python – 使用numba JIT加速函数的麻烦

2019年8月3日 367次阅读

我是numba jit的新手.对于个人项目,我需要加速类似于下面显示的功能,但是为了编写独立示例的目的不同.

import numpy as np
from numba import jit, autojit, double, float64, float32, void

def f(n):
    k=0.
    for i in range(n):
        for j in range(n):
            k+= i+j

def f_with_return(n):
    k=0.
    for i in range(n):
        for j in range(n):
            k+= i+j
    return k

def f_with_arange(n):
    k=0.
    for i in np.arange(n):
        for j in np.arange(n):
            k+= i+j

def f_with_arange_and_return(n):
    k=0.
    for i in np.arange(n):
        for j in np.arange(n):
            k+= i+j  


#jit decorators
jit_f = jit(void(int32))(f)
jit_f_with_return = jit(int32(int32))(f_with_return)
jit_f_with_arange = jit(void(double))(f_with_arange)
jit_f_with_arange_and_return = jit(double(double))(f_with_arange_and_return)

和基准：

%timeit f(1000)
%timeit jit_f(1000)

10个循环,最佳3：每循环73.9 ms / 1000000循环,最佳3：212 ns每循环

%timeit f_with_return(1000)
%timeit jit_f_with_return(1000)

10个循环,最佳3：每循环74.9 ms / 1000000循环,最佳3：220 ns每循环

我不明白这两个：

%timeit f_with_arange(1000.0)
%timeit jit_f_with_arange(1000.0)

10个循环,最佳3：175 ms /循环/ 1循环,最佳3：167 ms每循环

%timeit f_with_arange_with_return(1000.0)
%timeit jit_f_with_arange_with_return(1000.0)

10个循环,最佳3：174 ms每循环/ 1循环,最佳3：172 ms每循环

我想我不给jit函数输出和输入的正确类型？只是因为for循环现在在numpy.arange上运行,而不再是一个简单的范围,我不能让jit让它更快.这是什么问题？

最佳答案 简单地说,numba不知道如何将np.arange转换为低级本机循环,因此它默认为对象层,它比较慢的速度和通常与纯python相同的速度.

一个很好的技巧是将nopython = True关键字参数传递给jit,以查看它是否可以编译所有内容而无需求助于对象模式：

import numpy as np
import numba as nb

def f_with_return(n):
    k=0.
    for i in range(n):
        for j in range(n):
            k+= i+j
    return k

jit_f_with_return = nb.jit()(f_with_return)
jit_f_with_return_nopython = nb.jit(nopython=True)(f_with_return)

%timeit f_with_return(1000)
%timeit jit_f_with_return(1000)
%timeit jit_f_with_return_nopython(1000)

最后两个在我的机器上速度相同,并且比未编码的代码快得多.您遇到问题的两个示例将引发nopython = True的错误,因为此时无法编译np.arange.

有关详细信息,请参阅以下内容

http://numba.pydata.org/numba-doc/0.17.0/user/troubleshoot.html#the-compiled-code-is-too-slow

以及支持的numpy功能列表,以及nopython模式支持和不支持的指示：

http://numba.pydata.org/numba-doc/0.17.0/reference/numpysupported.html

点赞