Python numba递归函数的提前编译

我试图提前编译一个递归函数。作为MCVE，让我们使用以下函数：

#import numba as nb
from numba.pycc import CC
cc = CC('precompiled')

#@nb.njit
@cc.export('gsum', 'int64(int64)')
def gsum(n):
    if n>1:
        return n+gsum(n-1)
    else:
        return 1

if __name__== '__main__':
##    print(gsum(5))
    cc.compile()

如果运行此代码，则会得到以下错误跟踪：

Traceback (most recent call last):
  File "numba_ahead.py", line 17, in <module>
    cc.compile()
  File "/opt/local/Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site-packages/numba/compiler_lock.py", line 32, in _acquire_compile_lock
    return func(*args, **kwargs)
  File "/opt/local/Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site-packages/numba/pycc/cc.py", line 212, in compile
    objects, dll_exports = self._compile_object_files(build_dir)
  File "/opt/local/Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site-packages/numba/compiler_lock.py", line 32, in _acquire_compile_lock
    return func(*args, **kwargs)
  File "/opt/local/Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site-packages/numba/pycc/cc.py", line 200, in _compile_object_files
    compiler.write_native_object(temp_obj, wrap=True)
  File "/opt/local/Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site-packages/numba/pycc/compiler.py", line 198, in write_native_object
    library = self._cull_exports()
  File "/opt/local/Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site-packages/numba/compiler_lock.py", line 32, in _acquire_compile_lock
    return func(*args, **kwargs)
  File "/opt/local/Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site-packages/numba/pycc/compiler.py", line 157, in _cull_exports
    locals={}, library=library)
  File "/opt/local/Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site-packages/numba/compiler.py", line 904, in compile_extra
    return pipeline.compile_extra(func)
  File "/opt/local/Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site-packages/numba/compiler.py", line 367, in compile_extra
    return self._compile_bytecode()
  File "/opt/local/Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site-packages/numba/compiler.py", line 835, in _compile_bytecode
    return self._compile_core()
  File "/opt/local/Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site-packages/numba/compiler.py", line 822, in _compile_core
    res = pm.run(self.status)
  File "/opt/local/Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site-packages/numba/compiler_lock.py", line 32, in _acquire_compile_lock
    return func(*args, **kwargs)
  File "/opt/local/Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site-packages/numba/compiler.py", line 253, in run
    raise patched_exception
  File "/opt/local/Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site-packages/numba/compiler.py", line 244, in run
    stage()
  File "/opt/local/Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site-packages/numba/compiler.py", line 477, in stage_nopython_frontend
    self.locals)
  File "/opt/local/Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site-packages/numba/compiler.py", line 1005, in type_inference_stage
    infer.build_constraint()
  File "/opt/local/Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site-packages/numba/typeinfer.py", line 816, in build_constraint
    self.constrain_statement(inst)
  File "/opt/local/Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site-packages/numba/typeinfer.py", line 1016, in constrain_statement
    self.typeof_assign(inst)
  File "/opt/local/Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site-packages/numba/typeinfer.py", line 1079, in typeof_assign
    self.typeof_global(inst, inst.target, value)
  File "/opt/local/Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site-packages/numba/typeinfer.py", line 1177, in typeof_global
    typ = self.resolve_value_type(inst, gvar.value)
  File "/opt/local/Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site-packages/numba/typeinfer.py", line 1100, in resolve_value_type
    raise TypingError(msg, loc=inst.loc)
numba.errors.TypingError: Failed in nopython mode pipeline (step: nopython frontend)
Untyped global name 'gsum': cannot determine Numba type of <class 'function'>

File "numba_ahead.py", line 9:
def gsum(n):
    <source elided>
    if n>1:
        return n+gsum(n-1)
        ^

回溯（最近一次呼叫最后一次）：
文件“numba_ahead.py”，第17行，在
cc.compile（）
文件“/opt/local/Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site packages/numba/compiler\u lock.py”，第32行，在“获取\u编译\u lock”中
返回函数（*args，**kwargs）
文件“/opt/local/Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site packages/numba/pycc/cc.py”，编译中的第212行
对象，dll\u exports=self.\u编译\u对象\u文件（build\u dir）
文件“/opt/local/Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site packages/numba/compiler\u lock.py”，第32行，在“获取\u编译\u lock”中
返回函数（*args，**kwargs）
文件“/opt/local/Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site packages/numba/pycc/cc.py”，第200行，在编译对象文件中
compiler.write_native_对象（temp_obj，wrap=True）
文件“/opt/local/Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site packages/numba/pycc/compiler.py”，第198行，在write\u native\u对象中
library=self.\u cull\u exports（）
文件“/opt/local/Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site packages/numba/compiler\u lock.py”，第32行，在“获取\u编译\u lock”中
返回函数（*args，**kwargs）
文件“/opt/local/Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site packages/numba/pycc/compiler.py”，第157行，在“cull”导出中
局部变量={}，库=库）
文件“/opt/local/Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site packages/numba/compiler.py”，第904行，在compile\u extra中
返回管道.compile_extra（func）
文件“/opt/local/Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site packages/numba/compiler.py”，第367行，在compile\u extra中
返回self.\u编译\u字节码（）
文件“/opt/local/Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site packages/numba/compiler.py”，第835行，在字节码中
返回self.\u编译\u核心（）
文件“/opt/local/Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site packages/numba/compiler.py”，第822行，在编译内核中
res=pm.run（self.status）
文件“/opt/local/Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site packages/numba/compiler\u lock.py”，第32行，在“获取\u编译\u lock”中
返回函数（*args，**kwargs）
文件“/opt/local/Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site packages/numba/compiler.py”，第253行，运行中
引发修补的\u异常
文件“/opt/local/Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site packages/numba/compiler.py”，第244行，运行中
阶段（
文件“/opt/local/Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site packages/numba/compiler.py”，第477行，在stage_nopython_frontend中
（本地人）
文件“/opt/local/Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site packages/numba/compiler.py”，第1005行，在类型推理阶段
推断.build_约束（）
文件“/opt/local/Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site packages/numba/typeinfer.py”，第816行，内部版本约束
self.constraint_语句（inst）
文件“/opt/local/Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site packages/numba/typeinfer.py”，第1016行，在CONSTRAINT_语句中
分配的自身类型（inst）
文件“/opt/local/Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site packages/numba/typeinfer.py”，第1079行，在typeof_assign中
全局的自身类型（指令、指令目标、值）
文件“/opt/local/Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site packages/numba/typeinfer.py”，第1177行，在typeof_global中
类型=自身解析值类型（仪表、gvar值）
文件“/opt/local/Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site packages/numba/typerefer.py”，第1100行，解析值类型
升起打字机（msg，loc=inst.loc）
numba.errors.TypingError:在nopython模式管道中失败（步骤：nopython前端）
非类型化全局名称“gsum”：无法确定
文件“numba_ahead.py”，第9行：
def gsum（n）：
如果n>1：
返回n+gsum（n-1）
^

---

显然，

cc.export

不知道它正在编译的函数的类型，如果该函数调用自己的话。有办法解决这个问题吗？当我用

njit

（注释掉的行）及时编译相同的代码时，代码编译得很好。

我发现，当使用

numba

时，有时简单地改变我执行特定循环和计算的方式就可以解决这些问题。在您的情况下，

gsum

以下功能有效：

#将numba作为nb导入
从numba.pycc导入CC
cc=cc（‘预编译’）
#@nb.njit
@抄送导出（'gsum'、'int64（int64'））
def gsum（n）：
运行=真
sm=n
而n：
n=n-1
sm+=n
返回sm
def slow_gsum（n）：
运行=真
sm=n
而n：
n=n-1
sm+=n
返回sm
def慢速_gsum2（n）：
如果n>1：
返回n+慢速_gsum2（n-1）
其他：
返回1
cc.compile（）

您可以这样进行测试：

导入预编译
N=1e2
%超时1=预编译的.gsum（N）
%超时2=慢_gsum（N）
%超时3=慢\u gsum2（N）
out1==out2，out1==out3，out1
“”“输出：
CPU时间：用户6µs，系统：0 ns，总计：6µs
壁时间：11µs
CPU时间：用户12微秒，系统：1e+03纳秒，总计：13微秒
壁时间：15µs
CPU时间：用户44微秒，系统：1e+03纳秒，总计：45微秒
壁时间：48.9µs
（对，对，5050）
"""

在这里，我设置了

N=1e2

，这样我们就可以针对您的递归解决方案进行测试（越高会产生最大递归错误）。您可以通过转到更高的

N

值，真正看到

numba

加速：

N=1e8
%超时1=预编译的.gsum（N）
%时间