كتب الذكاء الاصطناعيمشاريع الذكاء الاصطناعيمقالات الذكاء الاصطناعيمعجم الذكاء الاصطناعياسئلة واجوبة في الذكاء الاصطناعيأكاديمية الذكاء الاصطناعي للأطفالأكاديمية الذكاء الاصطناعيمدرسة رياضيات الذكاء الاصطناعيمختبر الذكاء الاصطناعيمختبر الخوارزميات المستوحاة من الطبيعةأطلس نماذج الذكاء الاصطناعيموسوعة تطبيقات الذكاء الاصطناعيمستكشف مجموعات البيانات للذكاء الاصطناعياختبارات الذكاء الاصطناعيالفايب كودينغدليل البرمجة بالذكاء الاصطناعيمولّد مشاريع الذكاء الاصطناعيمرصد الذكاء الاصطناعيدليل أدوات الذكاء الاصطناعي البحث والنشر الأكاديميمكتبة البرومبتات الأكاديميةمستودع الرسائل والأطاريح في الذكاء الاصطناعيحاسبة الترقية العلميةأكاديمية الوكلاء الذكيينمختبر أخلاقيات الذكاء الاصطناعي والعدالةساحة ألعاب الذكاء الاصطناعيعبقري الذكاء الاصطناعيمختبر التنبؤ بالسلاسل الزمنيةموسوعة أطر ومكتبات الذكاء الاصطناعيمتحف الذكاء الاصطناعيمختبر الرؤية الحاسوبيةموسوعة شبكات التعلم العميق الحديثةمختبر الشبكات العصبية البيانيةمختبر تحليل الصور الطبيةمختبر معالجة اللغة الطبيعيةمختبر الحوسبة الكمّيةخرائط طريق الذكاء الاصطناعيأكاديمية ماتلاب والذكاء الاصطناعيمصمم الشبكات العصبيةأكاديمية الذكاء الاصطناعي بدون برمجةمختبر الذكاء الاصطناعي الكمّي

Numba

Numba – JIT compiler for Python

مترجم فوري (JIT) يحول دوال Python العددية إلى كود آلة سريع بمزخرف واحد، مع دعم التوازي ونوى CUDA.

نشطةمتوسطv0.68.1BSDالحوسبة المتوازية وتسريع الذكاء الاصطناعي

الوثائق الرسميةجرّب الأمثلة

المعلومات الأساسية

الاسمNumba
الاسم الكاملNumba – JIT compiler for Python
التصنيفالحوسبة المتوازية وتسريع الذكاء الاصطناعي
الجهة المطورةAnaconda ومجتمع Numba
سنة الإطلاق2012
الموقع الرسميnumba.pydata.org
مستودع GitHubغير محدد
الوثائق الرسميةغير محدد
الحزمة على PyPInumba
الترخيصBSD (PyPI license)
حالة المشروعنشطة صدر لها إصدار خلال آخر 12 شهراً
آخر إصدار27 أكتوبر 2026 (الإصدار 0.68.1)
لغة البرمجةPython
أنظمة التشغيلOS Independent (كما تعلنها الحزمة على PyPI)
إصدار Python المطلوب>=3.10
مستوى الصعوبةمتوسط

آخر تحقق من هذه البيانات: 21 نوفمبر 2026 — المصدر: PyPI JSON API (2026-11-21)

نظرة عامة

يكفي وضع @njit على دالة تعتمد NumPy والحلقات لتُترجم عبر LLVM إلى كود سريع، مع prange للتوازي وإمكانية كتابة نوى CUDA بلغة Python.

مفيد لتسريع الحلقات التي يصعب تحويلها إلى عمليات متجهية.

متى تختارها؟ اخترها لتسريع حلقات Python العددية دون مغادرة Python.

الاستخدامات

الاستخدامات الرئيسية

  • تسريع الحلقات العددية
  • التوازي على أنوية المعالج
  • نوى CUDA بلغة Python

المجالات العلمية

  • الحوسبة العلمية
  • المحاكاة

أنواع المشاريع المناسبة

  • تسريع محاكاة مونت كارلو

تطبيقات بحثية

  • تسريع خوارزمية مقترحة

التسريع بالمعالجات الرسوميةالحوسبة العددية والمصفوفاتترجمة النماذج وتحسينها

الخصائص التقنية

تُعرض الخاصية «مدعومة» فقط إذا كانت موثقة في الوثائق الرسمية للمكتبة؛ وما لم نتحقق منه يظهر «غير محدد».

دعم المعالج المركزي (CPU)مدعوم
دعم المعالج الرسومي (GPU)جزئي أو عبر إضافةدعم CUDA انتقل إلى حزمة numba-cuda المنفصلة التي يديرها NVIDIA حسب التوثيق.
التوافق مع CUDAجزئي أو عبر إضافة
التدريب أو الحوسبة الموزعةغير مدعوم
الاشتقاق التلقائي (Autodiff)غير مدعوم
نشر النماذج (Deployment)لا ينطبق
نماذج مدربة مسبقاًلا ينطبق
أنواع البيانات المدعومةأنواع NumPy
التكامل مع مكتبات أخرىNumPy، CUDA، CuPy
المرونة (تقدير تحريري)متوسطة
الأداء (تقدير تحريري)عالية
المجتمع (تقدير تحريري)كبير
جودة التوثيق (تقدير تحريري)توثيق جيد

التثبيت والتشغيل

Shell
pip install numba

التوافق: Python >=3.10 — حسب بيانات الحزمة على PyPI، تحقق في 21 نوفمبر 2026

يُفضّل التثبيت داخل بيئة افتراضية (venv أو conda). وإذا احتجت توافقاً مع إصدار معين من CUDA أو نظام التشغيل فارجع إلى الوثائق الرسمية، لأن هذه المعلومات تتغير مع كل إصدار.

أمثلة برمجية

الأمثلة الموسومة «نُفّذ واختُبر» شُغّلت فعلياً وسُجّل مخرجها وتاريخ الاختبار وإصدارات المكتبات؛ وغيرها يحتاج GPU أو تنزيل نماذج فلم يُشغّل في بيئة الاختبار.

متوسطتسريع حلقة Python بـ Numba JITنُفّذ واختُبر

الهدف: ترجمة دالة عددية إلى كود آلة بزخرفة واحدة.

Python — example.py
import time, numpy as np
from numba import njit

def pairwise_py(X):
    n = X.shape[0]; out = 0.0
    for i in range(n):
        for j in range(i + 1, n):
            out += np.sqrt(((X[i] - X[j]) ** 2).sum())
    return out

fast = njit(pairwise_py)
X = np.random.default_rng(0).random((400, 3))
fast(X[:5])                                  # warm-up (compilation)
t = time.perf_counter(); a = pairwise_py(X); t_py = time.perf_counter() - t
t = time.perf_counter(); b = fast(X); t_nb = time.perf_counter() - t
print("النتيجتان متطابقتان:", np.isclose(a, b))
print(f"Python: {t_py:.3f}s | Numba: {t_nb:.4f}s | التسريع ≈ {t_py / t_nb:.0f}×")

شرح الكود

@njit يترجم الدالة عند أول استدعاء (لذلك نستدعيها مرة للإحماء)، ثم تعمل الحلقة بسرعة قريبة من C. نقارن الزمن مع النسخة الأصلية؛ الرقم يختلف حسب الجهاز.

المتطلبات

Shell
pip install numba numpy

طريقة التشغيل

احفظ الكود في ملف example.py ثم شغّله:

Shell
python example.py

المخرجات المسجلة عند الاختبار

النتيجتان متطابقتان: True
Python: 0.120s | Numba: 0.0044s | التسريع ≈ 27×

نُفّذ هذا المثال فعلياً واختُبر بتاريخ 21 نوفمبر 2026 على CPU — numba 0.68.1, numpy 2.5.5, python 3.13.18

صفحة المثال

كل أمثلة Numba في مستكشف الأكواد

المزايا

  • تسريع كبير بتعديل بسيط
  • لا يحتاج كتابة C

القيود

  • يدعم جزءاً من Python وNumPy فقط
  • زمن ترجمة في أول استدعاء

المراجع والتحقق

سجل الإصدارات المتحقق منها

الإصدارتاريخ الإصدارتاريخ التحقق
0.68.127 أكتوبر 202621 نوفمبر 2026

آخر مراجعة لمعلومات الصفحة: 21 نوفمبر 2026. الوصف العربي مكتوب أصلياً للموسوعة وليس منقولاً من المواقع الرسمية.

أبلغ عن معلومة تحتاج تحديثاً