Numba比纯python慢​​的基本示例

Question

我试图比较使用基本示例的numba和纯python，并且得到了奇怪的结果。

这是numba例如：

from numba import jit 
from numpy import arange 
from time import time 
# jit decorator tells Numba to compile this function. 
# The argument types will be inferred by Numba when function is called. 
@jit 
def sum2d(arr): 
    M, N = arr.shape 
    result = 0.0 
    for i in range(M): 
     for j in range(N): 
      result += arr[i,j] 
    return result 

a = arange(9).reshape(3,3) 
t = time() 
print(sum2d(a)) 
print time() - t 

这是我得到与numba0.0469660758972秒

而且没有numba时机我得到更快的结果9.60826873779e-05秒

Answer 1

numba需要根据参数的类型来编译您的函数，您可以通过提供签名（eager compilation）来定义函数时执行此操作，或者您可以让numba在您调用函数第一次（它被称为即时（JIT）编译毕竟:-)）。

您尚未指定任何签名，因此在第一次调用它时会推断并编译该函数。他们even state that在你使用的示例：

# jit decorator tells Numba to compile this function. 
# The argument types will be inferred by Numba when function is called. 

但是后续运行（与同类型和dtypes）将是快速：

t = time() 
print(sum2d(a)) # 0.035051584243774414 
print(time() - t) 

%timeit sum2d(a) # 1000000 loops, best of 3: 1.57 µs per loop 

的最后一个命令使用IPythons%timeit command。