python - Numba 对没有输入的函数进行向量化

Question

我想使用 numba.vectorize 并行化函数，但我的函数不接受任何输入。目前，我为从未使用过的函数使用了虚拟数组和虚拟输入。

有没有更优雅/快速的方法(可能不使用numba.vectorize)？

代码示例(不是我的实际代码，仅用于演示我如何丢弃输入):

import numpy as np
from numba import vectorize

@vectorize(["int32(int32)"], nopython=True)
def particle_path(discard_me):
    x = 0
    for _ in range(10):
        x += np.random.uniform(0, 1)
    return np.int32(x)

arr = particle_path(np.empty(1024, dtype=np.int32))
print(arr)

Answer 1

如果您只是处理一维数组，那么您可以使用以下方法，其中数组必须在函数外部实例化。在这里似乎没有任何理由使用 vectorize ，您可以简单地使用 jit 来实现目标，尽管您必须使用显式地在数组元素上编写循环这。如果您的数组始终是一维的，那么您可以使用:

import numpy as np
from numba import jit

@jit(nopython=True)
def particle_path(out):
    for i in range(len(out)):
        x = 0
        for _ in range(10):
            x += np.random.uniform(0, 1)
        out[i] = x

arr = np.empty(1024, dtype=np.int32)
particle_path(arr)

您可以使用 flat 类似地处理任意维数组。属性(并确保使用 .size 获取数组中元素的总数):

@jit(nopython=True)
def particle_path(out):
    for i in range(out.size):
        x = 0
        for _ in range(10):
            x += np.random.uniform(0, 1)
        out.flat[i] = x

arr = np.empty(1024, dtype=np.int32)
particle_path(arr)

最后，如果每次运行函数时都需要一个新数组，则可以在函数内创建数组(如果您将重复调用该函数并想要覆盖同一个数组，请使用上面的数组，从而保存一次又一次地重新分配同一数组的时间)。

@jit(nopython=True)
def particle_path(num):
    out = np.empty(shape=num, dtype=np.int32)
    for i in range(num):
        x = 0
        for _ in range(10):
            x += np.random.uniform(0, 1)
        out[i] = x
    return out

arr = particle_path(1024)