利用numba給Python代码加速 [0]

用户6021899

发布于 2021-12-30 16:03:10

3370

发布于 2021-12-30 16:03:10

文章被收录于专栏：Python编程 pyqt matplotlib

Numba 利用LLVM将python函数编译成优化后的机器码。Numba编译的由python写的数学算法能够接近C或Fortran的运行速度。LLVM 不仅能编译numba代码，还擅长优化它。

流程如下：

python bytecode ->Numba analyzers ->Numba LLVM IR generator ->

LLVM IR optimizers ->LLVM backend compiler ->Native x86/x64 code

LLVM 命名最早源自于底层虚拟机（Low Level Virtual Machine）的缩写。LLVM是构架编译器(compiler)的框架系统，以C++编写而成，用于优化以任意程序语言编写的程序的编译时间(compile-time)、链接时间(link-time)、运行时间(run-time)以及空闲时间(idle-time)，对开发者保持开放，并兼容已有脚本。

你不需要安装C/C++ 编译器，也不需要独立的编译步骤，只需要将numba装饰器应用于你的python函数，numba会完成编译与优化。

下面以一个概率法计算圆周率的例子开始：

from numba import jit,float32, int64
import random
import time


#@jit()
#@jit(nopython=True)
@jit(float32(int64), nopython=True, cache=True, nogil=True)
#@jit(float32(int64), nopython=True, parallel=True)
#@cuda.jit()
def monte_carlo_pi(nsamples):
    acc = 0
    for i in range(nsamples):
        x = random.random()
        y = random.random()
        if (x ** 2 + y ** 2) < 1.0:
            acc += 1
    return 4.0 * acc / nsamples


if __name__ == '__main__':
    since = time.time()
    x = monte_carlo_pi(10000000)
    print("time elapsed: ", time.time() - since)
    print("pi calculated is ", x)

这段代码如果不利用numba加速，在我的电脑上运行大约需要5.5s。