GPU 上使用 Python / Numba 加速等離子體物理的光譜算法 - Manuel Kirchen&雷米·勒赫([幻燈片](http://on-demand.gputechconf.com/gtc/2016/presentation/s6353-manuel-kirchen-spectral-algorithm-plasma-physics.pdf))
* [DIANA-HEP 會議,2018 年 4 月 23 日](https://indico.cern.ch/event/709711/) - 在 XENONnT 中使用 Numba - Chris Tunnell
* [DIANA-HEP 會議,2018 年 4 月 23 日](https://indico.cern.ch/event/709711/) - 為 HEP 數據類型擴展 Numba - Jim Pivarski
* STAC 峰會,2017 年 11 月 1 日 - 以最小的努力擴展高性能 Python - Ehsan Totoni([視頻](https://stacresearch.com/STAC-Summit-1-Nov-2017-Intel-Totoni),[幻燈片](https://stacresearch.com/system/files/resource/files/STAC-Summit-1-Nov-2017-Intel-Totoni.pdf))
## 1.18.3。教程
* SciPy 2017 - Numba:告訴那些 C ++惡霸失去了 - Gil Forsyth& Lorena Barba([視頻](https://www.youtube.com/watch?v=1AwG0T4gaO0),[筆記本](https://github.com/gforsyth/numba_tutorial_scipy2017))
* GPU 技術大會 2018 年 - 使用 Numba 進行 Python 的 GPU 計算 - Stan Seibert([筆記本](https://github.com/ContinuumIO/gtc2018-numba))
- 1. 用戶手冊
- 1.1。 Numba 的約 5 分鐘指南
- 1.2。概述
- 1.3。安裝
- 1.4。使用@jit 編譯 Python 代碼
- 1.5。使用@generated_jit 進行靈活的專業化
- 1.6。創建 Numpy 通用函數
- 1.7。用@jitclass 編譯 python 類
- 1.8。使用@cfunc 創建 C 回調
- 1.9。提前編譯代碼
- 1.10。使用@jit 自動并行化
- 1.11。使用@stencil裝飾器
- 1.12。從 JIT 代碼 中回調到 Python 解釋器
- 1.13。性能提示
- 1.14。線程層
- 1.15。故障排除和提示
- 1.16。常見問題
- 1.17。示例
- 1.18。會談和教程
- 2. 參考手冊
- 2.1。類型和簽名
- 2.2。即時編譯
- 2.3。提前編譯
- 2.4。公用事業
- 2.5。環境變量
- 2.6。支持的 Python 功能
- 2.7。支持的 NumPy 功能
- 2.8。與 Python 語義的偏差
- 2.9。浮點陷阱
- 2.10。 Python 2.7 壽命終止計劃
- 3. 用于 CUDA GPU 的 Numba
- 3.1。概述
- 3.2。編寫 CUDA 內核
- 3.3。內存管理
- 3.4。編寫設備功能
- 3.5。 CUDA Python 中支持的 Python 功能
- 3.6。支持的原子操作
- 3.7。隨機數生成
- 3.8。設備管理
- 3.10。示例
- 3.11。使用 CUDA 模擬器 調試 CUDA Python
- 3.12。 GPU 減少
- 3.13。 CUDA Ufuncs 和廣義 Ufuncs
- 3.14。共享 CUDA 內存
- 3.15。 CUDA 陣列接口
- 3.16。 CUDA 常見問題
- 4. CUDA Python 參考
- 4.1。 CUDA 主機 API
- 4.2。 CUDA 內核 API
- 4.3。內存管理
- 5. 用于 AMD ROC GPU 的 Numba
- 5.1。概述
- 5.2。編寫 HSA 內核
- 5.3。內存管理
- 5.4。編寫設備功能
- 5.5。支持的原子操作
- 5.6。代理商
- 5.7。 ROC Ufuncs 和廣義 Ufuncs
- 5.8。示例
- 6. 擴展 Numba
- 6.1。高級擴展 API
- 6.2。低級擴展 API
- 6.3。示例:間隔類型
- 7. 開發者手冊
- 7.1。貢獻給 Numba
- 7.2。 Numba 建筑
- 7.3。多態調度
- 7.4。關于發電機的注意事項
- 7.5。關于 Numba Runtime 的注意事項
- 7.6。使用 Numba Rewrite Pass 獲得樂趣和優化
- 7.7。實時變量分析
- 7.8。上市
- 7.9。模板注釋
- 7.10。關于自定義管道的注意事項
- 7.11。環境對象
- 7.12。哈希 的注意事項
- 7.13。 Numba 項目路線圖
- 8. Numba 增強建議
- 9. 術語表