关于python：numba @vectorize target =’parallel’TypeError


numba @vectorize target='parallel' TypeError

如果我定义

1
2
3
4
5
6
7
import numba as nb
import numpy as np
@nb.vectorize
def nb_vec(x):
    if x>0:
        x=x+100
    return x

然后

1
2
x=np.random.random(1000000)
nb_vec(x)

运行没有问题

但是如果我添加目标选项，例如

1
2
3
4
5
@nb.vectorize(target='parallel')
def nb_vec(x):
    if x>0:
        x=x+100
    return x

然后

1
2
x=np.random.random(1000000)
nb_vec(x)

输出错误消息

--------------------------------------------------------------------------- TypeError Traceback (most recent call
last) in
1 x=np.random.random(1000000)
----> 2 nb_vec(x)

TypeError: ufunc 'nb_vec' not supported for the input types, and the
inputs could not be safely coerced to any supported types according to
the casting rule ''safe''

怎么了？

在numba 0.46中，没有签名的numba.vectorize装饰器将创建一个动态的通用函数，这意味着它在被调用时根据类型编译代码。因此，您无需提供签名。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
import numpy as np
import numba as nb

@nb.vectorize()
def nb_vec(x):
    if x > 0:
        x = x + 100
    return x

>>> nb_vec
<numba._DUFunc 'nb_vec'>
>>> nb_vec.types
[]
>>> nb_vec(np.ones(5))
array([101., 101., 101., 101., 101.])
>>> nb_vec.types
['d->d']

但是，如果您指定target='parallel'，它将创建一个普通的通用函数。因此，它仅支持提供的签名。在您的情况下，您省略了签名，因此它实际上不支持任何输入。

1
2
3
4
5
6
7
8
9
10
11
12
13
import numpy as np
import numba as nb

@nb.vectorize(target='parallel')
def nb_vec(x):
    if x > 0:
        x = x + 100
    return x

>>> nb_vec
<ufunc 'nb_vec'>
>>> nb_vec.types
[]

此处的解决方案是在使用并行向量化时指定具有适当类型的签名：

1
2
3
4
5
6
7
8
9
10
11
12
13
import numpy as np
import numba as nb

@nb.vectorize(
    [nb.int32(nb.int32),
     nb.int64(nb.int64),
     nb.float32(nb.float32),
     nb.float64(nb.float64)],
    target='parallel')
def nb_vec(x):
    if x > 0:
        x = x + 100
    return x