numba加速实验

一、numba有加速的使用吗？

实验一

%%time
def compute_sum(size: float) -> int:
    sum = 0
    for i in range(size):
        sum += i
    return sum

def main():
    size = 10000
    for _ in range(size):
        sum = compute_sum(size)

main()

output:
Wall time: 7.66 s

实验二

%%time
import numba

@numba.jit
def compute_sum(size: float) -> int:
    sum = 0
    for i in range(size):
        sum += i
    return sum

def main():
    size = 10000
    for _ in range(size):
        sum = compute_sum(size)

main()
output:
Wall time: 61.5 ms

实验三

结论：numba有非常大的加速效果

二、 numba为什么有加速效果呢？

答案当然是运行本机编译代码比运行动态解释代码快很多倍。 Numba 的工作原理是允许您为 Python 函数指定类型签名，这样可以在运行时进行编译（这是“ Just-in-time ”或 JIT 编译）。 Numba 动态编译代码的能力意味着您不会放弃 Python 的灵活性。这是向提供高生产率编程和高性能计算的理想组合迈出的一大步

Numba是一个针对Python的开源JIT编译器，由Anaconda公司主导开发，可以对Python原生代码进行CPU和GPU加速。Just-In-Time（JIT）技术为解释语言提供了一种优化，它能克服上述效率问题，极大提升代码执行速度，同时保留Python语言的易用性。使用JIT技术时，JIT编译器将Python源代码编译成机器直接可以执行的机器语言，并可以直接在CPU等硬件上运行。这样就跳过了原来的虚拟机，执行速度几乎与用C语言编程速度并无二致。

三、numba有什么限制呢？

支持字符串操作吗？