1. 用户手册 1.1。 Numba 的约 5 分钟指南 1.2。概述 1.3。安装 1.4。使用@jit 编译 Python 代码 1.5。使用@generated_jit 进行灵活的专业化 1.6。创建 Numpy 通用函数 1.7。用@jitclass 编译 python 类 1.8。使用@cfunc 创建 C 回调 1.9。提前编译代码 1.10。使用@jit 自动并行化 1.11。使用@stencil装饰器 1.12。从 JIT 代码 中回调到 Python 解释器 1.13。性能提示 1.14。线程层 1.15。故障排除和提示 1.16。常见问题 1.17。示例 1.18。会谈和教程 2. 参考手册 2.1。类型和签名 2.2。即时编译 2.3。提前编译 2.4。公用事业 2.5。环境变量 2.6。支持的 Python 功能 2.7。支持的 NumPy 功能 2.8。与 Python 语义的偏差 2.9。浮点陷阱 2.10。 Python 2.7 寿命终止计划 3. 用于 CUDA GPU 的 Numba 3.1。概述 3.2。编写 CUDA 内核 3.3。内存管理 3.4。编写设备功能 3.5。 CUDA Python 中支持的 Python 功能 3.6。支持的原子操作 3.7。随机数生成 3.8。设备管理 3.10。示例 3.11。使用 CUDA 模拟器 调试 CUDA Python 3.12。 GPU 减少 3.13。 CUDA Ufuncs 和广义 Ufuncs 3.14。共享 CUDA 内存 3.15。 CUDA 阵列接口 3.16。 CUDA 常见问题 4. CUDA Python 参考 4.1。 CUDA 主机 API 4.2。 CUDA 内核 API 4.3。内存管理 5. 用于 AMD ROC GPU 的 Numba 5.1。概述 5.2。编写 HSA 内核 5.3。内存管理 5.4。编写设备功能 5.5。支持的原子操作 5.6。代理商 5.7。 ROC Ufuncs 和广义 Ufuncs 5.8。示例 6. 扩展 Numba 6.1。高级扩展 API 6.2。低级扩展 API 6.3。示例：间隔类型 7. 开发者手册 7.1。贡献给 Numba 7.2。 Numba 建筑 7.3。多态调度 7.4。关于发电机的注意事项 7.5。关于 Numba Runtime 的注意事项 7.6。使用 Numba Rewrite Pass 获得乐趣和优化 7.7。实时变量分析 7.8。上市 7.9。模板注释 7.10。关于自定义管道的注意事项 7.11。环境对象 7.12。哈希 的注意事项 7.13。 Numba 项目路线图 8. Numba 增强建议 9. 术语表