Numba jit和延迟类型

Question

我要传递numba作为我的功能的签名

@numba.jit(numba.types.UniTuple(numba.float64[:, :], 2)(
    numba.float64[:, :], numba.float64[:, :], numba.float64[:, :], 
earth_model_type))

其中earth_model_type被定义为

earth_model_type = numba.deferred_type()
earth_model_type.define(em.EarthModel.class_type.instance_type)

它编译得很好，但是当我试图调用这个函数时，

* TypeError:不匹配参数类型数组(float64，2d，F)，数组(float64，2d，C)，数组(float64，2d，F)，instance.jitclass.EarthModel#7fd9c48dd668

在我看来，具有不匹配定义的参数类型与上面的类型大致相同。另一方面，如果我不通过仅仅使用@numba.jit(nopython=True)来指定签名，它就可以正常工作，由numba编译的函数的签名是

ipdb> numbed_cowell_propagator_propagate.signatures                   

(数组(float64，2d，F)，数组(float64，2d，C)，数组(float64，2d，F)，instance.jitclass.EarthModel#7f81bbc0e780)

编辑

如果我使用常见问题中的方式强制执行C级数组，我仍然会得到一个错误

TypeError:不匹配参数类型数组(float64，2d，C)，数组(float64，2d，C)，数组(float64，2d，C)，instance.jitclass.EarthModel#7f6edd8d57b8

我非常肯定这个问题与延迟类型有关，因为如果不是传递jit类，而是传递该类(4个numba.float64s)所需的所有属性，那么它可以正常工作。

当我指定签名时，我做错了什么？

干杯。

Answer 1

在不完全理解完整代码的工作原理的情况下，我不知道为什么需要使用延迟类型。通常，它用于包含相同类型的实例变量的jitclasses，如链接列表或其他节点树，因此需要推迟到编译器处理类本身之后(请参阅来源)，下面的最小示例工作(如果使用延迟类型，我可以再现您的错误)：

import numpy as np
import numba as nb

spec = [('x', nb.float64)]

@nb.jitclass(spec)
class EarthModel:
    def __init__(self, x):
        self.x = x

earth_model_type = EarthModel.class_type.instance_type

@nb.jit(nb.float64(nb.float64[:, :], nb.float64[:, :], nb.float64[:, :], earth_model_type))
def test(x, y, z, em):
    return em.x

然后运行它：

em = EarthModel(9.9)
x = np.random.normal(size=(3,3))
y = np.random.normal(size=(3,3))
z = np.random.normal(size=(3,3))

res = test(x, y, z, em)
print(res)  # 9.9