Question

我目前正在研究使用Numba来加快我的python软件的速度。我是这个概念的新手，目前正在尝试学习绝对基础。我现在停留的是：

我不明白，向量化装饰器的最大优点是什么。

文档说明，装饰器用于将普通的python函数转换为Numpy ufunc。据我了解，ufunc的好处在于，它可以采用numpy数组（而不是标量）并提供广播等功能。

但是如果没有这个装饰器，我可以在网上找到的所有示例都可以轻松解决。

例如，这个例子来自numba文档。

@vectorize([float64(float64, float64)])
def f(x, y):
    return x + y

他们声称，现在该函数像numpy ufunc一样工作。但是，即使没有装饰器，还是不是吗？如果我只运行以下代码：

def f(x,y):
    return x+y

x = np.arange(10)
y = np.arange(10)

print(f(x,y))

那也很好。该函数已经接受标量以外类型的参数。

我在这里误会什么？

Answer 1

只需阅读以下几行文档即可：

您可能会问自己：“为什么我要经历这个过程，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，例如减少，累积或广播。

例如，f.reduce(arr)将以arr的速度将f上的所有元素求和。