Python 使用 numba prange 对循环封装进行并行化。为什么不工作

Question

在做一些用 numba 并行化 3 封装 for cycle 的实验时，我意识到天真的方法实际上并没有提高性能。以下代码产生以下时间（以秒为单位）：

0.154625177383  # no numba
0.420143127441  # numba first time (lazy initialisation)
0.196285963058  # numba second time
0.200047016144  # nubma third time
0.199403047562  # nubma fourth time

知道我做错了什么吗？

import numpy as np
from numba import jit, prange
import time


def run_1():
    dims = [100,100,100]
    a = np.zeros(dims)
    for x in range(100):
        for y in range(100):
            for z in range(100):
                a[x,y,z] = 1
    return a

@jit
def run_2():
    dims = [100,100,100]
    a = np.zeros(dims)
    for x in prange(100):
        for y in prange(100):
            for z in prange(100):
                a[x,y,z] = 1
    return a


if __name__ == '__main__':
    t = time.time()
    run_1()
    elapsed1 = time.time() - t
    print elapsed1

    t = time.time()
    run_2()
    elapsed2 = time.time() - t
    print elapsed2

    t = time.time()
    run_2()
    elapsed3 = time.time() - t
    print elapsed3

    t = time.time()
    run_2()
    elapsed3 = time.time() - t
    print elapsed3

    t = time.time()
    run_2()
    elapsed3 = time.time() - t
    print elapsed3

Answer 1

我想知道这些循环中是否有任何 JIT 代码：没有 non-trivial Python 代码可以编译，只有 C 代码的薄包装（是的，range 是 C 代码）。可能 JIT 只会增加试图分析和生成（未成功）更高效代码的开销。

想要speed-up就考虑parallelization using scipy or maybe direct access to NumPy arrays from Cython.

Python 使用 numba prange 对循环封装进行并行化。为什么不工作

Python parallelisation of encapsulated for cycle with numba prange. Why not working

python

numba