Numba比純python慢​​的基本示例

Question

我試圖比較使用基本示例的numba和純python，並且得到了奇怪的結果。

這是numba例如：

from numba import jit 
from numpy import arange 
from time import time 
# jit decorator tells Numba to compile this function. 
# The argument types will be inferred by Numba when function is called. 
@jit 
def sum2d(arr): 
    M, N = arr.shape 
    result = 0.0 
    for i in range(M): 
     for j in range(N): 
      result += arr[i,j] 
    return result 

a = arange(9).reshape(3,3) 
t = time() 
print(sum2d(a)) 
print time() - t 

這是我得到與numba0.0469660758972秒

而且沒有numba時機我得到更快的結果9.60826873779e-05秒

Answer 1

numba需要根據參數的類型來編譯您的函數，您可以通過提供簽名（eager compilation）來定義函數時執行此操作，或者您可以讓numba在您調用函數第一次（它被稱爲即時（JIT）編譯畢竟:-)）。

您尚未指定任何簽名，因此在第一次調用它時會推斷並編譯該函數。他們even state that在你使用的示例：

# jit decorator tells Numba to compile this function. 
# The argument types will be inferred by Numba when function is called. 

但是後續運行（與同類型和dtypes）將是快速：

t = time() 
print(sum2d(a)) # 0.035051584243774414 
print(time() - t) 

%timeit sum2d(a) # 1000000 loops, best of 3: 1.57 µs per loop 

的最後一個命令使用IPythons%timeit command。