Numba对于一个简单的for循环(Python 3.10)来说性能很差

Question

我的代码：

from numba import njit
from functools import wraps
import time
def timeit(my_func):
@wraps(my_func)
def timed(*args, **kw):

tstart = time.time()
output = my_func(*args, **kw)
tend = time.time()

print('"{}" took {:.3f} ms to executen'.format(my_func.__name__, (tend - tstart) * 1000))
return output
return timed
@timeit
@njit
def calculate_smth(a,b):
result = 0
for i_a in range(a):
for i_b in range(b):
result = result + i_a + i_b
return result
if __name__ == "__main__":
value = calculate_smth(1000,1000)

如果没有numba decorator，我的函数将在大约62ms内完成，而使用njit decorates(在事先编译后(，它需要大约370ms。有人能解释一下我缺了什么吗？

Answer 1

JIT代表Just In Time，这意味着代码是在执行时编译的，而不是AOT-Ahead Of Time。正如您在Numba文档中所读到的，默认情况下编译是惰性的，即在程序中第一次执行函数时发生编译。

它还支持AOT编译，如所述

另一个选项是传递给numba.njit装饰器的cache=True参数。