我有一个包含前 30 个整数阶乘的阶乘查找表。该表用于使用 numba.njit 编译的函数。问题是,大于 20!,该数字大于 64 位带符号整数 ( 9,223,372,036,854,775,807 ),这会导致 numba to raise a TypingError .如果该表缩减为仅包含前 20 个整数阶乘,则该函数运行正常。
有没有办法在 numba 中解决这个问题?也许通过在使用查找表的 jit 编译函数中声明更大的整数类型?
请您参考如下方法:
可能有一些方法可以在 Numba 中处理大整数,但我不知道这是一种方法。
但是,因为我们知道您正在尝试对 Beta distribution 的求值进行手动编码在 Numba,我有一些其他的建议。
不过,首先,我们必须注意我们的语言,以免混淆 Beta distribution和 Beta function .
我实际上建议的是将所有计算移至对数尺度。也就是说,不是计算 Beta 分布的 pdf,而是计算 Beta 分布的pdf 的对数。
这个技巧常用于统计计算,因为 pdf 的对数在数值上比 pdf 更稳定。 Stan project ,例如,专门用于计算对数后验密度。
从你的帖子历史我也知道你对MCMC很感兴趣;使用日志 pdf 执行 MCMC 也是常见的做法。在 MCMC 的情况下,不是让后验概率与先验时间成比例,而是在对数标度上,您将有 log-后验概率与 log-先验成比例加上 log 似然。
我建议您使用对数分布,因为这样您就不必为大 n 计算 $\Gamma(n)$,这很容易出现整数溢出。相反,您计算 $\log(\Gamma(n))$。但是你不需要计算 $\Gamma(n)$ 来计算 $\log(\Gamma(n))$ 吗?实际上,不。你可以看看 scipy.special 函数 gammaln这完全避免了计算 $\Gamma(n)$。一种前进的方式是查看 scipy.special.gammaln 中的源代码,并据此制作您自己的 numba 实现。
在您的评论中,您还提到使用 Spouge's Approximation来近似 Gamma 函数。我以前没有使用过 Spouge 的近似值,但我在 Stirling's approximation 上取得了成功。 .如果您想使用这些近似值之一,在对数刻度上工作,您现在将采用近似值的对数。你会想要使用 rules of logs重写这些近似值。
考虑到以上所有因素,我建议将计算从 pdf 转移到 pdf 的日志。要计算 Beta 分布的日志 pdf,我会使用 this approximation of the Beta function .使用日志规则重写此近似值和 Beta pdf。然后,您可以实现 this is Numba,而不必担心整数溢出。
编辑
抱歉,我不确定如何在堆栈溢出时格式化数学。
