Python 为什么非独立numba jitt'；教育职能重要吗？

在python中，您可以定义多个以任意顺序相互调用的函数，并且在运行时将调用这些函数。一旦这些函数存在，它们在脚本中定义的顺序就无关紧要了。例如，下面的选项是有效的，可以使用

import numpy as np

def func1(arr):
    out = np.empty_like(arr)
    for i in range(arr.shape[0]):
        out[i] = func2(arr[i])  # calling func2 here which is defined below
    return out

def func2(a):
    out = a + 1
    return out

func1

可以调用

func2

，即使

func2

是在

func1

之后定义的

然而，如果我用修饰这些函数，我会得到一个错误

import numpy as np
import numba as nb


@nb.jit("f8[:](f8[:])", nopython=True)
def func1(arr):
    out = np.empty_like(arr)
    for i in range(arr.shape[0]):
        out[i] = func2(arr[i])
    return out

@nb.jit("f8(f8)", nopython=True)
def func2(a):
    out = a + 1
    return out

>>> TypingError: Failed in nopython mode pipeline (step: nopython frontend)
    Untyped global name 'func2': cannot determine Numba type of <class 
    'numba.ir.UndefinedType'>

---

为什么会这样？我觉得纯python模式可以工作，因为python是动态类型化的，而不是编译的，而numba使用JIT，根据定义编译函数（因此可能需要对每个函数中发生的一切都有全面的了解？）。但我不明白，如果numba遇到一个它没有看到的函数，为什么它不在范围内搜索所有函数。

短版本-删除

“f8[：]（f8[：]）”

你的直觉是对的。Python函数是在调用时查找的，这就是为什么它们可以无序定义的原因。使用

dis

（反汇编）模块查看python字节码可以清楚地表明这一点-每次调用函数

a

时，都会将名称

b

作为全局查找

def a():
    return b()

def b():
    return 2

import dis
dis.dis(a)
#  2           0 LOAD_GLOBAL              0 (b)
#              2 CALL_FUNCTION            0
#              4 RETURN_VALUE

在nopython模式下，numba需要静态地知道被调用的每个函数的地址——这使代码变得快速（不再执行运行时查找），同时也为其他优化打开了大门，如内联

---

也就是说，numba可以处理这个案子。通过指定类型签名（

“f8[：]”（f8[：]）“

），可以强制提前编译。省略它，一个数字将根据第一个函数调用它，它将工作。

感谢您的解释。我确实注意到，省略签名（但仍然用jit装饰函数）似乎是可行的。但是，对于我的用例，我将保留签名，因为我希望在开始对函数进行操作之前获得正确的错误消息，以防将某些不正确的类型传递给函数。再次感谢@PyRsquared还请注意，显式声明非连续数组[：]通常会阻止SIMD矢量化，并可能导致运行时变慢（只需将

out=a+1

替换为

out=np.sin（a）

，即可看到相当明显的效果。但如果显式声明连续数组[：：1]该函数在非连续数组上不再工作。@max9111非常好的观察，谢谢！因此，在本例中，为了获得最佳性能（使用SIMD），您建议使用

f[：：1]

？我不完全确定numpy数组在内存中的存储方式，但是对于@PyRsquared，您可以使用ndarray.flags（例如A=B[0:-1:2]）检查这些内容->A是B）上的非连续视图。您必须选择它。如果您可以将函数限制为连续数组…另一种可能是使用np.ASCONTIGOUUSARRAY，但这有复制数组的缺点。有时您需要显式创建连续副本，例如，有时不需要。这取决于算法。。。

def a():
    return b()

def b():
    return 2

import dis
dis.dis(a)
#  2           0 LOAD_GLOBAL              0 (b)
#              2 CALL_FUNCTION            0
#              4 RETURN_VALUE