Question

我对python中的numba软件包很陌生。我不确定我是否正确使用了numba.jit，但是该代码的运行速度太慢，每循环23.7s：Z1 = mmd（X，Y，20）优化代码的正确方法是什么？我需要你们的帮助。谢谢。

这是我的代码：

import pandas as pd
import numba as nb
import numpy as np
@nb.jit
def mmd(array1, array2, n):
    n1 = array1.shape[0]
    MMD = np.empty(n1, dtype = 'float64')

    for i in range(n-1,n1):
        MMD[i] = np.average(abs(array1[i+1-n:i+1] - array2[i]))

    return MMD

X = np.array([i**2 for i in range(1000000)])
Y = np.array([i for i in range(1000000)])
Z1 = mmd(X,Y,20)

编辑：进一步简化了代码

EDIT2：尝试了@ nb.jit（nopython = True），然后出现错误消息：

KeyError: "<class 'numba.targets.cpu.CPUTargetOptions'> does not support option: 'nonpython'"

也尝试过：

@nb.jit(nb.float32[:](nb.float32[:],nb.float32[:],nb.int8))

Answer 1

要使Numba正常工作，您需要使用“ nopython”模式，如上所述。要启用此功能，只需运行程序，将jit替换为njit（或等效地jit(nopython=True)，然后逐一修复错误：

np.empty（）在Numba中不支持dtype='float64'参数。没关系，因为float64是默认设置。只需将其删除即可。
np.average（）。没关系，因为无论如何我们都没有传递任何权重，所以它与np.mean（）相同。更换它。
Numba不支持内置的abs（）。改用np.abs（）。

我们最终得到了这个

@nb.njit
def mmd(array1, array2, n):
    n1 = array1.shape[0]
    MMD = np.empty(n1)

    for i in range(n-1,n1):
        MMD[i] = np.mean(np.abs(array1[i+1-n:i+1] - array2[i]))

    return MMD

速度快了100倍。

奖金提示：

您可以像这样简洁，快速地初始化示例数据：
```
Y = np.arange(1000000)
X = Y * Y
```
结果中的前n个值是未初始化的垃圾。您可能想要以某种方式清理它。

Numba @jit无法加快此功能的性能。无论如何要解决这个问题？

1 个答案: