Python 3.x 如何解决JAX/Python中的ValueError`vector:：reserve`？

编辑：GitHub问题此处：

我正在尝试使用jit优化以下函数：

@partial（jit，静态参数=（0，1，）
def cocurrence\u helper（对：np.array，label\u map:Dict）->lil\u矩阵：
uniques=lil_矩阵（np.zeros（（len（label_映射），len（label_映射）））.astype（“int32”））
对于成对项目：
如果项目[0]=项目[1]：
唯一性[标签映射[项目[0]]，标签映射[项目[1]]]+=1
返回单

此处使用上述例程：

def\u获得成对频率(
数据：pd.DataFrame，交叉表=False
)->pd.DataFrame：
values=data.stack（）
values.index=values.index.droplevel（1）
values.name=“vals”
values=优化（values.to_frame（））
pair=优化（values.join（values，rsuffix=“\u 2”））
label_map=dict（）
对于lbl，枚举中的每个值（values.vals.unique（））：
label_map[每个]=lbl
如果不是交叉表：
freq=coocurrence\u helper（pairs=pair.values，label\u map=label\u map）
return（（freq/freq.sum（1.ravel（））.astype（np.float32））
其他：
频率=pd.交叉表（对[“VAL”]，对[“VAL_2”]）
self.index=freq.index
返回csr_矩阵（（freq/freq.sum（1））.astype（np.float32））

但我得到了以下错误：

---------------------------------------------------------------------------
ValueError回溯（最近一次调用上次）
在里面
---->1.获得成对频率（数据）
成对输入频率（数据、交叉表）
25标签\u地图[每个]=磅
26如果不是交叉表：
--->27 freq=coocurrence\u helper（pairs=pair.values，label\u map=label\u map）
28返回csr_矩阵（（freq/freq.sum（1.ravel（））.astype（np.float32））
29.其他：
~/anaconda3/envs/tensorflow2_p36/lib/python3.6/site-packages/jax/api.py in f_jitted（*args，**kwargs）
369返回缓存未命中（*args，**kwargs）[0]#可能不会返回
370其他：
-->371返回cpp_jitted_f（*args，**kwargs）
372 f_jitted._cpp_jitted_f=cpp_jitted_f
373
ValueError:vector:：reserve

问题的根源是什么？如果不使用

static\u argnums

，则会显示错误消息

RuntimeError:无效参数：未知NumPy类型O大小8

---

使用相同的回溯。

问题是您返回的是一个

scipy.sparse.lil_矩阵

，它不是有效的JAX类型。JAX

jit

decorator不能用作任意Python代码的编译器；它旨在优化JAX阵列上的操作序列

在这种情况下，最好的方法可能是从函数中删除

@partial（jit，…）

装饰器；如果您想在这里使用JAX jit编译，那么首先必须重写代码以避免

scipy.sparse

矩阵，并使用JAX数组