我想使用Numba来修饰多重积分的被积函数,以便可以通过SciPy的Nquad函数调用它作为LowLevelCallable。理想情况下,装饰器应该允许任意数量的变量和来自Nquad的args参数的任意数量的附加参数。这是基于今年早些时候的一个出色的问答构建的,但扩展到了多个变量和参数的情况。
例如,假设以下具有N个变量和K个参数的多重积分:
理想的代码只需要在“被积函数”上使用一个装饰器就可以运行:
例如,假设以下具有N个变量和K个参数的多重积分:
import numpy as np
import scipy.integrate as si
import numba
from numba import cfunc,carray
from numba.types import intc, CPointer, float64
from scipy import LowLevelCallable
def jit_integrand_function(integrand_function):
jitted_function = numba.jit(integrand_function, nopython=True)
@cfunc(float64(intc, CPointer(float64)))
def wrapped(n, xx):
return jitted_function(xx[0], xx[1], xx[2], xx[3])
#xx = carray(xx,len(xx))
#return jitted_function(xx)
return LowLevelCallable(wrapped.ctypes)
@jit_integrand_function
def integrand(*args):
d = np.array([args])
return -np.exp(d.prod())
#Two variable, two parameter example
parms = np.array([2,3])
print si.nquad(integrand,[[0,1],[0,1]],parms)
理想的代码只需要在“被积函数”上使用一个装饰器就可以运行:
#Three variable, three parameter example
parms2 = np.array([1,2,3])
print si.nquad(integrand,[[0,1],[0,1],[0,1]],parms2)
Numba 文档 中提到了一个 carray 函数,该函数应在回调中给出数组的低级指针和大小时返回一个Numpy数组。可能可以使用它来将代码推广到两个变量两个参数之外的情况。我(不成功地)尝试实现这个功能在两行被注释掉的代码中。
需要帮助。事实上,Numba开发人员指出,SciPy集成是编写Numba的原因之一,但在这个领域缺乏文档和示例。