将 numba.jit 与 scipy.integrate.ode 一起使用
Posted
技术标签:
【中文标题】将 numba.jit 与 scipy.integrate.ode 一起使用【英文标题】:Using numba.jit with scipy.integrate.ode 【发布时间】:2015-12-21 01:42:44 【问题描述】:使用numba.jit
从scipy.integrate
加速右侧计算odeint
工作正常:
from scipy.integrate import ode, odeint
from numba import jit
@jit
def rhs(t, X):
return 1
X = odeint(rhs, 0, np.linspace(0, 1, 11))
但是像这样使用integrate.ode
:
solver = ode(rhs)
solver.set_initial_value(0, 0)
while solver.successful() and solver.t < 1:
solver.integrate(solver.t + 0.1)
使用装饰器@jit
产生以下错误:
capi_return is NULL
Call-back cb_f_in_dvode__user__routines failed.
Traceback (most recent call last):
File "sandbox/numba_cubic.py", line 15, in <module>
solver.integrate(solver.t + 0.1)
File "/home/pgermann/Software/anaconda3/lib/python3.4/site-packages/scipy/integrate/_ode.py", line 393, in integrate
self.f_params, self.jac_params)
File "/home/pgermann/Software/anaconda3/lib/python3.4/site-packages/scipy/integrate/_ode.py", line 848, in run
y1, t, istate = self.runner(*args)
TypeError: not enough arguments: expected 2, got 1
任何想法如何克服这个问题?
【问题讨论】:
没有jit
是否可以工作?您的 rhs
接受参数、求解器变化的 t
以及您提供的 X
(通过额外的参数元组)。
是的,没有jit
它可以正常工作。额外参数元组是什么意思?
我也有类似的问题。
【参考方案1】:
我不知道原因或解决方案,但在这种情况下,Theano 有助于加快计算速度。 Theano 本质上会编译 numpy 表达式,因此只有当您可以将 rhs 编写为多维数组的表达式时它才会有所帮助(而 jit
知道 for
和朋友们)。它还知道一些代数并优化计算。
除了 Theano 可以为 GPU 编译(这是我首先尝试numba.jit
的原因)。然而,由于开销,使用 GPU 只能提高大型系统(可能是一百万个方程)的性能。
【讨论】:
【参考方案2】:您可以使用包装函数,但我认为它不会提高小型 rhs 函数的性能。
@jit(nopython=True)
def rhs(t, X):
return 1
def wrapper(t, X):
return rhs(t, X)
solver = ode(wrapper)
solver.set_initial_value(0, 0)
while solver.successful() and solver.t < 1:
solver.integrate(solver.t + 0.1)
【讨论】:
以上是关于将 numba.jit 与 scipy.integrate.ode 一起使用的主要内容,如果未能解决你的问题,请参考以下文章