如何在 python 2.7 中使用 numba jit 编译器提高 math.sqrt() 的速度答案

【问题标题】：how improve speed of math.sqrt() with numba jit compiler in python 2.7如何在 python 2.7 中使用 numba jit 编译器提高 math.sqrt() 的速度
【发布时间】：2014-07-17 11:53:18
【问题描述】：

我有一个复杂的函数，它执行无法向量化的数学运算。我发现使用 NUMBA jit 编译器实际上会降低性能。这可能是因为我在这个函数中使用了对 python math.sqrt 的调用。如何强制 NUMBA 将对 python math.sqrt 的调用替换为对 sqrt 的更快的 C 调用？

-- 问候凯斯

【问题讨论】：

尝试改用numpy.sqrt

标签： python performance jit numba

【解决方案1】：

Numba 已经将对 math.sqrt 的调用替换为对 sqrt 的机器代码库的调用。因此，如果您的性能变慢，则可能是其他原因。

您能否发布您正在尝试加速的代码。另外，您使用的是哪个版本的 Numba。在最新版本的 Numba 中，您可以调用修饰函数的 inspect_types 方法来打印被解释为 python 对象的列表（因此仍然很慢）。

【讨论】：

这是评论，不是答案。
他在技术上确实回答了（问：“我怎样才能强制 NUMBA 替换呼叫...”/答：“它已经这样做了”）

【解决方案2】：

Numba 已经将 math.sqrt 调用映射到 libc 中的 sqrt/sqrtf。减速可能来自 Numba 的开销。这种开销来自（取消）装箱 PyObjects 并检测编译代码中是否发生错误。它影响从 Python 调用小函数，但从另一个 Numba 编译函数调用时影响较小，因为没有（取消）装箱

如果您设置环境变量NUMBA_OPT=3，则会开启积极优化，消除一些开销，但会增加代码生成时间。

【讨论】：