python - 使用 numba JIT 加速函数时遇到问题

Question

我是 numba 的 jit 新手。对于个人项目，我需要加速类似于下面显示的功能，尽管出于编写独立示例的目的而有所不同。

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，最好的 3 个:每个循环 73.9 毫秒/1000000 个循环，最好的 3 个:每个循环 212 纳秒

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

10 次循环，3 次最佳:每次循环 74.9 毫秒/1000000 次循环，3 次最佳:每次循环 220 纳秒

我不明白这两个:

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

10 个循环，3 个循环中的最佳:每个循环 175 毫秒/1 个循环，3 个循环中的最佳:每个循环 167 毫秒

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

10 个循环，3 个循环中的最佳:每个循环 174 毫秒/1 个循环，3 个循环中的最佳:每个循环 172 毫秒

我想我没有为 jit 函数提供正确的输出和输入类型？仅仅因为 for 循环现在在 numpy.arange 上运行，而不再是一个简单的范围，我无法让 jit 让它更快。这里有什么问题？

Answer 1

简单地说，numba 不知道如何将 np.arange 转换为低级 native 循环，因此它默认为慢得多的对象层，通常与纯 python 的速度相同。

一个不错的技巧是将 nopython=True 关键字参数传递给 jit 以查看它是否可以在不诉诸对象模式的情况下编译所有内容:

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，比未编译的代码快得多。您有疑问的两个示例将引发 nopython=True 错误，因为此时它无法编译 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 特性的列表，以及在 nopython 模式下支持和不支持的指示:

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