"hwloc",
    "implib_so",
    "llvm-raw",
    "llvm_openmp",
    "mkl_dnn_acl_compatible",
    "ml_dtypes_py",
    "mpitrampoline",
    "nanobind",
    "nasm",
    "nvshmem",
    "onednn",
    "onednn_async",
    "pthreadpool",
    "raft",
    "riegeli",
    "rocm_device_libs",
    "shardy",
    "slinky",
    "stablehlo",
    "tensorrt_oss_archive",
    "triton",
)

common:mkl -c opt

# config to build OneDNN backend with a user specified threadpool.
common:mkl_threadpool --define=build_with_mkl=true --define=enable_mkl=true
common:mkl_threadpool --define=tensorflow_mkldnn_contraction_kernel=0
common:mkl_threadpool --define=build_with_mkl_opensource=true
common:mkl_threadpool -c opt

# Config setting to build oneDNN with Compute Library for the Arm Architecture (ACL).

### Known Caveats

### Major Features and Improvements

*   [oneDNN CPU performance optimizations](https://github.com/tensorflow/community/blob/master/rfcs/20210930-enable-onednn-ops.md)
    Windows x64 & x86.

    *   **Windows x64 & x86 packages:**
        *   oneDNN optimizations are *enabled by default* on X86 CPUs

    "@mkl_dnn_acl_compatible//:__subpackages__",
    "@ml_dtypes_py//ml_dtypes:__subpackages__",
    "@nccl_archive//:__subpackages__",
    "@net_zstd//:__subpackages__",
    "@nvtx_archive//:__subpackages__",
    "@onednn//:__subpackages__",
    "@org_sqlite//:__subpackages__",
    "@platforms//:__subpackages__",
    "@snappy//:__subpackages__",
    "@upb//:__subpackages__",
    "@zlib//:__subpackages__",

        'adding "--config=<>" to your build command. See .bazelrc for more '
        'details.')
  config_info_line('mkl', 'Build with MKL support.')
  config_info_line(
      'mkl_aarch64',
      'Build with oneDNN and Compute Library for the Arm Architecture (ACL).')
  config_info_line('monolithic', 'Config for mostly static monolithic build.')
  config_info_line('numa', 'Build with NUMA support.')
  config_info_line(

### Çözüm önerin { #suggest-solutions }

* Soruyu anlayabildikten sonra olası bir **cevap** verebilirsiniz.

Yönetmesi epey zorlaşır. Sonunda bazı projeleri package'lerin **uyumsuz versiyonlarıyla** çalıştırıp, bir şeylerin neden çalışmadığını anlamamak gibi durumlara düşebilirsiniz.

Ayrıca işletim sisteminize (örn. Linux, Windows, macOS) bağlı olarak Python zaten kurulu gelmiş olabilir. Bu durumda, sisteminizin **ihtiyaç duyduğu** bazı package'ler belirli versiyonlarla önceden kurulu olabilir. Global Python environment'a package kurarsanız, işletim sistemiyle gelen bazı programları **bozma**...

**FastAPI**'a nelerin ilham verdiği, alternatiflerle nasıl karşılaştırıldığı ve onlardan neler öğrendiği.

## Giriş { #intro }

Başkalarının daha önceki çalışmaları olmasaydı, **FastAPI** var olmazdı.

Önceden oluşturulan birçok araç, ortaya çıkışına ilham verdi.

Yıllarca yeni bir framework oluşturmaktan kaçındım. Önce **FastAPI**’ın bugün kapsadığı özelliklerin tamamını, birçok farklı framework, eklenti ve araçla çözmeyi denedim.

Ardından WSGI (örn. Flask) uygulamasını middleware ile sarmalayın.

Ve sonra bunu bir path'in altına mount edin.

{* ../../docs_src/wsgi/tutorial001_py310.py hl[1,3,23] *}

/// note

Önceden, `fastapi.middleware.wsgi` içindeki `WSGIMiddleware`'ın kullanılması öneriliyordu, ancak artık kullanımdan kaldırıldı.

Bunun yerine `a2wsgi` paketini kullanmanız önerilir. Kullanım aynıdır.

    * Starlette'i karşılaştırıyorsanız, Sanic, Flask, Django vb. web framework'lerle (veya mikroframework'lerle) karşılaştırın.
* **FastAPI**:
    * Starlette'in Uvicorn'u kullanıp ondan daha hızlı olamaması gibi, **FastAPI** da Starlette'i kullanır; dolayısıyla ondan daha hızlı olamaz.