python - 贝塞尔函数(来自 scipy.special)可以与 Numba 一起使用吗

Question

我正在尝试使用 Numba 优化包含贝塞尔函数的函数的积分 (scipy.integrate.quad) 的计算。

虽然 Numba 似乎适用于“常见”numpy 函数，但当我尝试包含 Bessel 函数时，它会抛出错误:

Untyped global name 'jn': cannot determine Numba type of <class 'numpy.ufunc'>

通过 Google 搜索，我从 Numba 存储库中找到了一个 Jupyter 笔记本，其中讨论了如何创建 j0 函数 ( https://github.com/numba/numba/blob/08d5c889491213288be0d5c7d726c4c34221c35b/examples/notebooks/j0%20in%20Numba.ipynb )。

笔记本评论说，在 numba 中创建该函数会很快，但最后显示的计时结果表明 numba 的性能慢了约 100 倍。我在这里遗漏了一些明显的东西吗？

更一般地说，是否可以从 scipy Bessel 函数的 Numba 编译中受益？

Answer 1

通常 NumPy 和 SciPy 提供非常快的实现。另一方面，Numba 基于 Python 函数自动生成代码。

所以你不能将 numba 应用于除 Python 函数之外的任何东西，如果你想要 nopython 模式(如果你对速度感兴趣，你需要它)，甚至不是每个 Python 函数。 Numba 仅支持非常有限的函数和类型。而且这些函数都是在 Numba 中重新实现的，它根本不使用 Python 或 NumPy 函数，即使看起来会使用!

因此，您拥有自动生成的 LLVM 代码与高度优化的定制 C/Fortran 代码。因此，您不应该期望获得任何东西(尽管与 NumPy/SciPy 函数相比，numba 通常对于非常小的数组表现出色 - 但即使对于中等大小的数组，numba 也会更慢)。

但是，如果您想在 numba jitted 函数中使用某些(当前不受支持的)函数，您必须自己重新实现它。除非在长紧循环中调用它，否则不值得麻烦，只需使用普通函数即可。开发人员时间通常比运行时重要得多。

这并不意味着 numba 不好。对于需要大量计算/循环且无法使用现有 NumPy 或 SciPy 函数实现的任务来说，它非常有用。