Python 非类型化全局名称'；pvc sim卡'；：无法确定一种类型的<；类别'；skfuzzy.control.controlsystem.ControlSystemSimulation'&燃气轮机；

获取以下代码的错误：

@vectorize(["float32(float32, float32, float32, float32)"], target='cuda')
def fuzz_comp(A_row, B_col, X, Y):
    for i in range(A_row):
        for j in range(B_col):
            pvc_sim.input['ipv'] = float(X[i,j])
            pvc_sim.compute()
            Y[i,j] = pvc_sim.output['opv']
    return Y

错误：

TypingError: Failed in nopython mode pipeline (step: nopython frontend)
Untyped global name 'pvc_sim': cannot determine Numba type of <class 'skfuzzy.control.controlsystem.ControlSystemSimulation'>

File "<ipython-input-13-4fe6c3f24f69>", line 5:
def fuzz_comp(A_row, B_col, X, Y):
    <source elided>
        for j in range(B_col):
            pvc_sim.input['ipv'] = float(X[i,j])
            ^

TypingError:在nopython模式管道中失败（步骤：nopython前端）
非类型化全局名称“pvc_sim”：无法确定
文件“”，第5行：
def模糊组件（A行、B列、X、Y）：
对于范围内的j（B_col）：
pvc模拟输入['ipv']=浮点数（X[i，j]）
^

---

然而，通读了许多文章，却无法解决这个问题。然而，代码是用Python编写的；使用decorator时返回错误。我正在尝试在GPU中实现模糊计算

错误告诉您的是，numba不知道如何键入全局变量

pvc_sim

。它似乎是一个python类，因此numba无法自动将其转换为低级代码。您可以编写一个专门的，但否则，此代码将失败。此外，我还不清楚该实施是否会从cuda目标中受益。请记住，

@vectorize

函数被编写为在标量上操作，然后numba正确处理数组输入，将函数应用于每个元素。

多亏了。我能够开发以下用于输入和输出成员函数的代码

spec = [
    ('value', int64),               # a simple scalar field
    ('array', float64[:]),          # an array field
]

@jitclass(spec)
class io_mf(object):
    def __init__(self, value, array):
        self.value = value
        self.array = array

    @property
    def triangular(self):
        if (self.array[0] - self.array[1]) <= self.value and self.value < self.array[0]:
            return 1. - (self.array[0] - self.value) / self.array[1]
        if self.array[0] <= self.value and self.value <= (self.array[0] + self.array[2]):
            return 1. - (self.value - self.array[0]) / self.array[2]
        return 0.

    @property
    def trapezoidal(self):
        if (self.array[0] - self.array[2]) <= self.value and self.value < self.array[0]:
            return 1. - (self.array[0] - self.value) / self.array[2]
        if self.array[0] <= self.value and self.value < self.array[1]: 
            return 1.
        if self.array[1] <= self.value and self.value <= (self.array[1] + self.array[3]):
            return 1. - (self.value - self.array[1]) / self.array[3]
        return 0

spec=[
（'value'，int64），#一个简单的标量字段
（'array'，float64[：]），#一个数组字段
]
@JIT等级（规范）
类io_mf（对象）：
定义初始化（自、值、数组）：
自我价值=价值
self.array=array
@财产
def三角形（自身）：
if（self.array[0]-self.array[1]）