我在我的一些代码上尝试了Numba,通过添加一些@jit装饰器,我获得了相当大的性能改进,这非常棒
试图压缩更多的内容,我想键入函数输出,因为我只需要一个布尔数组,其中一个函数参数是整数。尽管如此,我还是遇到了一些困难。作为一个最低限度的工作示例,我有一个函数,如
@jit
def start_config(size, s, b):
prob = np.exp(-energy(1,s)/b)
con = np.zeros(size)
rand_unif = np.random.uniform(0,1,size)
for i in range(size):
if rand_unif[i] < prob:
con[i] = 1
else:
con[i] = 0
return con
它根据某些参数生成1和0的Numpy数组con
。
这个数组由Float64数字填充,这是一个相当过分的做法,因为我会避开布尔值
第一件事是,如果我尝试将布尔赋值给con
,如中所示
@jit
def start_config(size, s, a):
prob = np.exp(-energy(1,s)/a)
con = np.zeros(size)
rand_unif = np.random.uniform(0,1,size)
for i in range(size):
if rand_unif[i] < prob:
con[i] = True
else:
con[i] = False
return con
它仍然返回Float64元素,这是我的第一个困惑点
于是我试了一下
@jit(nopython = True)
def start_config(size, s, a):
prob = np.exp(-energy(1,s)/a)
con = np.zeros(size, dtype=bool)
rand_unif = np.random.uniform(0,1,size)
for i in range(size):
if rand_unif[i] < prob:
con[i] = True
else:
con[i] = False
return con
没有了Numba,数组现在被初始化为布尔值,我可以确认。通过检查类型。但是如果我用Numba的@jit进行装饰,调用函数时会出现错误
No implementation of function Function(<built-in function zeros>) found for signature:
最后,我想使用Numba,甚至添加一个函数签名,因为我认为这将有助于Numba,比如(这个语法正确吗?)
@jit(boolean(int32, float64, float64), nopython=True)
如何做到这一点
谢谢你的帮助
您对
np.zeros
的调用正在中断,因为numba
在使用nopython
标志时需要实际的numpy
类型。只需将其切换到numpy
版本,它就可以正常工作:关于第二点,您几乎是正确的,您需要将返回类型声明为布尔数组(此外,我发现只传递字符串而不是导入实际类型非常方便):
相关问题 更多 >
编程相关推荐