Question

我正在使用numbas @jit装饰器在python中添加两个numpy数组。如果我使用@jit与python相比，则效果非常高。

然而，即使我传入@numba.jit(nopython = True, parallel = True, nogil = True)，也没有使用所有CPU内核。

有没有办法使用所有带有numba @jit的CPU内核。

这是我的代码：

import time                                                
import numpy as np                                         
import numba                                               

SIZE = 2147483648 * 6                                      

a = np.full(SIZE, 1, dtype = np.int32)                     

b = np.full(SIZE, 1, dtype = np.int32)                     

c = np.ndarray(SIZE, dtype = np.int32)                     

@numba.jit(nopython = True, parallel = True, nogil = True) 
def add(a, b, c):                                          
    for i in range(SIZE):                                  
        c[i] = a[i] + b[i]                                 

start = time.time()                                        
add(a, b, c)                                               
end = time.time()                                          

print(end - start)

Answer 1

您可以将parallel=True传递给任何numba jitted函数，但这并不意味着它总是使用所有核心。您必须了解numba使用一些启发式方法来使代码并行执行，有时这些启发式方法根本找不到任何在代码中并行化的内容。目前有一个pull request，因此如果无法使其“并行”，则会发出警告。所以它更像是“请尽可能并行执行”参数而不是“强制并行执行”。

但是，如果您确实知道可以并行化代码，则可以始终手动使用线程或进程。只需调整example of using multi-threading from the numba docs：

#!/usr/bin/env python
from __future__ import print_function, division, absolute_import

import math
import threading
from timeit import repeat

import numpy as np
from numba import jit

nthreads = 4
size = 10**7  # CHANGED

# CHANGED
def func_np(a, b):
    """
    Control function using Numpy.
    """
    return a + b

# CHANGED
@jit('void(double[:], double[:], double[:])', nopython=True, nogil=True)
def inner_func_nb(result, a, b):
    """
    Function under test.
    """
    for i in range(len(result)):
        result[i] = a[i] + b[i]

def timefunc(correct, s, func, *args, **kwargs):
    """
    Benchmark *func* and print out its runtime.
    """
    print(s.ljust(20), end=" ")
    # Make sure the function is compiled before we start the benchmark
    res = func(*args, **kwargs)
    if correct is not None:
        assert np.allclose(res, correct), (res, correct)
    # time it
    print('{:>5.0f} ms'.format(min(repeat(lambda: func(*args, **kwargs),
                                          number=5, repeat=2)) * 1000))
    return res

def make_singlethread(inner_func):
    """
    Run the given function inside a single thread.
    """
    def func(*args):
        length = len(args[0])
        result = np.empty(length, dtype=np.float64)
        inner_func(result, *args)
        return result
    return func

def make_multithread(inner_func, numthreads):
    """
    Run the given function inside *numthreads* threads, splitting its
    arguments into equal-sized chunks.
    """
    def func_mt(*args):
        length = len(args[0])
        result = np.empty(length, dtype=np.float64)
        args = (result,) + args
        chunklen = (length + numthreads - 1) // numthreads
        # Create argument tuples for each input chunk
        chunks = [[arg[i * chunklen:(i + 1) * chunklen] for arg in args]
                  for i in range(numthreads)]
        # Spawn one thread per chunk
        threads = [threading.Thread(target=inner_func, args=chunk)
                   for chunk in chunks]
        for thread in threads:
            thread.start()
        for thread in threads:
            thread.join()
        return result
    return func_mt


func_nb = make_singlethread(inner_func_nb)
func_nb_mt = make_multithread(inner_func_nb, nthreads)

a = np.random.rand(size)
b = np.random.rand(size)

correct = timefunc(None, "numpy (1 thread)", func_np, a, b)
timefunc(correct, "numba (1 thread)", func_nb, a, b)
timefunc(correct, "numba (%d threads)" % nthreads, func_nb_mt, a, b)

我突出显示了我更改的部分，其他所有内容都是从示例中逐字复制的。这利用了我机器上的所有核心（4核心机器因此4个线程），但没有显示出显着的加速：

numpy (1 thread)       539 ms
numba (1 thread)       536 ms
numba (4 threads)      442 ms

在这种情况下，多线程缺乏（很多）加速是加法是带宽限制的操作。这意味着从数组加载元素并将结果放在结果数组中需要花费更多的时间而不是实际添加。

在这些情况下，您甚至可以看到由于并行执行而导致速度下降！

只有当函数更复杂并且实际操作与加载和存储数组元素相比需要大量时间时，您才会看到并行执行会有很大改进。 numba文档中的示例是这样的：

def func_np(a, b):
    """
    Control function using Numpy.
    """
    return np.exp(2.1 * a + 3.2 * b)

@jit('void(double[:], double[:], double[:])', nopython=True, nogil=True)
def inner_func_nb(result, a, b):
    """
    Function under test.
    """
    for i in range(len(result)):
        result[i] = math.exp(2.1 * a[i] + 3.2 * b[i])

这实际上（几乎）与线程数一起扩展，因为两次乘法，一次加法和一次math.exp调用比加载和存储结果慢得多：

func_nb = make_singlethread(inner_func_nb)
func_nb_mt2 = make_multithread(inner_func_nb, 2)
func_nb_mt3 = make_multithread(inner_func_nb, 3)
func_nb_mt4 = make_multithread(inner_func_nb, 4)

a = np.random.rand(size)
b = np.random.rand(size)

correct = timefunc(None, "numpy (1 thread)", func_np, a, b)
timefunc(correct, "numba (1 thread)", func_nb, a, b)
timefunc(correct, "numba (2 threads)", func_nb_mt2, a, b)
timefunc(correct, "numba (3 threads)", func_nb_mt3, a, b)
timefunc(correct, "numba (4 threads)", func_nb_mt4, a, b)

结果：

numpy (1 thread)      3422 ms
numba (1 thread)      2959 ms
numba (2 threads)     1555 ms
numba (3 threads)     1080 ms
numba (4 threads)      797 ms

Answer 2

出于完整性考虑，在2018年（numba v 0.39）中，您可以这样做

from numba import prange

然后在原始函数定义中将range替换为prange。

这立即使CPU利用率达到100％，在我的情况下，运行时间从2.9秒提高到1.7秒（对于SIZE = 2147483648 * 1，在具有16个核32个线程的计算机上）。

更复杂的内核通常可以通过传入fastmath=True来提高速度。

如何让numba @jit使用所有cpu核心（parallelize numba @jit）

2 个答案: