带有 numba 和 @guvectorize 的“签名中的错误令牌”答案

【问题标题】：'Bad token in signature' with numba & @guvectorize带有 numba 和 @guvectorize 的“签名中的错误令牌”
【发布时间】：2021-02-04 19:42:10
【问题描述】：

我正在尝试使用装饰器@guvectorize 输出 [m,2] 数组的函数。（m 取决于输入的大小）

当使用以下函数签名时，我得到一个错误。

import numpy as np
from numba import guvectorize

@guvectorize('void(float64[:], float64, uint32[:,2])', '(m),()->(m,2)', nopython=True)
def array_copy(data, delta, result):
    for i, val in np.ndenumerate(data):
        # Open i.
        i, = i
        result[i,:] = [i, int(val)+delta]

data = np.arange(3, dtype='float64')
res = np.zeros((data.shape[0], 2), dtype='uint32')
array_copy(data, 3, res)

此功能仅用于支持示例。这是错误消息。

Traceback (most recent call last):

  File "<ipython-input-17-63f8983bbf61>", line 5, in <module>
    def array_copy(data, delta, result):

  File "/home/pierre/anaconda3/lib/python3.8/site-packages/numba/np/ufunc/decorators.py", line 177, in wrap
    guvec = GUVectorize(func, signature, **kws)

  File "/home/pierre/anaconda3/lib/python3.8/site-packages/numba/np/ufunc/decorators.py", line 49, in __new__
    return imp(func, signature, identity=identity, cache=cache,

  File "/home/pierre/anaconda3/lib/python3.8/site-packages/numba/np/ufunc/ufuncbuilder.py", line 298, in __init__
    self.sin, self.sout = parse_signature(signature)

  File "/home/pierre/anaconda3/lib/python3.8/site-packages/numba/np/ufunc/sigparse.py", line 49, in parse_signature
    outputs = list(parse(outs))

  File "/home/pierre/anaconda3/lib/python3.8/site-packages/numba/np/ufunc/sigparse.py", line 35, in parse
    raise ValueError('bad token in signature "%s"' % tok[1])

ValueError: bad token in signature "2"

请问，怎么了？如何指定 result 将有 2 列？

【问题讨论】：

标签： python numba

【解决方案1】：

Numba 的当前实现并未实现 Numpy's GUFunc signatures 中定义的所有功能，尤其是固定尺寸。

诀窍是将结果数组传递两次，因此结果的维度是从该参数推断出来的。

以下示例将一个函数向量化，该函数计算 3 个元素的每个行向量的总和和乘积：

import numpy as np
from numba import guvectorize

@guvectorize('void(float64[:], float64[:], float64[:])',
             '(m),(n)->(n)',
             nopython=True)
def sum_and_product(data, dummy, result):
    result[0] = data[0] + data[1] + data[2]
    result[1] = data[0] * data[1] * data[2]

然后：

data = np.array([(1, 2, 3), (4, 5, 6), (7, 8, 9)], dtype=float)
data
array([[1., 2., 3.],
       [4., 5., 6.],
       [7., 8., 9.]])
res = np.empty((3, 2), dtype=float)
res = sum_and_product(data, res)
res
array([[  6.,   6.],
       [ 15., 120.],
       [ 24., 504.]])

请注意，签名指定了单个向量的维度，因此，函数中的代码对单个向量进行操作。

【讨论】：