python - 设计启发式方法来编写与 `scipy.integrate.odeint` 交互的 Python 类？

Question

简介

scipy.integrate.odeint需要一个函数作为其第一个参数，该函数计算我们想要积分的变量的导数(从现在开始我将其称为 d_func，即“导数函数”)。

d_func 必须由用户用 Python 代码编写。使用 Numba 提高性能的一个好方法是 @jit d_func(因为 d_func 被称为many 积分期间的次数)。

当 d_func 足够复杂以至于需要一个 Python 类对象支持时，我对如何编写高性能代码有疑问。

代码设置

这是我的代码的“卡通”:

• 有一个名为DynamicBox.py的模块
• 此模块内部是一个 Python 类，DynamicBox
• DynamicBox 有一堆属性
• 其中一些属性是“相位变量”——也就是说，它们是我有兴趣积分的量
• 其中一些属性是“参数”——也就是说，我用它们来 计算相位变量的导数

我将有一堆函数，它们将采用DynamixBox相变量或参数属性，以便计算导数中的相关项。即:

• 我将有一个d_func
• d_func 本身会调用很多小辅助函数来 使用 DynamixBox 计算导数中的相关项 属性

设计选择

我必须做出选择，有以下选项:

1. 我可以制作 d_func 及其所有辅助函数方法 动态框;
2. 或者我只能将 d_func 设为 DynamicBox 的方法， 它的所有辅助函数都在同一个模块中 DynamicBox，但不是 DynamicBox 的方法；
3. 或者只有辅助函数是DynamicBox的方法，但是 d_func 只是在同一个模块 (DynamicBox.py) 中，而不是 DynamicBox 的方法；
4. 或者辅助函数和 d_func 都不是 动态框。

问题

我对 Python 的了解不够，无法确定哪种选择是最好的。我认为需要回答以下问题。

• 进行实例属性调用来获取属性是否昂贵，或者仅当您处于非方法的函数中时才昂贵 类(class)的？

• 如果 Numba 正在比赛怎么办？例如，如果我 @jit 使用普通函数而不是类方法，Numba 会更喜欢它吗？

Answer 1

我可以评论这个问题的 Numba 部分。

正如其他用户所提到的，Numba 中的属性访问会导致一些开销。例如，您可能会想编写如下代码:

class Foo(object):
    def __init__(self, x):
        self.x = x

    @numba.jit
    def dosomething(self, y):
        for i in range(len(self.x)):
            self.x[i] += y[i]

这会很慢，因为 Numba 每次遇到 self.x 时都必须调用 Python 层进行属性访问。

做同样事情的更好方法是这样的:

class Foo(object):
    def __init__(self, x):
        self.x = x

    def dosomething(self, y):
        _dosomething(self.x, y)

@numba.jit(nopython=True)
def _dosomething(x, y):
    for i in range(len(x)):
        x[i] += y[i]

这里循环内没有属性访问，此外我们还可以添加 nopython=True 参数，如果函数必须回退，这将导致 Numba 引发错误任何(慢)Python 代码。这个 nopython 参数是确保您的 Numba 函数尽可能高效的好方法。