Question

我什么时候应该使用@vectorize？

我试过@jit并显示下面代码的一部分，

from numba import jit

@jit
def kma(g,temp): 
    k=np.exp(-(g+np.abs(g))/(2*temp))   
    return k

但我的代码没有加速算法。为什么呢？

Answer 1

@vectorize用于编写可以一次将一个元素（标量）应用于数组的表达式。 @jit装饰器更通用，可以用于任何类型的计算。

详细讨论了文档中的其他好处：

你可能会问自己，“为什么我要经历这个而不是使用@jit装饰器编译一个简单的迭代循环？”。答案是NumPy ufuncs会自动获得其他功能，如缩小，累积或广播。

你的代码没有被加速的原因（我看到jitted和non-jitted代码之间几乎相同的性能）是你正在执行的操作已经由低级编译代码完全处理了numpy矢量化操作背后。

如果展开隐式循环以避免创建中间数组，可能会节省一些成本，但通常numba对于不容易在numpy中进行矢量化的操作非常擅长。