# 2.10。 Python 2.7 壽命終止計劃
> 原文: [http://numba.pydata.org/numba-doc/latest/reference/python27-eol.html](http://numba.pydata.org/numba-doc/latest/reference/python27-eol.html)
根據 [PEP 373](http://legacy.python.org/dev/peps/pep-0373/) ,Python 2.7 將在 2020 年停止支持,盡管[尚未正式選擇](https://pythonclock.org/)。像許多項目一樣,Numba 團隊必須考慮如何為自己的 Python 2.7 支持提供時間。鑒于 Numba 必須與 Python 解釋器進行交互有多深,支持 Python 2 和 3 會產生相當大的開發和測試負擔。此外,Numba(特別是通過 llvmlite)必須處理 Windows 上一些特別棘手的編譯器問題,其中 LLVM 需要 Visual Studio 2015 或更高版本,但必須使用 Visual Studio 2008 構建 Python 2.7 擴展。不用說,目標是計劃是支持我們的 Python 2.7 用戶群(截至 2018 年 2 月約 30%的下載量),但也明確表示 _ 現在是時候切換到 Python 3,如果你還沒有 _。
Numba 的 Python 2.7 用戶也應該知道 [NumPy 結束 Python 2.7 支持](https://github.com/numpy/numpy/blob/master/doc/neps/nep-0014-dropping-python2.7-proposal.rst)的時間表。由于 Numba 與 NumPy 緊密結合,NumPy 時間表強烈告知下面的 Numba 時間表。
## 2.10.1。時間表
Numba 中 Python 2.7 支持的結束將上演:
* **2018 年 12 月**:標記并發布 Numba 1.x.0。基于此版本創建 Python 2.7 分支。
* 關鍵修復,直到 **2020 年 1 月 1 日**將被移植到 Python 2.7 分支并作為 Numba 1.x.y 發布。
* Python 2.7 分支中不會添加任何新功能,但我們將繼續使用新的 NumPy 版本對其進行自動測試。
* **2019 年 1 月 1 日**:我們將通過刪除所有 Python 2.7 兼容性代碼來減少 Numba master 分支并釋放 Numba 1.(x + 1).0,它將在功能上與 Numba 1.x 相同 0.0。
* **2020 年 1 月 1 日**:Numba 開發者將停止支持 Python 2.7 分支。
如果對上述時間表有疑慮,請[在我們的問題跟蹤器中提出問題](https://github.com/numba/numba/issues)。
- 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