LFortran编译器v0.45.0版本发布:Fortran现代化进程的重要里程碑
LFortran是一个开源的Fortran编译器项目,致力于为科学计算领域提供现代化的Fortran编译工具链。该项目采用模块化设计,支持从Fortran源代码到多种目标格式的转换,包括AST、ASR、LLVM IR等中间表示,最终生成高效的可执行代码。LFortran特别注重对现代Fortran标准的支持,同时保持与遗留代码的兼容性。
核心改进
数组处理能力显著增强
本次更新对数组操作进行了多项重要改进。编译器现在能够正确处理多维数组的构造和操作,包括1D、2D和3D数组。特别值得注意的是对数组构造器(ArrayConstructor)的改进,现在可以直接使用固定大小的数组构造器,而不再需要依赖ArrayPhysicalCast转换,这显著提升了编译效率和生成代码的质量。
在数组移位操作方面,修复了dshiftr和dshiftl内在函数的实现,现在能够正确处理不同kind值的参数,并提供了更准确的错误消息。同时,cshift函数在1D数组情况下的行为也得到了修正。
内在函数支持扩展
新版本增强了对Fortran内在函数的支持:
- 改进了
findloc函数,现在支持复数类型的参数 - 修正了
repeat内在函数,确保只接受标量参数 - 修复了
ieee_arithmetic模块中单精度(sp)和双精度(dp)类型的提供方式 - 改进了
/=操作符的实现,使用无序比较以正确处理NaN值
类型系统和错误处理
类型系统方面有几个重要改进:
- 增强了
selected_int_kind、selected_real_kind和selected_char_kind函数的参数检查,确保只接受标量参数 - 改进了逻辑表达式的处理,现在会在IF语句中检查表达式是否为逻辑类型,并提供更友好的错误消息
- 修正了
iso_c_binding模块中常量的值设置
编译器架构优化
中间表示改进
在编译器内部架构方面,对中间表示进行了多项优化:
- 增强了对
ArraySection和ArrayItem的支持,现在可以处理各种类型的索引表达式 - 改进了临时变量的创建策略,特别是在处理标量函数调用和数组操作时
- 实现了数组大小的深度拷贝机制,避免运行时数组大小的意外改变
过程变量支持
新版本显著增强了对过程变量的支持,使得Fortran中的函数指针和过程参数能够更稳健地工作。这一改进为支持更复杂的函数式编程模式奠定了基础。
标准兼容性提升
在语言标准支持方面:
- 增强了对固定格式(Fixed Form)源代码中"star"声明的处理
- 改进了无
program行的程序解析,确保正确创建AST节点 - 增加了对
close语句中status参数的支持
性能优化
内存操作方面修复了一个重要问题,修正了memcpy调用中目标(dest)和源(src)参数被交换的错误,这可能会影响某些情况下的程序正确性和性能。
开发者体验
项目文档方面也有显著改进,贡献指南(CONTRIBUTING.md)现在提供了更详细的步骤说明,帮助新开发者更快上手。社区还新增了YouTube教程链接,直观展示如何修复问题。
测试与验证
测试套件得到了显著扩展,新增了多项测试用例:
- 针对元素函数(elemental function)的多维数组测试(1D、2D和3D)
- 增加了外部整型(kind 8)作为数组大小的测试用例
- 完善了数组通过数据传递(pass_array_by_data)的测试场景
构建系统改进
构建系统现在使用find_package而不是find_library来查找libunwind,这提高了构建的可靠性。持续集成(CI)流程也得到了优化,包括分离tarball生成任务和调整PRIMA测试的工作流程。
这个版本标志着LFortran在稳定性、功能完整性和标准兼容性方面又向前迈进了一大步,为科学计算社区提供了更可靠的Fortran编译解决方案。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C086
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python057
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0137
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00