1.1.7.1。GPU目標：

Numba可以針對Nvidia CUDA和（實驗性）AMD ROC GPU。您可以使用純Python編寫核心，讓Numba處理計算和資料移動（或明確地執行此操作）。單擊關於CUDA或ROC的 Numba文件 。

示例：接下來我們寫一段簡單的程式碼，來計算一下執行時間：

示例1：不使用numba的:

import time



def num():

    arr = []
    for i in range(10000000):
        arr.append(i)


stime = time.time()
num()
etime 
 
= time.time() - stime
# print(arr)
print('用時:{}秒'.format(etime))

示例輸出時間:

用時:1.4500024318695068秒

示例2：使用numba @jit

import time
from numba import jit

@jit
def num():

    arr = []
    for i in range(10000000):
        arr.append(i)


stime = time.time()
num()
etime = time.time() - stime
 
# print(arr)
print('用時:{}秒'.format(etime))

示例輸出:

用時:0.5530002117156982秒

結論：

上述兩個示例程式碼，一個使用了numba，另一個沒有使用numba；可以看出使用numba @jit裝飾後，時間明顯快了很多倍。

這只是一個簡單示例；對於複雜計算提高速度更明顯。