python - 这段代码有什么问题？ Module 类型的未知属性 'array'(

Question

我正在尝试使用 @vectorize 在函数内创建一个数组，我不知道为什么我不断收到此错误:

Unknown attribute 'array' of type Module( < module 'numpy' from 'filename.... /lib/python3.6/site-packages/numpy/ __ init __ .py'>)

代码:

from numba import vectorize, float32
import numpy as np

@vectorize([float32(float32[:,:], float32[:])], target='cuda')
def fitness(vrp_data, individual):
    # The first distance is from depot to the first node of the first route
    depot = np.array([0.0, 0.0, 30.0, 40.0], dtype=np.float32)
    firstnode = np.array([0.0, 0.0, 0.0, 0.0], dtype=np.float32)
    firstnode = vrp_data[vrp_data[:,0] == individual[0]][0] if 
individual[0] !=0 else depot

    x1 = depot[2]
    x2 = firstnode[2]
    y1 = depot[3]
    y2 = firstnode[3]

    dx = x1 - x2
    dy = y1 - y2
    totaldist = math.sqrt(dx * dx + dy * dy)

    return totaldist

代码在没有函数修饰的情况下工作正常。

Answer 1

问题

Numba 不支持

numpy.array。 Numba 仅支持 Numpy 顶级函数的子集(即您调用的任何函数，如 numpy.foo )。这是 identical issue from the Numba bug tracker .

“解决方案”

这是list of Numpy functions that Numba actually supports 。支持 numpy.zeros，因此在理想情况下，您只需将代码中使用 np.array 的行更改为:

depot = np.zeros(4, dtype=np.float32)
depot[2:] = [30, 40]
firstnode = np.zeros(4, dtype=np.float32)

它会起作用的。但是，当定位 cuda all Numpy functions that allocate memory (including np.zeros) are disabled 时。因此，您必须想出一个不涉及任何数组分配的解决方案。

使用向量化的问题

此外，看起来 vectorize 不是您应该使用的包装函数。相反，像您编写的那样的函数 requires the use of guvectorize 。这是我能够使用的最接近您的原始代码的内容:

import math
from numba import guvectorize, float32
import numpy as np

@guvectorize([(float32[:,:], float32[:], float32[:])], '(m,n),(p)->()')
def fitness(vrp_data, individual, totaldist):
    # The first distance is from depot to the first node of the first route
    depot = np.zeros(4, dtype=np.float32)
    depot[2:] = [30, 40]
    firstnode = np.zeros(4, dtype=np.float32)
    firstnode = vrp_data[vrp_data[:,0] == individual[0]][0] if individual[0] !=0 else depot

    x1 = depot[2]
    x2 = firstnode[2]
    y1 = depot[3]
    y2 = firstnode[3]

    dx = x1 - x2
    dy = y1 - y2
    totaldist[0] = math.sqrt(dx * dx + dy * dy)

签名中的第三个参数实际上是返回值，因此您可以像这样调用该函数:

vrp_data = np.arange(100, 100 + 4*4, dtype=np.float32).reshape(4,4)
individual = np.arange(100, 104, dtype=np.float32)

fitness(vrp_data, individual)

输出:

95.67131

最新 Numba 中更好的错误消息

您可能应该升级您的 Numba 版本。在当前版本中，您的原始代码会引发更具体的错误消息:

TypingError: Failed in nopython mode pipeline (step: nopython frontend). Use of unsupported NumPy function 'numpy.array' or unsupported use of the function.