Python 3.x 如何使用Numba加速scipy.sparse.linalg中提供的Python稀疏线性系统解算器？

我希望使用Numba加快代码中稀疏系统解算器部分的速度。以下是我到目前为止的情况：

# Both numba and numba-scipy packages are installed. I am using PyCharm IDE
import numba
import numba_scipy
# import other required stuff

@numba.jit(nopython=True)
def solve_using_numba(A, b):
    return sp.linalg.gmres(A, b)

# total = the number of points in the system

A = sp.lil_matrix((total, total), dtype=float)
# populate A with appropriate data
A = A.tocsc()

b = np.zeros((total, 1), dtype=float)
# populate b with appropriate data

y, exit_code = solve_using_numba(A, b)

# plot solution

这就产生了错误

argument 0: cannot determine Numba type of <class 'scipy.sparse.csc.csc_matrix'>   

参数0:无法确定

在中，

numba-scipy扩展了numba以使其了解scipy。

但在这里，numba似乎无法使用scipy稀疏矩阵类。我哪里出了问题？我能做些什么来解决这个问题

---

我只需要加速代码中的稀疏系统解决方案部分，因为其他内容非常轻量级，比如获取两个用户输入，构造a和b矩阵，和绘制最终结果。

快速浏览和

numba_scipy

表明它只添加了对

scipy.special

子模块的支持。这看起来是一个非常新的（实验性的）添加。所以基本上numba不适合稀疏矩阵？我知道的所有解算器都是用C实现的。numba不会做任何事情来提高已经用C编写的代码的性能。即使稀疏矩阵是有效的numba类型，这也无关紧要。