为什么numba和numpy在现场操作中表现不同？

Question

用qumbxswpoi的别名numba njit装饰的函数产生jit(nopython=True)对就地操作的不同结果（简单的numpy也给出了@jit(nopython=False)的不同结果）：

numpy

它看起来像

In [1]: import numpy as np
        from numba import njit

        def npfun(arr):
            arr -= arr[3]

        @njit
        def jitfun(arr):
            arr -= arr[3]

        arr1 = np.ones((6,2))
        arr2 = arr1.copy()

        npfun(arr1)
        jitfun(arr2)

        arr1 == arr2

Out[1]: array([[ True,  True],
               [ True,  True],
               [ True,  True],
               [ True,  True],
               [False, False],
               [False, False]], dtype=bool)  

评估rhs并将其作为副本传递，而numpy将rhs视为视图。有没有技术理由这样做？

numba numpy 1.13.3

Answer 1

你正在做的操作：

numba 0.35

曾经是NumPy中未定义的行为。它最近才被定义，在arr -= arr[3] ，释放NumPy 1.13.0。新的，定义的行为总是表现为它复制了所有输入，尽管它试图避免在检测到它不需要时实际制作副本。

看起来Numba目前没有尝试模仿新行为，无论是因为它有多新，还是因为Numba特有的担忧。

Answer 2

Workaround

如果你使用June 7th this year参数的显式就地操作，而不是增强赋值，它将帮助Numba：replace

out

同

arr -= arr[3] 

这使得jitted版本（虽然使用@jit，而不是@njit）与NumPy版本完全相同。值得注意的是，尝试@njit这个函数现在会失败，告诉你比njit无法处理np.subtract(arr, arr[3], out=arr) 参数。

我已经看到你已经out，所以有可能改变增强作业的处理以匹配NumPy。

Why this happens

正如hpaulj所说，Numba输出相当于循环遍历数组的行。 Python JITter无法对NumPy底层的C代码做任何事情;它需要Python才能使用。支持NumPy方法（在某种程度上）的原因是Numba开发人员遇到了将NumPy数组操作解码为标量对象的显式Python迭代的麻烦，然后可以将其传递给LLVM。来自opened an issue on this：

• 合成一个实现数组表达式的Python函数：这个新的Python函数本质上就像一个Numpy ufunc，它在广播数组参数中的标量值上返回表达式的结果。降低功能通过从数组表达式树转换为Python AST来实现这一点。
• 将合成Python函数编译到内核中：此时，降低函数依赖于现有代码来降低ufunc和DUFunc内核，在定义如何降低对合成函数的调用之后调用documentation。

最终结果类似于Numba对象模式中的循环提升。

上述numba.targets.numpyimpl.numpy_ufunc_kernel()收集索引并迭代它们。如果被迭代的对象在迭代过程中发生变异，则会使事情发生变化。