本文共 1858 字，大约阅读时间需要 6 分钟。

numba用户手册

numba线程------------------------------------------------------------------------------------------------------------------------------------------------------7.1说明：1)并行执行通过parallelCPU 发生的即：   @jit(parallel=True). and @njit(parallel=True).   @vectorize(target='parallel' ) and @guvectorize(target='parallel' ).2)如不用threading或multiprocessing ,则numba附带线程的默认设置会很好工作,无需采取进一步措施！7.2.线程层：1)tbb -  Intel TBB支持的线程层(需要存在英特尔的TBB库conda install tbb)2)omp -OpenMP支持的线程层(与linux1兼容移植性在PyPI上numba二进制轮子中禁用OpenMP线程层 )($ conda install intel-openmp) 3)workqueue -一个简单的内置工作共享任务计划程序(保证存在的唯一线程层)7.3.设置线程层通过环境变量 设置线程层 numba.config.THREADING_LAYER编程方式设置线程层必须在逻辑上发生,后再针对并行目标进行任何基于numba的编译.7.4.选择线程层有两种方法,一种是通过选择在各种并行执行形式下安全的线程层,第二种是通过线程层名称(例如tbb)进行显式选择.default       没有提供具体的安全保证,并且是默认设置.safe            线程和线程都是安全的,这需要安装tbb软件包(Intel TBB库)forksafe     提供一个fork安全库.threadsafe 提供线程安全库.------------------------------------------------------------------------------------------------------------------------------------------------------7.5.实例：from numba import config, njit, threading_layerimport numpy as npconfig.THREADING_LAYER = 'threadsafe'                          # 在任何并行目标编译之前设置线程层@njit(parallel=True)def foo(a, b):    return a + bx = np.arange(10.)y = x.copy()# 这将强制编译函数,选择一个线程层,然后并行执行foo(x, y)                                                                                               # 演示所选的线程层print("Threading layer chosen: %s" % threading_layer())  # 查看所选的线程层# Threading layer chosen: omp------------------------------------------------------------------------------------------------------------------------------------------------------7.6.other:numba诊断命令的一节 报告了当前环境中线程层的可用性.numba -s__Threading Layer Information__------------------------------------------------------------------------------------------------------------------------------------------------------

转载地址：https://chunyou.blog.csdn.net/article/details/103963092 如侵犯您的版权，请留言回复原文章的地址，我们会给您删除此文章，给您带来不便请您谅解！