Question

简介

scipy.integrate.odeint需要作为其第一个参数，一个计算我们想要整合的变量的导数的函数（我将其称为d_func，从现在开始计算“衍生函数” ）。

d_func必须由用户在Python代码中编写。使用Numba提升性能的一个好方法是@jit d_func（因为d_func在集成期间被称为很多次。）

当d_func足够复杂以至于需要一个Python类对象时，我对如何编写高性能代码有疑问。

代码设置

这是我的代码的“卡通片”：

有一个名为DynamicBox.py
是Python类DynamicBox
DynamicBox有一堆属性
其中一些属性是“阶段变量” - 也就是说，他们是我有兴趣整合的数量
其中一些属性是“参数” - 也就是说，我使用它们计算相变量的导数

我将拥有一系列将采用DynamixBox阶段变量或参数属性的函数，以便计算衍生函数中的相关项。那就是：

我将有d_func
d_func本身会调用许多小辅助函数使用DynamixBox计算衍生工具中的相关字词属性

设计选择

我必须做出选择，并提供以下选项：

要么我可以使d_func及其所有辅助函数方法 DynamicBox;
或者我只能d_func DynamicBox的方法，并且它的所有辅助函数都在同一个模块中 DynamicBox，但不是DynamicBox;
或只有辅助函数是DynamicBox的方法，但是 d_func位于同一模块（DynamicBox.py）中，而不是a DynamicBox;
或者辅助函数和d_func都不是方法 DynamicBox。

问题

我不太了解Python以确定哪个选择最佳。我认为需要回答以下问题。

使实例属性调用获取属性是否昂贵，或者仅当您处于不是方法的函数时才会很昂贵班级？
如果Numba在比赛中怎么办？例如，如果我@jit - 正常函数而不是类方法，Numba会更喜欢它吗？

Answer 1

我可以评论这个问题的Numba部分。

正如其他用户所提到的，Numba中的属性访问会导致一些开销。例如，您可能想要编写如下代码：

class Foo(object):
    def __init__(self, x):
        self.x = x

    @numba.jit
    def dosomething(self, y):
        for i in range(len(self.x)):
            self.x[i] += y[i]

这将很慢，因为Numba每次遇到self.x时都必须调用Python层进行属性访问。

做同样事情的更好方法是：

class Foo(object):
    def __init__(self, x):
        self.x = x

    def dosomething(self, y):
        _dosomething(self.x, y)

@numba.jit(nopython=True)
def _dosomething(x, y):
    for i in range(len(x)):
        x[i] += y[i]

这里循环中没有属性访问，另外我们能够添加nopython=True参数，如果函数必须回退到任何（慢）Python，这将导致Numba引发错误码。这个nopython参数是确保您的Numba函数尽可能高效的好方法。

设计启发式编写与`scipy.integrate.odeint`交互的Python类？

简介

代码设置

设计选择

问题

1 个答案: