多维数组并行化ForLoop

Question

我正在尝试将for循环与numba并行。我是这个库的新手，但经过一些研究后，我编写了这段代码，与我研究的示例相比，这段代码看起来是正确的：

@njit(nopython=True, parallel=True)
def tempFtemp(ftemp_pte, func_F, numPointsEval, pointsToEval):
for i in prange(0, numPointsEval):
    ftemp_pte[:,i] = np.hstack(func_F(np.vstack(pointsToEval[:,i])))
return ftemp_pte

ftemp_pte= tempFtemp(ftemp_pte, func_F, numPointsEval, pointsToEval)

当我在我的程序中编译它时，我在for i in prange(0, numPointsEval):行得到错误“non-precise type pyobject”。ftemp_pte和pointsToEval都是2d数组，numPointsEval是整数，func_F是一个随机函数，它将生成要存储在ftemp_pte[:,i]中的1d数组

如果您能帮助我们找出导致此错误的原因，我们将不胜感激

[编辑]

我最初使用的顺序代码（有效）如下：

def func_F(x):
    f= np.zeros((1,2))
    f[0,0]= x[0,0]
    n= max(np.size(x,0), np.size(x,1))    
    g    = 1 + 9* np.sum(x[1:n])/(n-1)
    h    = 1 - np.sqrt(f[0,0]/g)
    f[0,1] = g * h
    F= np.transpose(f)
    return F

for i in range(0, numPointsEval):
   ftemp_pte[:,i] = np.hstack(func_F(np.vstack(pointsToEval[:,i])))

我还应该提到，需要使用hstack和vstack，以便创建的数组的格式可以匹配ftemp_pte数组。删除这些说明将导致尺寸不匹配

variavleftemp_pte始终有2行和x行。正确值的一个示例是 [[0.21875 0.21875 0.21875 0.21875 0.21875 0.21875 0.21875 0.21875 0.21875 0.21875 0.21875 0.21875 0.21875 0.21875 0.21875 0.21875 0.21875 0.21875 0.21875 0.21875 0.21875 0.21875 0.21875 0.21875 0.21875 0.21875 0.21875 0.21875 0.21875 ] [0.5397286 0.5397286 0.5397286 0.5397286 0.5397286 0.5397286 0.5397286 0.5397286 0.5397286 0.5397286 0.5397286 0.5397286 0.5397286 0.5397286 0.5397286 0.5397286 0.5397286 0.5397286 0.5397286 0.5397286 0.5397286 0.5397286 0.5397286 0.5397286 0.5397286 0.5397286 0.5397286 0.5397286 0.5397286]]

我的代码的最初目的是将以下Matlab的parfor指令翻译成Python

parfor i=1:numPointsEval
     ftemp_pte(:,i) = feval(func_F,pointsToEval(:,i));

任何帮助都将不胜感激

Answer 1

问题2的答案

只要你不是真的堆叠数组，而是重新排列它们，你就应该避免^ {CD1>}和^ {< CD2>}，并考虑使用^ {CD3>}或^ {CD4}}。例如：

ftemp_pte[:, i] = func_F(pointsToEval[:, i].reshape(1, -1)).ravel()

但是，numba不支持非连续数组上的reshape()

因此，我已经设法使您的代码运行与numba通过转置一切，以避免重塑数组。以下代码确实有效，可能会给您一些想法：

@nb.njit
def func_F(x):
    f = np.zeros(2)    # Simple 1d array
    f[0] = x[0]
    n = max(x.shape)
    g = 1 + 9 * np.sum(x[1:n]) / (n - 1)
    h = 1 - np.sqrt(f[0] / g)
    f[1] = g * h
    return f

@nb.njit(parallel=True)
def tempFtemp(ftemp_pte, func_F, numPointsEval, pointsToEval):
    for i in nb.prange(numPointsEval):
        ftemp_pte[i] = func_F(pointsToEval[i])
    return ftemp_pte

ftemp_pte = np.zeros((2, 5)).T
pointsToEval = np.zeros((2, 5)).T
numPointsEval = 5
ftemp_pte = tempFtemp(ftemp_pte, func_F, numPointsEval, pointsToEval)
print(ftemp_pte.T)

Answer 2

{a1}表示一级函数对象可以是Numba cfunc编译函数、JIT编译函数和实现包装器地址协议的对象

您可以传递JITted函数，如以下简化示例所示：

@nb.njit
def cos(a):
    return np.cos(a)

@nb.njit(parallel=True)
def tempFtemp(ftemp_pte, func_F, numPointsEval, pointsToEval):
    for i in nb.prange(numPointsEval):
        ftemp_pte[:, i] = func_F(pointsToEval[:, i])
    return ftemp_pte

ftemp_pte = tempFtemp(ftemp_pte, np.cos, numPointsEval, pointsToEval)  # Error
ftemp_pte = tempFtemp(ftemp_pte, cos, numPointsEval, pointsToEval)     # Works

这解决了“非精确类型pyobject”的问题，但是我已经从示例中删除了hstack和vstack操作，因为它们产生了their own problems and inefficiencies