在numba jit函数中使用numba jitclass作为参数

Question

我使用Numba0.46.0，我想将类中的一个对象作为参数传递给我的函数，并使用CUDA在我的GPU上运行这个函数。如果我想使用一个简单的Python (比如int)，我会使用如下内容：

from numba import jit, cuda
from numba.types import void, int32

@jit(void(int32), target='cuda')
def f(int_object):
    pass

f(123)

这个很好用。现在我试着对一个类做同样的事情：

from numba import jit, cuda
from numba,types import void

@jitclass([])
class MyClass:
    def __init__(self):
        pass

@jit(void(MyClass), target='cuda')
def f(MyClass_object):
    pass

对于没有任何评论的NotImplementedError来说，这是失败的。我还试图以一种懒散的方式编译它：

@jit(target='cuda')
def f(MyClass_object):
    pass

f(MyClass())

这是因为

Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/usr/local/lib/python3.6/dist-packages/numba/cuda/dispatcher.py", line 42, in __call__
    return self.compiled(*args, **kws)
  File "/usr/local/lib/python3.6/dist-packages/numba/cuda/compiler.py", line 801, in __call__
    cfg(*args)
  File "/usr/local/lib/python3.6/dist-packages/numba/cuda/compiler.py", line 537, in __call__
    sharedmem=self.sharedmem)
  File "/usr/local/lib/python3.6/dist-packages/numba/cuda/compiler.py", line 604, in _kernel_call
    self._prepare_args(t, v, stream, retr, kernelargs)
  File "/usr/local/lib/python3.6/dist-packages/numba/cuda/compiler.py", line 715, in _prepare_args
    raise NotImplementedError(ty, val)
NotImplementedError: (instance.jitclass.MyClass#7f983418fc88<>, <numba.jitclass.boxing.MyClass object at 0x7f983416ca10>)

我可以使用jitclass对象作为jit函数参数吗？如果是，上面的例子有什么问题？

UPD:顺便说一下，我已经用numpy数组检查过了：

import numpy as np
from numba import jit, cuda
from numba.types import void

@jit(void(np.ndarray), target='cuda')
def f1(ndarray_object):
    pass
# Fails with NotImplementedError with no comments

@jit(target='cuda')
def f2(ndarray_object):
    pass

a = np.asarray([])
f2(a) # Executes with no errors, only a warning about autojit

为什么这个方法适用于numpy，而不适用于我的班级？为什么这适用于惰性模式(f2)中的numpy，而不适用于给定的签名(f1)？

Answer 1

根据相关的文档 (编写本报告时的Numba0.47)：

只在CPU上提供对jitclasses的支持。(注:计划在未来发布对GPU设备的支持。)