标签:python c-2 boost numerical-methods differential-equations
我最近在boost.odeint库上搞砸了,我对可能性和可配置性的数量感到惊讶.但是,广泛使用scipy.integrate.odeint(这实际上是fortran中ODEPACK的包装)我想知道他们的表现如何比较.我知道boost.odeint也带有并行化,这是scipy(据我所知)不可能提高性能然后很多,但我要求单核心情况.
但是,因为在这种情况下我必须将boost.odeint(使用cython或boost.python)包装到python中,也许有人已经这样做了吗?这将是一个伟大的成就,因为所有的分析可能性在python中更先进.
解决方法:
据我所知,通过比较可用的步进器列表
Boost.odeint和scipy.integrate.ode,两者实现的唯一算法是
Dormand-Prince五阶步进器,dopri5.你可以比较一下
使用Python在Python中实现这两种算法的效率
this Cython wrapper到Boost.odeint(它没有公开所有的
由Boost.odeint提供的步进器,但确实暴露了dopri5).
根据您对“测试性能”的定义,您也可以进行比较
不同的算法,但这显然与比较不一样
两种相同算法的实现.
标签:python,c-2,boost,numerical-methods,differential-equations 来源: https://codeday.me/bug/20190711/1432073.html
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。