产品
Python 科学计算库，提供 solve_ivp 等 ODE 求解器。
已跟踪 2 条高相关材料
最近变化
2026-06-06 · 在 10⁵ 次 likelihood 评估中，SciPy ODE 仅 ODE 调用耗时 40 s，梯度 300 s；Diffrax 仅 24.8 s。
为什么值得关注
SciPy 被反复提及时，通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。
My SciPy ODE Solver Was Killing My Bayesian Inference: A Cosmologist’s Honest Account of Discovering Diffrax
Towards Data Science · 8.7 分
Diffrax 用 JAX 实现的 ODE 求解器在 Cosmology 里将每次求解时间从 0.4 ms 降到 0.02 ms，梯度计算从 8 ms 降到 0.25 ms，整体提升 10‑倍以上，显著加速 Bayesian 推断。
Building Modern EDA Pipelines with Pingouin
KDnuggets · 8.5 分
文章介绍了如何使用 Pingouin 库构建现代 EDA 流水线，通过统计检验验证数据的正态性、多变量正态性和方差齐性，为机器学习模型提供更可靠的预处理基础。
已收录 2 条与 SciPy 相关的内容，按评分排序。
Diffrax, a JAX-based ODE solver, cuts per-call time from 0.4 ms to 0.02 ms and gradient time from 8 ms to 0.25 ms, boosting Bayesian inference speed by over tenfold.
入选理由：在 10⁵ 次 likelihood 评估中，SciPy ODE 仅 ODE 调用耗时 40 s，梯度 300 s；Diffrax 仅 24.8 s。
The article introduces how to build modern EDA pipelines using the Pingouin library, validating data normality, multivariate normality, and homoscedasticity through statistical tests.
入选理由：Pingouin 提供了 Shapiro-Wilk 和 Henze-Zirkler 检验来验证数据正态性
