← Back to branch summary

~ubuntu-branches/ubuntu/wily/numexpr/wily-proposed

« back to all changes in this revision

Viewing changes to ANNOUNCE.txt

  • Committer: Package Import Robot
  • Author(s): Antonio Valentino
  • Date: 2013-09-28 09:03:27 UTC
  • mfrom: (7.1.7 sid)
  • Revision ID: package-import@ubuntu.com-20130928090327-s69mvg0n2xnz6cn8
New upstream release (fixes a build failure on s390)

Show diffs side-by-side

added added

removed removed

Lines of Context:
ANNOUNCE.txt
1
1
==========================
2
 
 Announcing Numexpr 2.0.1
 
2
 Announcing Numexpr 2.2.2
3
3
==========================
4
4
 
5
 
Numexpr is a fast numerical expression evaluator for NumPy.  With it,
6
 
expressions that operate on arrays (like "3*a+4*b") are accelerated
7
 
and use less memory than doing the same calculation in Python.
8
 
 
9
 
It wears multi-threaded capabilities, as well as support for Intel's
10
 
VML library, which allows for squeezing the last drop of performance
11
 
out of your multi-core processors.
12
 
 
13
5
What's new
14
6
==========
15
7
 
16
 
In this release, better docstrings for `evaluate` and reduction
17
 
methods (`sum`, `prod`) is in place.  Also, compatibility with Python
18
 
2.5 has been restored (2.4 is definitely not supported anymore).
 
8
This is mainly a release for compatibility with PyTables < 3.0,
 
9
which I decided to continue to support.  For details, see:
 
10
 
 
11
https://code.google.com/p/numexpr/issues/detail?id=115
 
12
 
 
13
Also, added a fix so that s390 architecture compiles.  Fixes #116.
 
14
Thanks to Antonio Valentino for reporting and for the patch.
19
15
 
20
16
In case you want to know more in detail what has changed in this
21
17
version, see:
24
20
 
25
21
or have a look at RELEASE_NOTES.txt in the tarball.
26
22
 
 
23
What it is?
 
24
===========
 
25
 
 
26
Numexpr is a fast numerical expression evaluator for NumPy.  With it,
 
27
expressions that operate on arrays (like "3*a+4*b") are accelerated
 
28
and use less memory than doing the same calculation in Python.
 
29
 
 
30
It wears multi-threaded capabilities, as well as support for Intel's
 
31
VML library (included in Intel MKL), which allows an extremely fast
 
32
evaluation of transcendental functions (sin, cos, tan, exp, log...)
 
33
while squeezing the last drop of performance out of your multi-core
 
34
processors.
 
35
 
 
36
Its only dependency is NumPy (MKL is optional), so it works well as an
 
37
easy-to-deploy, easy-to-use, computational kernel for projects that
 
38
don't want to adopt other solutions that require more heavy
 
39
dependencies.
 
40
 
27
41
Where I can find Numexpr?
28
42
=========================
29
43
 
42
56
have.
43
57
 
44
58
 
45
 
Enjoy!
 
59
Enjoy data!
 
60
 
 
61
 
 
62
.. Local Variables:
 
63
.. mode: rst
 
64
.. coding: utf-8
 
65
.. fill-column: 70
 
66
.. End: