将 class 对象作为函数参数传递，在 Numba 中优化 Python

Question

我想将 class 对象传递给函数。我可以让它工作，但我想知道是否有一种类型可以分配给它？我有一个 "minimal" 例子来说明我正在尝试做什么。

spec = [("a", float64),("b",float64)]
@jitclass(spec)
class SOMETHING_3():
    def __init__(self):
        self.a = 1.1
        self.b = 2.3

    def sum(self):
        return self.a + self.b


@jit(float64(float64, XXX), nopython = True)
def get_sum_3(c, someobj):
    d = 0
    for i in range(1000):
        for j in range(1000):
            d += c + someobj.sum()
    return d

如果我删除显式类型分配 "float64(float64, XXX)" 它工作正常。

但是有什么东西可以代替 XXX 来表明它是我传递的 class 对象。

Answer 1

如果您将 XXX 替换为 SOMETHING_3.class_type.instance_type，您提供的代码应该可以使用。

值得注意的是，如果您改为尝试接收一组 jitclass 对象，这将变得更加棘手（我相信目前不可能）。如果您的完整 problem/code 涉及这些 jitclass 对象的数组，我建议您考虑使用 NumPy 结构化数组而不是 jitclass。这主要是因为当前版本的 Numba 似乎不支持使用 jitclass 对象数组作为函数参数。这样做的原因是 jitclass 对象数组将被解释为 dtype 为 numpy.object 的 NumPy 数组，这在 Numba 的 nopython 模式中不受支持。由于它是 Numba 无法降低的类型（编译以在 nopython 模式下使用），因此 nopython 模式对于延迟编译（无函数签名）和急切编译（指定函数签名）都会失败。

更新：

现在支持 jitclass 对象列表，但是在 Python 和 nopython 编译代码之间传递它们的开销非常大（在编写本文时），所以请记住这一点。

将 class 对象作为函数参数传递，在 Numba 中优化 Python

Passing a class object as a function argument, in Numba optimized Python

numba