在 numba.jit 装饰器中使用并行选项会使函数给出错误的结果

给定一个矩形的两个对角(x1, y1) and (x2, y2)和两个半径r1 and r2，找到位于由半径定义的圆之间的点的比率r1 and r2到矩形中的点数。

简单的 NumPy 方法：

def func_1(x1,y1,x2,y2,r1,r2,n):
     x11,y11 = np.meshgrid(np.linspace(x1,x2,n),np.linspace(y1,y2,n))
     z1 = np.sqrt(x11**2+y11**2)
     a = np.where((z1>(r1)) & (z1<(r2)))
     fill_factor = len(a[0])/(n*n)
     return fill_factor

接下来我尝试用以下方法优化这个函数jit来自 numba 的装饰器。当我使用时：

nopython = True

该函数速度更快并给出正确的输出。但是当我还添加：

parallel = True

该函数速度更快，但给出了错误的结果。 我知道这与我的z矩阵，因为它没有被正确更新。

@jit(nopython=True,parallel=True)
def func_2(x1,y1,x2,y2,r1,r2,n):
    x_ = np.linspace(x1,x2,n)
    y_ = np.linspace(y1,y2,n)
    z1 = np.zeros((n,n))
    for i in range(n):
        for j in range(n):
            z1[i][j] = np.sqrt((x_[i]*x_[i]+y_[j]*y_[j]))
    a = np.where((z1>(r1)) & (z1<(r2)))
    fill_factor = len(a[0])/(n*n)
    return fill_factor

测试值：

x1 = 1.0
x2 = -1.0
y1 = 1.0
y2 = -1.0
r1 = 0.5
r2 = 0.75
n = 25000

附加信息：Python版本：3.6.1，Numba版本：0.34.0+5.g1762237，NumPy版本：1.13.1

问题在于parallel=True是它是一个黑匣子。 Numba 甚至不保证它实际上会并行化任何东西。它使用启发式方法来确定它是否可并行以及什么could并行进行。这些可能会失败，在您的示例中它们确实会失败，就像我的实验parallel和努巴 https://stackoverflow.com/q/35459065/5393381。这使得parallel不值得信任，我会建议against使用它！

在较新的版本中 (0.34)prange已添加，您可能会更幸运。它不能应用于这种情况，因为prange作品就像range这不同于np.linspace...

请注意：您可以避免构建z并做np.where完全在你的函数中，你可以明确地进行检查：

import numpy as np
import numba as nb

@nb.njit   # equivalent to "jit(nopython=True)".
def func_2(x1,y1,x2,y2,r1,r2,n):
    x_ = np.linspace(x1,x2,n)
    y_ = np.linspace(y1,y2,n)
    cnts = 0
    for i in range(n):
        for j in range(n):
            z = np.sqrt(x_[i] * x_[i] + y_[j] * y_[j])
            if r1 < z < r2:
                cnts += 1
    fill_factor = cnts/(n*n)
    return fill_factor

与您的函数相比，这还应该提供一些加速，甚至可能比使用parallel=True（如果它能正常工作）。