已解决：在 Numba 中使用全局变量的替代方案

Question

我目前正在使用 scipy minimize 来解决我的优化问题，但计算时间很长。我遇到了 numba，它可以用来减少计算时间。但是当我尝试在目标函数上使用它时，它会抛出以下错误。

TypingError：在 nopython 模式管道中失败（步骤：在降低之前确保 IR 合法）不支持使用反射列表（int64）<iv = None>类型，分配给全局变量“wInt”，因为考虑了全局变量编译时常量，并且没有已知的方法可以将反射列表(int64)<iv=None>类型编译为常量。

这是我当前用于目标函数的示例代码。

#x is a list returned by a function and is run only once at the 

# -beginning of the code execution.

x = someFunc()

@jit(float64(int64), nopython=True, parallel=True)

def fast_rosenbrock(N):

    out = 0.0

    for i in range(N-1):

        out += 100.0 * (x[i+1] - x[i]**2)**2 / (1 - x[i])**2

    return out

目标函数利用通过调用函数获得的全局变量。我担心如果我将其设置为本地，则会重复计算相应的值，我想避免这种情况，因为该函数非常大并且只需要运行一次。我该如何解决这个问题？

编辑1：

尝试传递 x 作为参数。它可以在没有 numba 的情况下工作，但是当我将其放入 jitted 函数中时，它会抛出错误。

没有 numba，我得到了想要的结果：

def fast_rosenbrock(x, N):

    out = 0.0

    for i in range(N-1):

        out += 100.0 * (x[i+1] - x[i]**2)**2 / (1 - x[i])**2

    return out

与麻木：

from numba import jit, float64, int64

@jit(float64(float64[:], int64), nopython=True, parallel=True)

def fast_rosenbrock(x, N):

    out = 0.0

    for i in range(N-1):

        out += 100.0 * (x[i+1] - x[i]**2)**2 / (1 - x[i])**2

    return out

这会引发一个错误，指出ZeroDivisionError: division by zero

我在这里做错了什么吗？

Answer 1

解决了错误。numba 似乎不支持“/”运算符。因此，我们需要在需要的地方使用 np.divide 。以下是更新后的代码@jit(float64(float64[:], int64), nopython=True, parallel=True)def rosenbrock(x, N):&nbsp; &nbsp; out = 0.0&nbsp; &nbsp; for i in range(N-1):&nbsp; &nbsp; &nbsp; &nbsp; out += np.divide(100.0 * (x[i+1] - x[i]**2)**2, (1 - x[i])**2)&nbsp; &nbsp; return out结果：没有 Numba：78.4 ms ± 1.23 ms per loop&nbsp;与 Numba 一起：6.59 ms ± 152 µs per loop&nbsp;这几乎使计算时间缩短了 10 倍。