如何使用Numba表示Pytorch张量？

我是Numba新手，我需要使用Numba来加速一些Pytorch函数。但我发现即使是一个非常简单的函数也不起作用：(

但是出现了以下错误 def vec_添加_奇数_位置（a、b）： res=0。 ^

此错误可能是由以下参数引起的：

• 参数0:无法确定参数的类型
• 参数1：无法确定一种类型的

---

有人能帮我吗？如果能提供更多示例的链接，我们将不胜感激。谢谢。

numba

支持numpy数组，但不支持torch张量。不过，有一个桥：

以NumPy数组形式返回自张量。此张量和返回的 ndarray共享相同的底层存储。对自张量的更改将 应反映在数据表中，反之亦然

这意味着您必须调用jitted函数，如下所示：

...
z = vec_add_odd_pos(x.numpy(), y.numpy())

如果

z

应该是

火炬，那么张量也是我们需要的：

从numpy.ndarray创建张量

返回的张量和ndarray共享相同的内存。修改
与张量的关系将反映在nArray中，反之亦然
返回的张量不可调整大小。

对于我们的代码来说，这意味着

...
z = torch.from_numpy(vec_add_odd_pos(x.numpy(), y.numpy()))

应该调用。
正如其他人所提到的，numba目前不支持torch张量，只支持numpy张量。但是，有一个类似的目标。然后可以将函数重写为：

导入火炬
@torch.jit.script
def vec_添加_奇数_位置（a、b）：
res=0。
对于范围内的位置（len（a））：
如果位置%2==0：
res+=a[pos]+b[pos]
返回res
x=火炬张量（[3,4,5.]））
y=火炬张量（[-2,0,1.]）
z=向量加奇数位置（x，y）

注意：尽管您说您的代码片段只是一个简单的示例，但由于循环速度非常慢，运行TorchScript可能对您没有多大帮助，您应该不惜一切代价避免它们，并且只在不存在其他解决方案的情况下使用它们。也就是说，以下是如何以更高效的方式实现您的函数：

def向量添加奇数位置（a、b）：
evenids=torch.arange（len（a））%2==0
返回（a[evenids]+b[evenids]）.sum（）
Pytorch现在在GPU张量上公开了一个接口，numba可以直接使用该接口：

numba.cuda.as\u cuda\u数组（张量）

测试脚本提供了一些使用示例：
很好，谢谢！您有更复杂的示例吗？否则我建议
torch.sum（x[：：2]+y[：：2]）
。
...
z = torch.from_numpy(vec_add_odd_pos(x.numpy(), y.numpy()))