Skip to main content
 首页 » 编程设计

python之在 numba.jit 装饰器中使用并行选项使函数给出错误的结果

2025年02月15日7oomusou

给定矩形的两个对角 (x1, y1) 和 (x2, y2) 以及两个半径 r1 和 r2,找到位于由半径 r1 和 r2 定义的圆之间的点与矩形中点总数的比率。

简单的 NumPy 方法:

def func_1(x1,y1,x2,y2,r1,r2,n): 
     x11,y11 = np.meshgrid(np.linspace(x1,x2,n),np.linspace(y1,y2,n)) 
     z1 = np.sqrt(x11**2+y11**2) 
     a = np.where((z1>(r1)) & (z1<(r2))) 
     fill_factor = len(a[0])/(n*n) 
     return fill_factor 

接下来我尝试使用 numba 的 jit 装饰器优化这个函数。当我使用时:

nopython = True 

函数速度更快,输出正确。但是当我还添加:

parallel = True 

函数速度更快但给出了错误的结果。 我知道这与我的 z 矩阵有关,因为它没有正确更新。

@jit(nopython=True,parallel=True) 
def func_2(x1,y1,x2,y2,r1,r2,n): 
    x_ = np.linspace(x1,x2,n) 
    y_ = np.linspace(y1,y2,n) 
    z1 = np.zeros((n,n)) 
    for i in range(n): 
        for j in range(n): 
            z1[i][j] = np.sqrt((x_[i]*x_[i]+y_[j]*y_[j])) 
    a = np.where((z1>(r1)) & (z1<(r2))) 
    fill_factor = len(a[0])/(n*n) 
    return fill_factor 

测试值:

x1 = 1.0 
x2 = -1.0 
y1 = 1.0 
y2 = -1.0 
r1 = 0.5 
r2 = 0.75 
n = 25000 

附加信息:Python 版本:3.6.1,Numba 版本:0.34.0+5.g1762237,NumPy 版本:1.13.1

请您参考如下方法:

parallel=True 的问题在于它是一个黑盒子。 Numba 甚至不保证它实际上会并行化任何东西。它使用启发式方法来确定它是否可并行化以及哪些可以并行完成。这些可能会失败,在您的示例中它们确实会失败,就像在 my experiments with parallel and numba 中一样.这使得 parallel 变得不可信,我建议反对使用它!

在较新的版本 (0.34) 中,添加了 prange,您可能会更幸运。它不能在这种情况下应用,因为 prange 的工作方式类似于 range 并且不同于 np.linspace...

请注意:您可以完全避免在函数中构建 z 和执行 np.where,您可以明确地进行检查:

import numpy as np 
import numba as nb 
 
@nb.njit   # equivalent to "jit(nopython=True)". 
def func_2(x1,y1,x2,y2,r1,r2,n): 
    x_ = np.linspace(x1,x2,n) 
    y_ = np.linspace(y1,y2,n) 
    cnts = 0 
    for i in range(n): 
        for j in range(n): 
            z = np.sqrt(x_[i] * x_[i] + y_[j] * y_[j]) 
            if r1 < z < r2: 
                cnts += 1 
    fill_factor = cnts/(n*n) 
    return fill_factor 

与您的函数相比,这也应该提供一些加速,甚至可能比使用 parallel=True(如果它能正常工作)。