Nano Hash - криптовалюты, майнинг, программирование

Создание колес Python для таких библиотек, как numpy

В настоящее время мы используем собственный частный сервер PyPi и загружаем колеса наших внутренних библиотек Python для ускорения установки.

Многие из наших инструментов требуют numpy, scipy, pandas и т. д.

Мы создали колеса для всех наших зависимостей, установив все наши зависимости из исходного кода, а затем используя

pip wheel .

который выводит колеса для всех наших зависимостей — по крайней мере, мы так думали.

Мы обнаружили, что когда мы устанавливаем, скажем, numpy из нашего частного PyPi, где он доступен в виде колеса, происходит следующее.

>>> import numpy
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "redacted/lib/python2.7/site-packages/numpy/__init__.py", line 199, in <module>
    from . import random
  File "redacted/site-packages/numpy/random/__init__.py", line 99, in <module>
    from .mtrand import *
ImportError: redacted/lib/python2.7/site-packages/numpy/random/mtrand.so: undefined symbol: PyFPE_jbuf

Мне ясно, что эти колеса не были созданы должным образом. Что мне непонятно, так это как это исправить. Мы не распространяем их для общественности, только для наших внутренних инструментов.



Ответы:


1

Я далек от того, чтобы быть экспертом по упаковке колес, но вот то, что я знаю о производстве колес на данный момент.

Для OS X и Windows вы можете создать бинарные колеса и использовать их для развертывания своего программного обеспечения.

В Linux этот процесс не всегда работает, потому что многие бинарные колеса пытаются использовать определенные версии библиотек ОС (.so), которые отличаются от одного дистрибутива к другому или даже внутри одного и того же дистрибутива.

Вот еще ссылка:

22.03.2016
Новые материалы

Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..

Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..

Частный метод Python: улучшение инкапсуляции и безопасности
Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..

Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..

Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..

Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..

Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..