问题标签 [numba]

谁能向我解释为什么每次我运行这段代码时，我的电脑都会死机？

点击代码后，我的电脑死机了。我不确定为什么。我提前感谢所有帮助。

我想在使用自定义 numba-fied 函数快速运行的 IPython 集群上运行计算。我尝试使用对象的sync_imports方法来同步导入dview。问题是引擎似乎没有正确加载 numba，而 numpy 被导入就好了......这是一个指向问题的简短“最小”代码：

当我运行这段代码时，在 numpy 导入之后发生了一种死锁，过了一会儿我得到了这个错误：

有谁知道导致这种行为的原因？

我刚刚升级到 numba 0.12，现在每当我调用一个用 @jit 装饰的函数时，IPython 笔记本都会“挂起”。

我想简单地回到 numba 0.11，它工作得很好。我怎样才能做到这一点？

我使用 Arch Linux。

尝试通过 AUR 和 pip 安装 numba。在两种情况下都会出现此错误：

关于如何解决这个问题的任何线索？谢谢！

我试过这段代码

并得到一个运行时异常：AttributeError: 'numpy.ndarray' object has no attribute '__code__'

我在 numba 的文档中找不到任何关于 numpy 的版本要求。目前我已经安装了 numpy 1.7.1。我的 python 版本 2.6.6

AttributeError的原因是什么？

编辑

一些堆栈跟踪信息；

我对 NumPy/SciPy 插值方法感到困惑。我实现了 3D 线性插值，LinearNDInterpolator发现它非常慢。然后我用纯 Python 编写了一个暴力三重 for 循环方法，令人惊讶的是它给了我 1000 倍的加速。我也试了一下 Numba 包，结果并没有更快。

根据我在互联网上找到的任何来源，与 NumPy/SciPy 和 Numba 相比，Python 循环应该是超慢的。但这不是我所看到的。

我发布了我运行的整个源代码。我在我的机器上得到这些时间：

我使用 Anaconda Python 2.7。我在这里想念什么？

通过使用HERE获得的加速给我留下了深刻的印象numba

今天我在 SO 中发现了一个希望加快代码速度的人提出的问题。所以我想让我们看看我们能用numba.

这是代码：

结果：

为什么会这样？似乎用numba这段代码并没有变得更快！

我过去使用过 numpy 并且对它相当满意，但有时当我想要一些额外的速度时，我已经能够使用 numba.autojit 装饰器。简单的。现在的问题是我目前正在研究一系列 sympy 表达式，而 numba（jit 或 autojit）不确定如何使用lambdify 中的函数。看起来 sympy 没有维护特定的参数列表。

我想我可以看看 sympy.lamdify 是如何工作的，并制作我自己的包含 numba 的版本，但我想我会先四处询问。

我正在尝试 Numba 来加速计算联合发生的最小条件概率的函数。

但是我发现 和 的性能cooccurance_probability几乎cooccurance_probability_numba相同。

为什么是这样？可能是由于元素操作的numpy元素吗？

我以以下为例： http: //nbviewer.ipython.org/github/ellisonbg/talk-sicm2-2013/blob/master/NumbaCython.ipynb

[注意：由于问题的对称性，我可以将执行时间减半——但这不是我主要关心的问题]

我每年都在计算一些计算量相对较大的数据。我使用 numba（效果很好）来减少运行迭代计算数据所需的时间。但是，鉴于我有 20 年的独立数据，我想将它们分成 5 x 组，每组 4 个，可以运行在 4 个不同的 cpu 内核上。

在上面的代码片段中，函数是类中的一个方法，其中包含属性 year 和 xs。year只是一个整数年，xs是一个包含 xs.data 和 compute_matrix() 方法的横截面对象。

将其拆分为多个核心的最简单方法是什么？

1. 如果有一个 Numba 风格的装饰器可以自动分解循环并在不同的进程上运行它们并将结果粘合在一起，那就太好了。这存在吗？

2. 使用 Python.multiprocessing 是我最好的选择吗？