当 python class jitclass 本身包含 jitclass classes 时，如何使其兼容？
How make a python class jitclass compatible when it contains itself jitclass classes?
我正在尝试制作一个 class，它可能是 jitclass 的一部分，但具有一些自身 jitclass 对象的属性。
例如，如果我有两个 class 和装饰器 @jitclass，我想在第三个 class (combined) 中实例化它们。
import numpy as np
from numba import jitclass
from numba import boolean, int32, float64,uint8
spec = [
('type' ,int32),
('val' ,float64[:]),
('result',float64)]
@jitclass(spec)
class First:
def __init__(self):
self.type = 1
self.val = np.ones(100)
self.result = 0.
def sum(self):
self.result = np.sum(self.val)
@jitclass(spec)
class Second:
def __init__(self):
self.type = 2
self.val = np.ones(100)
self.result = 0.
def sum(self):
self.result = np.sum(self.val)
@jitclass(spec)
class Combined:
def __init__(self):
self.List = []
for i in range(10):
self.List.append(First())
self.List.append(Second())
def sum(self):
for i, c in enumerate(self.List):
c.sum()
def getresult(self):
result = []
for i, c in enumerate(self.List):
result.append(c.result)
return result
C = Combined()
C.sum()
result = C.getresult()
print(result)
在那个例子中我得到一个错误，因为 numba 无法确定 self.List 的类型，它是两个 jitclasses.
的组合
如何使 class Combined 与 jitclass 兼容？
更新
它尝试了我在别处找到的东西：
import numpy as np
from numba import jitclass, deferred_type
from numba import boolean, int32, float64,uint8
from numba.typed import List
spec = [
('type' ,int32),
('val' ,float64[:]),
('result',float64)]
@jitclass(spec)
class First:
def __init__(self):
self.type = 1
self.val = np.ones(100)
self.result = 0.
def sum(self):
self.result = np.sum(self.val)
spec1 = [('ListA', List(First.class_type.instance_type, reflected=True))]
@jitclass(spec1)
class Combined:
def __init__(self):
self.ListA = [First(),First()]
def sum(self):
for i, c in enumerate(self.ListA):
c.sum()
def getresult(self):
result = []
for i, c in enumerate(self.ListA):
result.append(c.result)
return result
C = Combined()
C.sum()
result = C.getresult()
print(result)
但是我得到这个错误
List(First.class_type.instance_type)
TypeError: __init__() takes 1 positional argument but 2 were given
长话短说：
- 您可以在
jitclass 中引用其他 jitclass 内容，即使您有这些内容的列表。您只需要更正命名空间 numba.typed -> numba.types。
- 目前（从 numba 0.46 开始）在
jitclasses 或 no-python numba.jit 函数中不可能有异构列表。所以你不能在同一个列表中附加 First 和 Second 的两个实例。
解决 numba.typed.List 异常
您的更新几乎是正确的。您需要使用 numba.types.List 而不是 numba.typed.List。区别有点微妙，但是 numba.types 包含签名类型，而 numba.typed 命名空间包含 类 可以在代码中实例化和使用。
所以如果你使用它会起作用：
spec1 = [('ListA', nb.types.List(First.class_type.instance_type, reflected=True))]
更改此代码：
import numpy as np
import numba as nb
spec = [
('type', nb.int32),
('val', nb.float64[:]),
('result', nb.float64)
]
@nb.jitclass(spec)
class First:
def __init__(self):
self.type = 1
self.val = np.ones(100)
self.result = 0.
def sum(self):
self.result = np.sum(self.val)
spec1 = [('ListA', nb.types.List(First.class_type.instance_type, reflected=True))]
@nb.jitclass(spec1)
class Combined:
def __init__(self):
self.ListA = [First(), First()]
def sum(self):
for i, c in enumerate(self.ListA):
c.sum()
def getresult(self):
result = []
for i, c in enumerate(self.ListA):
result.append(c.result)
return result
C = Combined()
C.sum()
result = C.getresult()
print(result)
产生输出：[100.0, 100.0].
间奏曲：在这里使用jitclass有意义吗？
然而，这里要记住的是，正常的 Python 类 可能比 jitclass-方法（或同样快）更快：
import numpy as np
import numba as nb
class First:
def __init__(self):
self.type = 1
self.val = np.ones(100)
self.result = 0.
def sum(self):
self.result = np.sum(self.val)
class Combined:
def __init__(self):
self.ListA = [First(), First()]
def sum(self):
for i, c in enumerate(self.ListA):
c.sum()
def getresult(self):
result = []
for i, c in enumerate(self.ListA):
result.append(c.result)
return result
C = Combined()
C.sum()
C.getresult()
如果这只是出于好奇，那没问题。但是对于生产，我会从纯 Python+NumPy 开始，只在 numba 太慢时才应用它，然后只在瓶颈部分应用，并且只有 numba 擅长优化这些东西（numba 是专门的工具moment，不是通用工具）。
具有 numba 的异构（混合类型）列表？
在 no-python（无对象）模式下使用 numba，您需要同类列表。据我所知，numba 0.46 不支持在 jit类 或 nopython-jit 方法中包含不同类型对象的列表。这意味着您不能有一个包含 First 和 Second 个实例的列表。
所以这行不通：
self.List.append(First())
self.List.append(Second())
来自numba docs：
Creating and returning lists from JIT-compiled functions is supported, as well as all methods and operations. Lists must be strictly homogeneous: Numba will reject any list containing objects of different types, even if the types are compatible [...]
我正在尝试制作一个 class，它可能是 jitclass 的一部分，但具有一些自身 jitclass 对象的属性。
例如，如果我有两个 class 和装饰器 @jitclass，我想在第三个 class (combined) 中实例化它们。
import numpy as np
from numba import jitclass
from numba import boolean, int32, float64,uint8
spec = [
('type' ,int32),
('val' ,float64[:]),
('result',float64)]
@jitclass(spec)
class First:
def __init__(self):
self.type = 1
self.val = np.ones(100)
self.result = 0.
def sum(self):
self.result = np.sum(self.val)
@jitclass(spec)
class Second:
def __init__(self):
self.type = 2
self.val = np.ones(100)
self.result = 0.
def sum(self):
self.result = np.sum(self.val)
@jitclass(spec)
class Combined:
def __init__(self):
self.List = []
for i in range(10):
self.List.append(First())
self.List.append(Second())
def sum(self):
for i, c in enumerate(self.List):
c.sum()
def getresult(self):
result = []
for i, c in enumerate(self.List):
result.append(c.result)
return result
C = Combined()
C.sum()
result = C.getresult()
print(result)
在那个例子中我得到一个错误，因为 numba 无法确定 self.List 的类型，它是两个 jitclasses.
如何使 class Combined 与 jitclass 兼容？
更新
它尝试了我在别处找到的东西：
import numpy as np
from numba import jitclass, deferred_type
from numba import boolean, int32, float64,uint8
from numba.typed import List
spec = [
('type' ,int32),
('val' ,float64[:]),
('result',float64)]
@jitclass(spec)
class First:
def __init__(self):
self.type = 1
self.val = np.ones(100)
self.result = 0.
def sum(self):
self.result = np.sum(self.val)
spec1 = [('ListA', List(First.class_type.instance_type, reflected=True))]
@jitclass(spec1)
class Combined:
def __init__(self):
self.ListA = [First(),First()]
def sum(self):
for i, c in enumerate(self.ListA):
c.sum()
def getresult(self):
result = []
for i, c in enumerate(self.ListA):
result.append(c.result)
return result
C = Combined()
C.sum()
result = C.getresult()
print(result)
但是我得到这个错误
List(First.class_type.instance_type)
TypeError: __init__() takes 1 positional argument but 2 were given
长话短说：
- 您可以在
jitclass中引用其他jitclass内容，即使您有这些内容的列表。您只需要更正命名空间numba.typed->numba.types。 - 目前（从 numba 0.46 开始）在
jitclasses 或 no-pythonnumba.jit函数中不可能有异构列表。所以你不能在同一个列表中附加First和Second的两个实例。
解决 numba.typed.List 异常
您的更新几乎是正确的。您需要使用 numba.types.List 而不是 numba.typed.List。区别有点微妙，但是 numba.types 包含签名类型，而 numba.typed 命名空间包含 类 可以在代码中实例化和使用。
所以如果你使用它会起作用：
spec1 = [('ListA', nb.types.List(First.class_type.instance_type, reflected=True))]
更改此代码：
import numpy as np
import numba as nb
spec = [
('type', nb.int32),
('val', nb.float64[:]),
('result', nb.float64)
]
@nb.jitclass(spec)
class First:
def __init__(self):
self.type = 1
self.val = np.ones(100)
self.result = 0.
def sum(self):
self.result = np.sum(self.val)
spec1 = [('ListA', nb.types.List(First.class_type.instance_type, reflected=True))]
@nb.jitclass(spec1)
class Combined:
def __init__(self):
self.ListA = [First(), First()]
def sum(self):
for i, c in enumerate(self.ListA):
c.sum()
def getresult(self):
result = []
for i, c in enumerate(self.ListA):
result.append(c.result)
return result
C = Combined()
C.sum()
result = C.getresult()
print(result)
产生输出：[100.0, 100.0].
间奏曲：在这里使用jitclass有意义吗？
然而，这里要记住的是，正常的 Python 类 可能比 jitclass-方法（或同样快）更快：
import numpy as np
import numba as nb
class First:
def __init__(self):
self.type = 1
self.val = np.ones(100)
self.result = 0.
def sum(self):
self.result = np.sum(self.val)
class Combined:
def __init__(self):
self.ListA = [First(), First()]
def sum(self):
for i, c in enumerate(self.ListA):
c.sum()
def getresult(self):
result = []
for i, c in enumerate(self.ListA):
result.append(c.result)
return result
C = Combined()
C.sum()
C.getresult()
如果这只是出于好奇，那没问题。但是对于生产，我会从纯 Python+NumPy 开始，只在 numba 太慢时才应用它，然后只在瓶颈部分应用，并且只有 numba 擅长优化这些东西（numba 是专门的工具moment，不是通用工具）。
具有 numba 的异构（混合类型）列表？
在 no-python（无对象）模式下使用 numba，您需要同类列表。据我所知，numba 0.46 不支持在 jit类 或 nopython-jit 方法中包含不同类型对象的列表。这意味着您不能有一个包含 First 和 Second 个实例的列表。
所以这行不通：
self.List.append(First())
self.List.append(Second())
来自numba docs：
Creating and returning lists from JIT-compiled functions is supported, as well as all methods and operations. Lists must be strictly homogeneous: Numba will reject any list containing objects of different types, even if the types are compatible [...]