我试图在我的 NVIDIA GPU 中运行 python 代码，谷歌搜索似乎告诉我 numbapro 是我正在寻找的模块。但是，据此， numbapro 不再继续，而是已移至 numba 库。我尝试了 numba ，它的@jit装饰器似乎确实大大加快了我的一些代码的速度。但是，随着我对它的阅读更多，在我看来，它jit只是在运行时编译您的代码，并且这样做，它做了一些重度优化，因此加快了速度。
jit似乎并没有加速已经优化的 numpy 操作，例如numpy.dotetc. ，这一事实进一步强化了这一点。
我在这里感到困惑并偏离了轨道吗？具体是jit做什么的？如果它不能让我的代码在 GPU 上运行，我还能怎么做呢？
您必须通过 ufunc 明确告诉 Numba 以 GPU 为目标：
http://numba.pydata.org/numba-doc/latest/cuda/ufunc.html
或以明确考虑 GPU 的方式对函数进行编程：
http://numba.pydata.org/numba-doc/latest/cuda/examples.html http://numba.pydata.org/numba-doc/latest/cuda/index.html
普通jit函数不针对 GPU，通常不会加速对np.dot. 通常，Numba 擅长于避免创建中间临时 numpy 数组，或者如果您正在编写的代码很难以矢量化方式开始编写。