如何编译具有可变输入类型的 numba jit'ed 函数？

假设我有一个函数可以接受int or a None类型作为输入参数

import numba as nb
import numpy as np

jitkw = {"nopython": True, "nogil": True, "error_model": "numpy", "fastmath": True}


@nb.jit("f8(i8)", **jitkw)
def get_random(seed=None):
    np.random.seed(None)
    out = np.random.normal()
    return out

我希望该函数简单地返回一个正态分布的随机数。如果我想要可重复的结果，种子应该是int.

get_random(42)
>>> 0.4967141530112327
get_random(42)
>>> 0.4967141530112327
get_random(42)
>>> 0.4967141530112327

如果我想要随机数，seed应保留为None。但是，如果我不传递参数（因此种子默认为None) 或显式传递seed=None，然后 numba 提出TypeError

get_random()
>>> TypeError: No matching definition for argument type(s) omitted(default=None)
get_random(None)
>>> TypeError: No matching definition for argument type(s) omitted(default=None)

我该如何编写该函数，仍然声明签名并使用nopython这种场景的模式？

我的numba版本是0.43.1

第一个问题是 nopython 模式下的 numba 只接受（从版本 0.43.1 开始）np.random.seed：仅使用整数参数 https://numba.pydata.org/numba-doc/0.43.0/reference/numpysupported.html#initialization.

所以，不幸的是，你不能通过None.

第二个问题是（据我所知）没有一个“单一”签名告诉 numba 如何处理缺失值，但是您可以使用两个签名（是的，它非常冗长）：

import numba as nb
import numpy as np

jitkw = {"nopython": True, "nogil": True, "error_model": "numpy", "fastmath": True}

@nb.jit(
    [nb.types.float64(nb.types.misc.Omitted(None)), 
     nb.types.float64(nb.types.int64)], 
    **jitkw)
def get_random(seed=None):
    return np.random.normal()

对签名的两部分做一个简短的解释：

• The nb.types.float64(nb.types.misc.Omitted(None))告诉 numba 使用None如果省略参数则作为默认类型
• 和nb.types.float64(nb.types.int64)是需要整数的签名。

就我个人而言，我不会指定签名，而只是让 numba 来解决。在 numba 中，显式签名很少值得，而且更常见的是，它们会导致代码变慢且灵活性较差。