我在使用 numba 進行優(yōu)化時有疑問。我正在編寫一個定點迭代來計算一個名為 gamma 的數(shù)組的值，它滿足方程 f(gamma)=gamma。我正在嘗試使用 python 包 Numba 優(yōu)化此功能?？雌饋砣缦隆jitdef fixed_point(gamma_guess): for i in range(17): gamma_guess=f(gamma_guess) return gamma_guessNumba 能夠很好地優(yōu)化這個功能，因為它知道它將執(zhí)行多少次操作，17 次，并且運行速度很快。但是我需要控制我想要的伽瑪?shù)恼`差容限，我的意思是，一個伽瑪和下一個通過定點迭代獲得的伽瑪之差應(yīng)該小于某個數(shù)字epsilon = 0.01，然后我嘗試了@jitdef fixed_point(gamma_guess): err=1000 gamma_old=gamma_guess.copy() while(error>0.01): gamma_guess=f(gamma_guess) err=np.max(abs(gamma_guess-gamma_old)) gamma_old=gamma_guess.copy() return gamma_guess它也可以工作并計算所需的結(jié)果，但不如上次實現(xiàn)快，它要慢得多。我認為這是因為 Numba 無法很好地優(yōu)化 while 循環(huán)，因為我們不知道它何時會停止。有沒有辦法可以優(yōu)化它并像上次實現(xiàn)一樣快地運行？編輯：這是我正在使用的 ffrom scipy import fftpack as spS=0.01Amu=0.7@jit def f(gammaa,z,zal,kappa): ka=sp.diff(kappa) gamma0=gammaa for i in range(N): suma=0 for j in range(N): if (abs(j-i))%2 ==1: if((z[i]-z[j])==0): suma+=(gamma0[j]/(z[i]-z[j])) gamma0[i]=2.0*Amu*np.real(-(zal[i]/z[i])+zal[i]*(1.0/(2*np.pi*1j))*suma*2*h)+S*ka[i] return gamma0我總是用作初始猜測，np.ones(2048)*0.5傳遞給我的函數(shù)的其他參數(shù)是z=np.cos(alphas)+1j*(np.sin(alphas)+0.1)、zal=-np.sin(alphas)+1j*np.cos(alphas)和kappa=np.ones(2048)alphas=np.arange(0,2*np.pi,2*np.pi/2048)
1 回答
函數(shù)式編程
TA貢獻1807條經(jīng)驗 獲得超9個贊
我做了一個小測試腳本，看看我是否可以重現(xiàn)你的錯誤：
import numba as nb
from IPython import get_ipython
ipython = get_ipython()
@nb.jit(nopython=True)
def f(x):
return (x+1)/x
def fixed_point_for(x):
for _ in range(17):
x = f(x)
return x
@nb.jit(nopython=True)
def fixed_point_for_nb(x):
for _ in range(17):
x = f(x)
return x
def fixed_point_while(x):
error=1
x_old = x
while error>0.01:
x = f(x)
error = abs(x_old-x)
x_old = x
return x
@nb.jit(nopython=True)
def fixed_point_while_nb(x):
error=1
x_old = x
while error>0.01:
x = f(x)
error = abs(x_old-x)
x_old = x
return x
print("for loop without numba:")
ipython.magic("%timeit fixed_point_for(10)")
print("for loop with numba:")
ipython.magic("%timeit fixed_point_for_nb(10)")
print("while loop without numba:")
ipython.magic("%timeit fixed_point_while(10)")
print("for loop with numba:")
ipython.magic("%timeit fixed_point_while_nb(10)")
由于我不了解您的f情況，因此我只使用了我能想到的最簡單的穩(wěn)定功能。然后，我在使用和不numba使用循環(huán)的情況下運行測試。我機器上的結(jié)果是：forwhile
for loop without numba:
3.35 μs ± 8.72 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
for loop with numba:
282 ns ± 1.07 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)
while loop without numba:
1.86 μs ± 7.09 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)
for loop with numba:
214 ns ± 1.36 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)
產(chǎn)生以下想法：
不可能，你的函數(shù)是不可優(yōu)化的，因為你的
for循環(huán)很快（至少你是這么說的；你沒有測試過numba嗎？）。如您所想，您的函數(shù)可能需要更多的循環(huán)才能收斂
我們使用不同的軟件版本。我的版本是：
numba 0.49.0numpy 1.18.3python 3.8.2
添加回答
舉報
0/150
提交
取消