python加速器numba使用
Posted _刘文凯_
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了python加速器numba使用相关的知识,希望对你有一定的参考价值。
python的一个加速器包,这里不讲原理,只讲应用过程,以及给出几个小例子,直接写就行了; 另外还给出了numba如何定义使用List
1、最简单的使用
当输出返回值为整数或浮点数时:
from numba import jit
@jit(nopython=True)
def f(x, y):
return x+y
if __name__ == '__main__':
a = 1
b = 1
print(f(a,b))
解释:
使用装饰器,另外,nopython=True是防止numba自动更改加速模式,也就是使用nopython。
上述代码等价于:
from numba import njit
@njit # 也就是jit(nopython=True)
def f(x, y):
return x+y
if __name__ == '__main__':
a = 1
b = 1
print(f(a,b))
2、进阶
当输出返回值为“不同类型值”时:
装饰器使用:generated_jit
from numba import generated_jit, typed
@generated_jit(nopython=True)
def f2(x):
if x==1:
return lambda x: x+1
else:
return lambda x: [1,2]
if __name__ == '__main__':
a = 1
print(f2(a))
当进行矩阵或向量运算时:
使用装饰器:vectorize
from numba import vectorize, float64
import numpy as np
@vectorize([float64(float64, float64)]) # 注意有中括号
def f(x, y):
return x + y
if __name__ == '__main__':
a = np.array([1,2])
b = np.array([2,2])
print(f(a,b))
补充
在numba内定义列表:
import numpy as np
import time
NUM = 160
from numba import jit
from numba.typed import List
a = List()
a.append(1) # 同样需要指定数据类型,塞个1,数据类型就是int
@jit(nopython=True)
def f(a):
for i in range(NUM):
a.append(i)
if __name__ == '__main__':
for i in range(5):
start = time.time()
f(a)
print(time.time()-start)
创作打卡挑战赛
赢取流量/现金/CSDN周边激励大奖
以上是关于python加速器numba使用的主要内容,如果未能解决你的问题,请参考以下文章