python - 与 Numba 并行循环——与 prange 不并行

Question

我正在实现一种具有特定结构的顺序算法(卡尔曼滤波器)，其中可以并行完成大量内部循环。我需要从这个函数中获得尽可能多的性能。目前，它在我的机器上运行大约 600 毫秒，具有代表性数据输入(n，p = 12，d = 3，T = 3000)

我已将 @numba.jit 与 nopython=True, parallel=True 一起使用，并使用 numba.prange 注释了我的范围。然而，即使有非常大的数据输入 (n > 5000)，显然也不会发生并行性(仅基于使用 top 查看内核)。

这里有相当多的代码，我只显示主要 block 。 Numba 无法在 prange 下并行化数组操作是否有原因？我还检查了 numba.config.NUMBA_NUM_THREADS (它是 8)并使用不同的 numba.config.THREADING_LAYER (目前是 'tbb')。我也尝试过 openblas 和 numpy+scipy 的 MKL 版本，MKL 版本似乎稍微慢一些，而且仍然没有并行化。

注释是:

@numba.jit(nopython=True, cache=False, parallel=True,
           fastmath=True, nogil=True)

以及函数的主要部分:

P = np.empty((T + 1, n, p, d, d))
m = np.empty((T + 1, n, p, d))

P[0] = P0
m[0] = m0

phi = 0.0
Xt = np.empty((n, p)

for t in range(1, T + 1):
    sum_P00 = 0.0
    v = y[t - 1]

    # Purely for convenience, little performance impact
    for tau in range(1, p + 1):
        Xt[:, tau - 1] = X[p + t - 1 - tau]

    # Predict
    for i in numba.prange(n):
        for tau in range(p):
            # Prediction step
            m[t, i, tau] = Phi[i, tau] @ m[t - 1, i, tau]
            P[t, i, tau] = Phi[i, tau] @ P[t - 1, i, tau] @ Phi[i, tau].T

    # Auxiliary gain variables
    for i in numba.prange(n):
        for tau in range(p):
            v = v - Xt[i, tau] * m[t, i, tau, 0]
            sum_P00 = sum_P00 + P[t, i, tau, 0, 0]

    # Energy function update
    s = np.linalg.norm(Xt)**2 * sum_P00 + sv2
    phi += np.pi * s + 0.5 * v**2 / s

    # Update
    for i in numba.prange(n):
        for tau in range(p):
            k = Xt[i, tau] * P[t, i, tau, :, 0]  # Gain
            m[t, i, tau] = m[t, i, tau] + (v / s) * k
            P[t, i, tau] = P[t, i, tau] + (k / s) @ k.T

Answer 1

这似乎只是在 Ipython 中交互运行的问题。正如预期的那样，从控制台运行测试脚本会导致并行执行。