Java 的 N 维数组并行计算
Parallel computing in N-Dimensional Arrays for Java
ND4J 库（Java 的 N 维数组）是否像 numpy 中的 Python 一样支持并行计算？
不确定 "parallel computing" 是什么意思，我们主要在 c/c++ 中实现，但也支持 cuda 和 mkl，以及电源芯片。
由于您的问题很广泛，我只能假设您并不是真的在寻找 "deep" 这个问题的答案，但我可以告诉您，我们有您期望的流行语，例如 openmp , blas/lapack, 稀疏,..
所以稍微编辑一下我的答案："vectorized" 的 Numpy 操作只是用于 c 中的循环。 Python 本质上有慢循环并且在很大程度上是一种慢语言。
另一个编辑：如果没有埋藏在其中的大量 C 代码，我们实际上不可能支持 GPU。如果没有 JNI，我们也不能做 blas。 Nd4j 绝对不是一个纯粹的 java 库。
我们运行所有真正的逻辑在：https://github.com/deeplearning4j/libnd4j
所以是的：在那个效果中我们有 "c++ based for loops" 是的。 for 循环是多线程的或 "parallelized" 使用 cuda 和 openmp/mkl.
ND4J 库（Java 的 N 维数组）是否像 numpy 中的 Python 一样支持并行计算？
不确定 "parallel computing" 是什么意思，我们主要在 c/c++ 中实现，但也支持 cuda 和 mkl，以及电源芯片。
由于您的问题很广泛，我只能假设您并不是真的在寻找 "deep" 这个问题的答案，但我可以告诉您，我们有您期望的流行语，例如 openmp , blas/lapack, 稀疏,..
所以稍微编辑一下我的答案："vectorized" 的 Numpy 操作只是用于 c 中的循环。 Python 本质上有慢循环并且在很大程度上是一种慢语言。
另一个编辑：如果没有埋藏在其中的大量 C 代码，我们实际上不可能支持 GPU。如果没有 JNI，我们也不能做 blas。 Nd4j 绝对不是一个纯粹的 java 库。
我们运行所有真正的逻辑在：https://github.com/deeplearning4j/libnd4j
所以是的：在那个效果中我们有 "c++ based for loops" 是的。 for 循环是多线程的或 "parallelized" 使用 cuda 和 openmp/mkl.