在 numba.jit 装饰器中使用并行选项会使函数给出错误的结果

Question

给定矩形的两个对角 (x1, y1) 和 (x2, y2) 以及两个半径 r1 和 r2，求位于由半径 r1 和 r2 到矩形中点的总数。

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：

nopython = True

函数速度更快，输出正确。但是当我还添加：

parallel = True

该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

其他信息：Python 版本：3.6.1，Numba 版本：0.34.0+5.g1762237，NumPy 版本：1.13.1

Answer 1

parallel=True 的问题在于它是一个黑匣子。 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可以并行完成的内容。这些可能会失败，在您的示例中它们确实会失败，就像 my experiments with parallel and numba 中一样。这使得 parallel 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 而不同于 np.linspace...

请注意：您可以完全避免构建 z 并在您的函数中执行 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 更快（如果它能正常工作）。

在 numba.jit 装饰器中使用并行选项会使函数给出错误的结果

Usage of parallel option in numba.jit decoratior makes function give wrong result

python

jit

numpy

python-3.x

numba