无法使用 numba 自动并行化 for 循环

Question

我正在尝试在多个内核上运行以下命令以加快使用 numba 的速度。不幸的是，当我测试它时，该功能似乎只在一个核心上运行。有人可以向我解释为什么以及是否有可能让它在多个内核上运行？

最小的工作示例：

import numpy as np
import numba

a = np.random.rand(100000)

@numba.jit(nopython=True, parallel=True)
def func(x):
    result = np.zeros_like(x)
    for delta in range(1,len(x)):
        thisresult = 0
        for i in range(delta,len(x)):
            thisresult += (x[i] - x[i-delta])**2
        result[delta] = thisresult / (len(x) - delta)
    return result

print(func(a))

Answer 1

显式并行化

我总是建议明确地并行化代码。 Numba 尝试序列化一些并行代码部分，但这并不总是有效或导致最佳性能。

import numpy as np
import numba 

a = np.random.rand(100000)

@numba.jit(nopython=True, parallel=True)
def func(x):
    result = np.zeros_like(x,dtype=x.dtype)
    for delta in numba.prange(1,len(x)):
        thisresult = 0
        for i in range(delta,len(x)):
            thisresult += (x[i] - x[i-delta])**2
        result[delta] = thisresult / (len(x) - delta)
    return result

print(func(a)) 

更多详情请查看documentation。