Как использовать np.empty внутри скомпилированной функции numba; Сообщение об ошибке «Все шаблоны отклонены»

Question

Я столкнулся с этой странной ошибкой при попытке использовать np.empty в определении функции, скомпилированном с помощью numba, и при включении nopython=True, чтобы убедиться, что оптимизированная типизация действует.

Это странно, потому что numba утверждает, что поддерживает np.empty с первыми двумя аргументами, а я использую только первые два аргумента (я так думаю?), Поэтому я не знаю, почему он печатает неправильно.

@jit(nopython=True)
def empty():
    return np.empty(5, np.float)

После определения вышеуказанной функции в записной книжке ipython,

empty()

выдает следующее сообщение об ошибке:

---------------------------------------------------------------------------
TypingError                               Traceback (most recent call last)
<ipython-input-88-927345c8757f> in <module>()
----> 1 empty()

~/.../lib/python3.5/site-packages/numba/dispatcher.py in _compile_for_args(self, *args, **kws)
    342                 raise e
    343             else:
--> 344                 reraise(type(e), e, None)
    345         except errors.UnsupportedError as e:
    346             # Something unsupported is present in the user code, add help info

~/.../lib/python3.5/site-packages/numba/six.py in reraise(tp, value, tb)
    656             value = tp()
    657         if value.__traceback__ is not tb:
--> 658             raise value.with_traceback(tb)
    659         raise value
    660 
TypingError: Failed at nopython (nopython frontend)
Invalid usage of Function(<built-in function empty>) with parameters (int64, Function(<class 'float'>))
 * parameterized
In definition 0:
    All templates rejected
[1] During: resolving callee type: Function(<built-in function empty>)
[2] During: typing of call at <ipython-input-87-8c7e8fa4c6eb> (3)


File "<ipython-input-87-8c7e8fa4c6eb>", line 3:
def empty():
    return np.empty(5, np.float)
    ^

This is not usually a problem with Numba itself but instead often caused by
the use of unsupported features or an issue in resolving types.

To see Python/NumPy features supported by the latest release of Numba visit:
http://numba.pydata.org/numba-doc/dev/reference/pysupported.html
and
http://numba.pydata.org/numba-doc/dev/reference/numpysupported.html

For more information about typing errors and how to debug them visit:
http://numba.pydata.org/numba-doc/latest/user/troubleshoot.html#my-code-doesn-t-compile

If you think your code should work with Numba, please report the error message
and traceback, along with a minimal reproducer at:
https://github.com/numba/numba/issues/new

Answer 1

Проблема в том, что np.float не является действительным типом данных для массива NumPy в numba. Вы должны предоставить явный dtype для numba. Это проблема не только с np.empty, но и с другими процедурами создания массивов, такими как np.ones, np.zeros, ... в numba.

Чтобы ваш пример работал, требуется лишь небольшое изменение:

from numba import jit
import numpy as np

@jit(nopython=True)
def empty():
    return np.empty(5, np.float64)  # np.float64 instead of np.float

empty()

Или стенография np.float_. Или, если вы хотите 32-битные числа с плавающей запятой, используйте np.float32.

---

Обратите внимание, что np.float является просто псевдонимом для обычного Python float и поэтому не является real NumPy dtype:

>>> np.float is float
True
>>> issubclass(np.float, np.generic)
False
>>> issubclass(np.float64, np.generic)
True

Аналогично, существуют некоторые дополнительные псевдонимы, которые просто интерпретируются, как если бы они были типами NumPy ( source ):

Встроенные типы Python

Несколько типов Python эквивалентны скаляру соответствующего массива при использовании для создания объекта dtype:

int          int_
bool         bool_
float        float_
complex      cfloat
bytes        bytes_
str          bytes_ (Python2) or unicode_ (Python3)
unicode      unicode_
buffer       void
(all others) object_

Однако numba не знает об этих псевдонимах, и даже если вы не имеете дело с numba, вам, вероятно, лучше использовать real dtypes напрямую *1038*:

Типы массивов и преобразования между типами

NumPy поддерживает гораздо большее разнообразие числовых типов, чем Python. В этом разделе показано, какие из них доступны и как изменить тип данных массива.

Data type     Description
bool_         Boolean (True or False) stored as a byte
int_          Default integer type (same as C long; normally either int64 or int32)
intc          Identical to C int (normally int32 or int64)
intp          Integer used for indexing (same as C ssize_t; normally either int32 or int64)
int8          Byte (-128 to 127)
int16         Integer (-32768 to 32767)
int32         Integer (-2147483648 to 2147483647)
int64         Integer (-9223372036854775808 to 9223372036854775807)
uint8         Unsigned integer (0 to 255)
uint16        Unsigned integer (0 to 65535)
uint32        Unsigned integer (0 to 4294967295)
uint64        Unsigned integer (0 to 18446744073709551615)
float_        Shorthand for float64.
float16       Half precision float: sign bit, 5 bits exponent, 10 bits mantissa
float32       Single precision float: sign bit, 8 bits exponent, 23 bits mantissa
float64       Double precision float: sign bit, 11 bits exponent, 52 bits mantissa
complex_      Shorthand for complex128.
complex64     Complex number, represented by two 32-bit floats (real and imaginary components)
complex128    Complex number, represented by two 64-bit floats (real and imaginary components)

Обратите внимание, что некоторые из них не поддерживаются Numba!