Numba 中的布尔签名
Boolean signature in Numba
我在我的一些代码上使用了 Numba,仅通过添加一些 @jit 装饰器就获得了相当大的性能提升,这很棒。
试图挤出更多东西我想输入函数输出,因为我只需要一个布尔数组,并且函数参数之一是整数。尽管如此我运行陷入了一些困境。作为一个最小的工作示例,我有一个函数,例如
@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一个由 1 和 0 组成的 Numpy 数组 con
。
该数组由 Float64 数字填充,这有点矫枉过正,因为我会摆脱布尔值。
第一件事是,如果我尝试将布尔值分配给 con
,如
@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
它仍然是returns Float64元素,这是我第一个困惑点。
因此我尝试了
@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 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 装饰,我会在调用函数时出错,
No implementation of function Function(<built-in function zeros>) found for signature:
最终,我想使用 Numba 甚至添加一个函数签名,因为我认为这会对 Numba 有所帮助,例如(这个语法完全正确吗?)
@jit(boolean(int32, float64, float64), nopython=True)
如何实现?
感谢您的帮助
您对 np.zeros
的调用中断,因为 numba
在使用 nopython
标志时需要实际的 numpy
类型。只需将它切换到 numpy
版本,它应该可以正常工作:
con = np.zeros(size, dtype=np.bool_)
关于你的第二点,你几乎是正确的,你需要将 return 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很方便):
@jit("boolean[:](int32, float64, float64)", nopython=True)
我在我的一些代码上使用了 Numba,仅通过添加一些 @jit 装饰器就获得了相当大的性能提升,这很棒。
试图挤出更多东西我想输入函数输出,因为我只需要一个布尔数组,并且函数参数之一是整数。尽管如此我运行陷入了一些困境。作为一个最小的工作示例,我有一个函数,例如
@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一个由 1 和 0 组成的 Numpy 数组 con
。
该数组由 Float64 数字填充,这有点矫枉过正,因为我会摆脱布尔值。
第一件事是,如果我尝试将布尔值分配给 con
,如
@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
它仍然是returns Float64元素,这是我第一个困惑点。
因此我尝试了
@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 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 装饰,我会在调用函数时出错,
No implementation of function Function(<built-in function zeros>) found for signature:
最终,我想使用 Numba 甚至添加一个函数签名,因为我认为这会对 Numba 有所帮助,例如(这个语法完全正确吗?)
@jit(boolean(int32, float64, float64), nopython=True)
如何实现?
感谢您的帮助
您对 np.zeros
的调用中断,因为 numba
在使用 nopython
标志时需要实际的 numpy
类型。只需将它切换到 numpy
版本,它应该可以正常工作:
con = np.zeros(size, dtype=np.bool_)
关于你的第二点,你几乎是正确的,你需要将 return 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很方便):
@jit("boolean[:](int32, float64, float64)", nopython=True)