Пока не стал бы
Неизвестно что ещё не пашет

есть Technical Preview, очень медленно работает

а что именно будет использоваться?

какие технологии?

В brew, вроде есть
P.S. Думаю брать на интел смысла нет уже, так как преимуществ больше у m1 и развитие идёт в ту сторону

в целом да, nodejs и python уже хорошо работают, а медленный docker  можно и потерпеть

Подскажите пожалуйста, что тут не так? Чем его не устраивает такое?

Иногда нумба не работает со сторонними библиотеками, она хороша для плейн Пайтон, как помню, могу ошибаться

Не подскажете как точно считать используя bin packing? for the distribution of computation tasks on the machines we need to solve the "bin packing problem" -- we have n tasks each of them needs k_i cpus, and we want to fit them on computing nodes where each node contains m cpus (depending on the machine we use m can be 24, 40, 64 or 80). Obviously we would like to reduce the number of nodes we use (we have limited amount of node-hours assigned to us on each machine). Currently the task is done using either manual distribution or https://pypi.org/project/binpacking which provides a "greedy" solution, which is not always optimal.


It would be nice to have an optimal solution for the small cases that interest us (n <= 100, k_i <= m <= 100). You can find some links exact algorithms in https://en.wikipedia.org/wiki/Bin_packing_problem#Exact_algorithm, but maybe there are also separate algorithms, that are practical for these small cases.

it is best for me if you can find or write an implementation in python, but any programming language would be ok for that.

Дада, вот в этом и проблема..

Выходит что некоторые либы требуют доработки такие как tkinter.

Не требуют, это философия нумбы, там есть режим типа nopython

Ок, а другие библиотеки можно адаптировать под numba?

Можно делать в object моде

Но как я понял он не очень и нужен

В самой доке нумбы написано, что мол он не быстрее обычного питоновского кода

Но всё же, что странно, так это то, что я переписал функцию
def px(self, r, g, b):
__return math.sqrt(...)/255
Но оно чёт тоже не работает..

Хотя по-идее обычное математическое вычисление(если написать аналогичный код вне класса, то все работает)

Подумал, может надо @jitclass прикрутить, но и с ним та же шляпа, так что хз в чём причина. Запускаю теперь через pypy, в целом работает пошустрее на секунд 7-8