Python Numba，奇怪的类型修改

我正试图进一步加快一些用python编写的代码的速度，这些代码是使用Numba编译的。当查看由numba生成的程序集时，我注意到生成了双精度操作，我觉得这很奇怪，因为输入和输出都应该是浮动的

我将变量/数组类型声明为jitted循环外部的float32，并将它们传递到函数中。奇怪的是，我发现在运行测试之后，变量“scalarout”被转换为python float，它实际上是一个64位的值

我的代码：

from scipy import ndimage, misc
import matplotlib.pyplot as plt
import numpy.fft
from timeit import default_timer as timer
import numba
# numba.config.DUMP_ASSEMBLY = 1
from numba import float32
from numba import jit, njit, prange
from numba import cuda
import numpy as np
import scipy as sp

# import llvmlite.binding as llvm
# llvm.set_option('', '--debug-only=loop-vectorize')

@njit(fastmath=True, parallel=False)
def mydot(a, b, xlen, ylen, scalarout):
    scalarout = (np.float32)(0.0)
    for y in prange(ylen):
        for x in prange(xlen):
            scalarout += a[y, x] * b[y, x]
    return scalarout

# ======================================== TESTS ========================================

print()
xlen = 100000
ylen = 16
a = np.random.rand(ylen, xlen).astype(np.float32)
b = np.random.rand(ylen, xlen).astype(np.float32)
print("a type = ", type(a[1,1]))
scalarout = (np.float32)(0.0)
print("scalarout type, before execution = ", type(scalarout))
iters=1000

time = 100.0
for n in range(iters):
    start = timer()
    scalarout = mydot(a, b, xlen, ylen, scalarout)
    end = timer()
    if(end-start < time):
        time = end-start
print("Numba njit function time, in us = %16.10f" % ((end-start)*10**6))
print("function output = %f" % scalarout)
print("scalarout type, after execution = ", type(scalarout))

从scipy导入ndimage，杂项
将matplotlib.pyplot作为plt导入
导入numpy.fft
从timeit导入默认\u计时器作为计时器
进口麻木
#numba.config.DUMP_程序集=1
从numba导入浮动32
来自numba进口jit、njit、prange
来自numba import cuda
将numpy作为np导入
将scipy作为sp导入
#将llvmlite.binding导入为llvm
#llvm.set_选项（“”，--debug only=loop vectorize’）
@njit（fastmath=True，parallel=False）
def mydot（a、b、xlen、ylen、scalarout）：
scalarout=（np.float32）（0.0）
对于prange（伊伦）中的y：
对于prange中的x（xlen）：
scalarout+=a[y，x]*b[y，x]
回程斜角窗
#============================================================测试========================================
打印（）
xlen=100000
伊伦=16
a=np.random.rand（ylen，xlen）.aType（np.float32）
b=np.random.rand（ylen，xlen）.aType（np.float32）
打印（“a type=”，type（a[1,1]））
scalarout=（np.float32）（0.0）
打印（“scalarout类型，执行前=”，类型（scalarout））
iters=1000
时间=100.0
对于范围内的n（iters）：
开始=计时器（）
scalarout=mydot（a、b、xlen、ylen、scalarout）
结束=计时器（）
如果（结束开始<时间）：
时间=结束-开始
打印（“Numba njit功能时间，单位为us=%16.10f”（（结束-开始）*10**6））
打印（“函数输出=%f”%scalarout）
打印（“scalarout类型，执行后=”，类型（scalarout））

这与其说是一个答案，不如说是一个延伸的评论。如果将

scalarout

更改为长度为1的float32数组并对其进行修改，则输出为float32

@njit（fastmath=True，parallel=False）
def mydot（a、b、xlen、ylen）：
scalarout=np.array（[0.0]，dtype=np.float32）
对于prange（伊伦）中的y：
对于prange中的x（xlen）：
scalarout[0]+=a[y，x]*b[y，x]
回程斜角窗

如果将

return scalarout

更改为

return scalarout[0]

，那么输出仍然是python浮点

---

在

mydot

的原始代码中，即使编写

返回np.float32（scalarout）

，结果也是python浮点。这是一个有趣的想法，并且它确实强制输出类型为np.float32。不幸的是，它会导致函数执行速度慢5倍。您可以使用

mydot.inspect\u types（）

获取内部类型

scalarout=np.float32（0.）

或定义局部变量，例如

@njit（fastmath=True，parallel=False，局部变量={“scalarout”：numba.types.float32}）

。只有5%的性能优势（该问题主要受内存带宽限制），由于精度较低导致的结果差异更为明显。