Python 在numba.jit decorior中使用parallel选项会使函数给出错误的结果

给定矩形

（x1，y1）

和

（x2，y2）

的两个相对角以及两个半径

r1

和

r2

，求出半径

r1

和

r2

定义的圆之间的点与矩形中点总数的比率

简单NumPy方法：

def func_1(x1,y1,x2,y2,r1,r2,n):
     x11,y11 = np.meshgrid(np.linspace(x1,x2,n),np.linspace(y1,y2,n))
     z1 = np.sqrt(x11**2+y11**2)
     a = np.where((z1>(r1)) & (z1<(r2)))
     fill_factor = len(a[0])/(n*n)
     return fill_factor

该函数速度更快，输出正确。但当我补充说：

parallel = True

该函数速度更快，但结果错误。 我知道这与我的

z

矩阵有关，因为它没有被正确更新

@jit(nopython=True,parallel=True)
def func_2(x1,y1,x2,y2,r1,r2,n):
    x_ = np.linspace(x1,x2,n)
    y_ = np.linspace(y1,y2,n)
    z1 = np.zeros((n,n))
    for i in range(n):
        for j in range(n):
            z1[i][j] = np.sqrt((x_[i]*x_[i]+y_[j]*y_[j]))
    a = np.where((z1>(r1)) & (z1<(r2)))
    fill_factor = len(a[0])/(n*n)
    return fill_factor

---

附加信息：Python版本：3.6.1，Nuba版本：0.34.0+5.g1762237，NumPy版本：1.13.1。Numba甚至不能保证它将实际并行任何东西。它使用启发式来确定它是否可并行化，以及可以并行完成什么。这些可能会失败，在您的示例中，它们确实会失败，就像在中一样。这使得

并行

不可信，我建议不要使用它

在较新的版本（0.34）中，添加了

prange

，您可能会更幸运。它不能应用于这种情况，因为

prange

的工作方式类似于

range

，这与

np.linspace

不同

请注意：您可以避免构建

z

和执行

np。如果函数中的
是完整的，您可以直接执行检查：

import numpy as np
import numba as nb

@nb.njit   # equivalent to "jit(nopython=True)".
def func_2(x1,y1,x2,y2,r1,r2,n):
    x_ = np.linspace(x1,x2,n)
    y_ = np.linspace(y1,y2,n)
    cnts = 0
    for i in range(n):
        for j in range(n):
            z = np.sqrt(x_[i] * x_[i] + y_[j] * y_[j])
            if r1 < z < r2:
                cnts += 1
    fill_factor = cnts/(n*n)
    return fill_factor

将numpy导入为np
进口麻木为nb
@注意：njit相当于“jit（nopython=True）”。
def func_2（x1、y1、x2、y2、r1、r2、n）：
x_uux=np.linspace（x1，x2，n）
y=np.linspace（y1，y2，n）
碳纳米管=0
对于范围（n）中的i：
对于范围（n）内的j：
z=np.sqrt（x_[i]*x_[i]+y_[j]*y_j]）
如果r1

与您的函数相比，这还应该提供一些加速，甚至可能比使用
parallel=True
（如果它工作正常的话）更快。
谢谢！我想补充的另一件事是，不必求z的平方根，可以直接比较平方（正如我的导师所指出的）。除此之外，我试图看看代码可能出了什么问题，我认为可能是开发了一个竞态条件，人们不应该像你之前指出的那样盲目地使用并行选项。是的，我也认为这是某种竞态条件，但我检查了生成的LLVM代码，我不知道怎么做。竞态条件需要发生在
np.where
（因为在
z
中没有后续写入到相同的数组位置），但这可能会导致竞态条件，这有点不祥。但我对平方根很好奇：计算平方根是否比计算两次乘法和一次加法更快？
x1 = 1.0
x2 = -1.0
y1 = 1.0
y2 = -1.0
r1 = 0.5
r2 = 0.75
n = 25000

import numpy as np
import numba as nb

@nb.njit   # equivalent to "jit(nopython=True)".
def func_2(x1,y1,x2,y2,r1,r2,n):
    x_ = np.linspace(x1,x2,n)
    y_ = np.linspace(y1,y2,n)
    cnts = 0
    for i in range(n):
        for j in range(n):
            z = np.sqrt(x_[i] * x_[i] + y_[j] * y_[j])
            if r1 < z < r2:
                cnts += 1
    fill_factor = cnts/(n*n)
    return fill_factor