如何使用 Numba 加速 python 的字典

Question

我需要在布尔值数组中存储一些单元格。起初我使用 numpy，但是当数组开始占用大量内存时，我有了一个想法，即在字典中以元组作为键存储非零元素（因为它是可散列类型）。例如： {(0, 0, 0): True, (1, 2, 3): True}（这是“3D 数组”中的两个单元格，索引分别为 0,0,0 和 1,2,3，但维数是预先未知的，并在我运行算法时定义）。 这很有帮助，因为非零单元格只填充了数组的一小部分。

为了从这个字典中写入和获取值，我需要使用循环：

def fill_cells(indices, area_dict):
    for i in indices:
        area_dict[tuple(i)] = 1

def get_cells(indices, area_dict):
    n = len(indices)
    out = np.zeros(n, dtype=np.bool)
    for i in range(n):
        out[i] = tuple(indices[i]) in area_dict.keys()
    return out

现在我需要使用 Numba 加快速度。 Numba 不支持原生 Python 的 dict()，所以我使用了 numba.typed.Dict。 问题是 Numba 在定义函数阶段想知道键的大小，所以我什至无法创建字典（键的长度事先未知，在调用函数时定义）：

@njit
def make_dict(n):
    out = {(0,)*n:True}
    return out

Numba 无法正确推断字典键的类型并返回错误：

Compilation is falling back to object mode WITH looplifting enabled because Function "make_dict" failed type inference due to: Invalid use of Function(<built-in function mul>) with argument(s) of type(s): (tuple(int64 x 1), int64)

如果我在函数中将 n 更改为具体数字，它会起作用。我用这个技巧解决了它：

n = 10
s = '@njit\ndef make_dict():\n\tout = {(0,)*%s:True}\n\treturn out' % n
exec(s)

但我认为这是错误的低效方式。而且我需要将我的 fill_cells 和 get_cells 函数与 @njit 装饰器一起使用，但 Numba 返回相同的错误，因为我试图在此函数中从 numpy 数组创建元组。

我了解 Numba 的基本限制（以及一般的编译），但也许有一些方法可以加快功能，或者，也许您对我的单元存储问题有另一种解决方案？

Answer 1

最终解决方案：

主要问题是 Numba 在定义创建元组的函数时需要知道元组的长度。诀窍是每次都重新定义功能。我需要使用定义函数的代码生成字符串并使用 exec() 运行它：

n = 10
s = '@njit\ndef arr_to_tuple(a):\n\treturn (' + ''.join('a[%i],' % i for i in range(n)) + ')'
exec(s)

之后我可以调用 arr_to_tuple(a) 来创建可以在另一个 @njit - 修饰函数中使用的元组。

例如，创建元组键的空字典，需要解决问题：

@njit
def make_empty_dict():
    tpl = arr_to_tuple(np.array([0]*5))
    out = {tpl:True}
    del out[tpl]
    return out

我在字典中写了一个元素，因为它是 Numba 推断类型的一种方式。

另外，我需要使用问题中描述的 fill_cells 和 get_cells 函数。这就是我用 Numba 重写它们的方式：

书写元素。刚刚把 tuple() 改成了 arr_to_tuple()：

@njit
def fill_cells_nb(indices, area_dict):
    for i in range(len(indices)):
        area_dict[arr_to_tuple(indices[i])] = True

从字典中获取元素需要一些令人毛骨悚然的代码：

@njit
def get_cells_nb(indices, area_dict):
    n = len(indices)
    out = np.zeros(n, dtype=np.bool_)
    for i in range(n):
        new_len = len(area_dict)
        tpl = arr_to_tuple(indices[i])
        area_dict[tpl] = True
        old_len = len(area_dict)
        if new_len == old_len:
            out[i] = True
        else:
            del area_dict[tpl]
    return out

我的 Numba (0.46) 版本不支持 .contains (in) 运算符和 try-except 构造。如果您有支持它的版本，您可以为其编写更多“常规”解决方案。

所以当我想检查字典中是否存在具有某个索引的元素时，我会记住它的长度，然后我在字典中写一些带有提到索引的东西。如果长度改变，我得出结论该元素不存在。否则元素存在。看起来很慢的解决方案，但事实并非如此。

速度测试：

解决方案运行速度惊人。我用 %timeit 对它进行了测试，并与本机 Python 优化代码进行了比较：

1. arr_to_tuple() 比常规 tuple() 函数快 5 倍
2. get_cells with numba 与 原生 Python 编写的 get_cells 相比，一个元素的速度提高 3 倍，大型元素数组的速度提高 40 倍
3. 与 原生 Python 编写的 fill_cells 相比，使用 numba 的 fill_cells 一个元素快 4 倍，大型元素数组快 40 倍