Python numba类的序列化
有没有好的模式可以序列化/反序列化（酸洗）numba类？ 下面是我的一个例子Python numba类的序列化,python,numba,Python,Numba,有没有好的模式可以序列化/反序列化（酸洗）numba类？ 下面是我的一个例子 other = pkl.loads(pkl.dumps(jc)) File "/usr/lib/python2.7/copy_reg.py", line 71, in _reduce_ex state = base(self) TypeError: function takes at most 0 arguments (1 given) 我想上很多课 @jitclass([ ('uncal
other = pkl.loads(pkl.dumps(jc))
File "/usr/lib/python2.7/copy_reg.py", line 71, in _reduce_ex
state = base(self)
TypeError: function takes at most 0 arguments (1 given)
@jitclass([
('uncal_minRange', float64),
('uncal_maxRange', float64),
('nSize', int64),
('cal_percent', int64),
])
class SomeJitClass(object):
def __init__(self, uncal_minRange=0.0, uncal_maxRange=0.0, nSize=0, cal_percent=0.0 ):
self.uncal_minRange = uncal_minRange
self.uncal_maxRange = uncal_maxRange
self.cal_percent = cal_percent
self.nSize = nSize
def compare(self, other):
return self.uncal_minRange == other.uncal_minRange and \
self.uncal_maxRange == other.uncal_maxRange and \
self.cal_percent == other.cal_percent and \
self.nSize == other.nSize
import unittest
class FastOpsTest(unittest.TestCase):
def test_jit_class(self):
import cPickle as pkl
jc = SomeJitClass(1,2,3,4)
print jc
self.assertTrue(jc.compare(SomeJitClass(1,2,3,4)))
self.assertFalse(jc.compare(SomeJitClass(1,2,3,5)))
other = pkl.loads(pkl.dumps(jc))
self.assertTrue(jc.compare(other))
下面是一个可能的解决方案，但作为旁白，我发现在当前（2018年初）的实现中很难推荐使用jitclass——只是有点太过严格/不成熟。如果可能的话，我会尝试使用普通数组/自由函数，和/或namedtuples是捆绑一些相关状态的一个很好的解决方案。另外，cython是开发更丰富类型的好工具，可以更好地使用python 也就是说，这里有一个可能的解决方法。我使用了一点numba的内部结构，所以未来可能不稳定
def dumps_jitclass(jc):
typ = jc._numba_type_
fields = typ.struct
data = {
'name': typ.classname,
'struct': {k: getattr(jc, k) for k in fields}
}
return pickle.dumps(data)
def loads_jitclass(s):
data = pickle.loads(s)
cls = globals()[data['name']]
instance = cls(**data['struct'])
return instance
# usage
In [148]: jc = loads_jitclass(dumps_jitclass(SomeJitClass(1, 2, 3, 4)))
In [149]: oth = SomeJitClass(1, 2, 3, 4)
In [150]: jc.compare(oth)
Out[150]: True
下面是一个可能的解决方案，但作为旁白，我发现在当前（2018年初）的实现中很难推荐使用jitclass——只是有点太过严格/不成熟。如果可能的话，我会尝试使用普通数组/自由函数，和/或namedtuples是捆绑一些相关状态的一个很好的解决方案。另外，cython是开发更丰富类型的好工具，可以更好地使用python 也就是说，这里有一个可能的解决方法。我使用了一点numba的内部结构，所以未来可能不稳定
def dumps_jitclass(jc):
typ = jc._numba_type_
fields = typ.struct
data = {
'name': typ.classname,
'struct': {k: getattr(jc, k) for k in fields}
}
return pickle.dumps(data)
def loads_jitclass(s):
data = pickle.loads(s)
cls = globals()[data['name']]
instance = cls(**data['struct'])
return instance
# usage
In [148]: jc = loads_jitclass(dumps_jitclass(SomeJitClass(1, 2, 3, 4)))
In [149]: oth = SomeJitClass(1, 2, 3, 4)
In [150]: jc.compare(oth)
Out[150]: True
感谢@chrisb的回答。我对我的项目做了一些修改（从一个装饰初学者开始）
导入pickle
从functools导入包装，更新包装
将numpy作为np导入
来自numba导入类，int32，float64
类pickler:
'''
泡菜机
'''
定义初始化（self，jitobj）：
self._dict___['obj']=jitobj
self.\uuuu dict\uuuuu[“uuuu模块”\uuuuuu']=jitobj.\uuuu模块__
self.\uuuu dict\uuuuuu[“uuuuu doc”]=jitobj.\uuuu doc__
定义获取状态（自身）：
obj=自我
类型=对象类型_
字段=typ.struct
返回typ.classname，{k:getattr（obj，k）表示字段中的k}
定义设置状态（自身、状态）：
名称，值=状态
cls=globals（）[名称]
值['''u decorator']=False
jitobj=cls（**值）
自我初始化（jitobj）
def _ugetattr _;（self，attr）：
返回getattr（self.u dict_uj['obj']，attr）
定义设置属性（自身、属性、值）：
返回setattr（self.u dict_uj['obj']，attr，value）
定义（自我，属性）：
返回delattr（self.u dict_uj['obj']，attr）
def JIT酸洗（cls）：
decoratorkw=“\u decorator”
@包装（cls）
def装饰器（*args，**kwargs）：
如果kwargs.get（decorcorkw，True）：
kwargs.pop（装饰性，无）
返回处理器（cls（*args，**kwargs））
其他：
kwargs.pop（装饰性，无）
返回cls（*args，**kwargs）
返回装饰器
spec=[
（'value'，int32），
（'array'，float64[：]）]
@泡菜
@JIT等级（规范）
类别cls：
定义初始化（自、值、数组）：
自我价值=价值
self.array=array
a=cls（10，np.数组（[1.1,2.2]））
s=酸洗。转储（a）
b=酸洗负荷
打印（b.值，b.数组）
Ps:
update\u wrapper\uuuuuu setattr\uuuuu\uuuuu setattr\uuuuuuuu导入pickle
从functools导入包装，更新包装
将numpy作为np导入
来自numba导入类，int32，float64
类pickler:
'''
泡菜机
'''
定义初始化（self，jitobj）：
self._dict___['obj']=jitobj
self.\uuuu dict\uuuuu[“uuuu模块”\uuuuuu']=jitobj.\uuuu模块__
self.\uuuu dict\uuuuuu[“uuuuu doc”]=jitobj.\uuuu doc__
定义获取状态（自身）：
obj=自我
类型=对象类型_
字段=typ.struct
返回typ.classname，{k:getattr（obj，k）表示字段中的k}
定义设置状态（自身、状态）：
名称，值=状态
cls=globals（）[名称]
值['''u decorator']=False
jitobj=cls（**值）
自我初始化（jitobj）
def _ugetattr _;（self，attr）：
返回getattr（self.u dict_uj['obj']，attr）
定义设置属性（自身、属性、值）：
返回setattr（self.u dict_uj['obj']，attr，value）
定义（自我，属性）：
返回delattr（self.u dict_uj['obj']，attr）
def JIT酸洗（cls）：
decoratorkw=“\u decorator”
@包装（cls）
def装饰器（*args，**kwargs）：
如果kwargs.get（decorcorkw，True）：
kwargs.pop（装饰性，无）
返回处理器（cls（*args，**kwargs））
其他：
kwargs.pop（装饰性，无）
返回cls（*args，**kwargs）
返回装饰器
spec=[
（'value'，int32），
（'array'，float64[：]）]
@泡菜
@JIT等级（规范）
类别cls：
定义初始化（自、值、数组）：
自我价值=价值
self.array=array
a=cls（10，np.数组（[1.1,2.2]））
s=酸洗。转储（a）
b=酸洗负荷
打印（b.值，b.数组）
Ps:
update\u wrapper\uuuuuu setattr\uuuuu\uuuuu setattr\uuuuuuu