Разработчики: | Массачусетский университет в Амхерсте (UMass Amherst) |
Дата премьеры системы: | август 2023 г. |
Отрасли: | Информационные технологии |
Технологии: | Средства разработки приложений |
2023: Анонс продукта
В конце августа 2023 года исследователи из Университета Массачусетса в Амхерсте сообщили о создании профилировщика Scalene, позволяющего многократно ускорить работу программ, написанных на языке Python.
Отмечается, что софт на базе Python зачастую оказывается очень неэффективным с точки зрения быстродействия: он может быть до 60 000 раз медленнее, чем код, написанный на других языках программирования. Несмотря на это, из-за удобства использования Python стал очень популярным в эпоху наук о данных и машинного обучения.
Для борьбы с неэффективностью Python разработчики могут использовать инструменты, называемые профилировщиками. Такие средства определяют, какие части программы работают медленно. Однако существующие профилировщики не слишком полезны: в лучшем случае они указывают на неэффективный участок кода, не давая никаких рекомендаций по устранению проблемы. Новый инструмент Scalene как раз и призван обойти существующие ограничения.
По заявлениям создателей, Scalene не только точно выявляет неэффективные блоки кода Python, но и использует искусственный интеллект, чтобы предложить меры по улучшению программы. В процессе работы профилировщик определяет, на что именно софт тратит больше всего времени: при этом анализируется использование ресурсов центрального процессора, графического ускорителя и памяти. После идентификации проблемных мест Scalene использует ИИ-алгоритмы для определения путей оптимизации отдельных строк или целых блоков кода. Таким образом, теоретически инструмент способен ускорить работу написанных на Python программ в тысячи раз. Говорится, что Scalene активно применяется сообществом разработчиков: к концу августа 2023 года этот профилировщик был загружен более 750 000 раз.[1]
Примечания
Подрядчики-лидеры по количеству проектов
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
Данные не найдены
Распределение вендоров по количеству проектов внедрений (систем, проектов) с учётом партнёров
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
Данные не найдены
Распределение систем по количеству проектов, не включая партнерские решения
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)
![](/skins/ta/img/0.gif)