使用Numba和scikit学习

Question

是否有人成功地加快了使用numba和jit编译的学习模型。我正在研究的具体模型是回归模型，如Logistic回归。

我可以使用numba来优化我使用sklearn模型编写的函数，但是模型函数本身并不受此影响，也没有被优化，因此没有提供显著的速度增长。有没有优化学习功能的方法？

任何有关这方面的信息将不胜感激。

Answer 1

Scikit-learn大量使用numpy，其中大部分是用C编写的，并且已经编译(因此没有资格进行JIT优化)。

此外，LogisticRegression模型本质上是具有适当损失函数的LinearSVC。我可能对此略有误解，但无论如何，它使用LIBLINEAR来解决问题，这也是一个编译后的C库。

scikit-learn的制造者还大量使用python到编译的系统之一Pyrex，我认为，这再次导致优化的机器编译代码不符合JIT编译的条件。

Answer 2

数组的@numba.vectorize和matricies的@numba.guvectorise是装饰器，因为它们可以组合循环操作。它们生成所谓的“ufunc”来实现这个目标，但是不必自己手动编写c代码，而是从python输入生成它。

请参阅：http://numba.pydata.org/numba-doc/dev/user/vectorize.html