python – 将numba.jit与scipy.integrate.ode一起使用

发布时间：2020-12-20 13:07:27 所属栏目：Python 来源：网络整理

导读：使用 numba.jit 加速 scipy.integrate 的odeint右侧计算工作正常： from scipy.integrate import ode,odeintfrom numba import jit@jitdef rhs(t,X): return 1X = odeint(rhs,np.linspace(0,1,11)) 但是使用像这样的integrate.ode： solver = ode(rhs)solver

使用 numba.jit加速 scipy.integrate的odeint右侧计算工作正常：

from scipy.integrate import ode,odeint
from numba import jit

@jit
def rhs(t,X):
    return 1

X = odeint(rhs,np.linspace(0,1,11))

但是使用像这样的integrate.ode：

solver = ode(rhs)
solver.set_initial_value(0,0)
while solver.successful() and solver.t < 1:
    solver.integrate(solver.t + 0.1)

使用装饰器@jit产生以下错误：

capi_return is NULL
Call-back cb_f_in_dvode__user__routines failed.
Traceback (most recent call last):
  File "sandbox/numba_cubic.py",line 15,in <module>
    solver.integrate(solver.t + 0.1)
  File "/home/pgermann/Software/anaconda3/lib/python3.4/site-packages/scipy/integrate/_ode.py",line 393,in integrate
    self.f_params,self.jac_params)
  File "/home/pgermann/Software/anaconda3/lib/python3.4/site-packages/scipy/integrate/_ode.py",line 848,in run
    y1,t,istate = self.runner(*args)
TypeError: not enough arguments: expected 2,got 1

任何想法如何克服这个？

解决方法

我不知道原因或解决方案,但在这种情况下,Theano有助于加快计算速度. Theano基本上编译了numpy表达式,因此只有当你可以将rhs写成多维数组的表达式时才有用(当jit知道和朋友时).它也知道一些代数并优化计算.

除了Theano可以为GPU编译(这是我首先尝试numba.jit的原因).然而,由于开销,使用GPU只能提高大型系统(可能是一百万个方程式)的性能.

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!