Сначала немного контекста: я пытаюсь интегрировать связанный ODE, используя scipy.integrate.odeint очень часто с различными начальными условиями x_ и параметрами r_ и d_.
Я пытаюсь ускорить интеграцию, заблаговременно компилируя правую часть ODE и пытаясь сократить время вызова функции odeint.
Я пытаюсь скомпилировать функцию python, используя numba.pycc.CC заблаговременно. Это работает для простых функций, таких как:
import numpy
from numba.pycc import CC
cc = CC('x_test')
cc.verbose = True
@cc.export('x_test', 'f8(f8[:])')
def x_test(y):
return numpy.sum(numpy.log(y) * .5) # just a random combination of numpy functions I used to test the compilation
cc.compile()
Фактическая функция, которую я пытаюсь скомпилировать, выглядит следующим образом:
# code_generation3.py
import numpy
from numba.pycc import CC
"""
N = 94
input for x_dot_all could look like:
x_ = numpy.ones(N * 5)
x[4::5] = 5e13
t_ := some float from a numpy linspace. it is passed by odeint.
r_ = numpy.random.random(N * 4)
d_ = numpy.random.random(N * 4) * .8
In practice the size of x_ is 470 and of r_ and d_ is 376.
"""
cc = CC('x_temp_dot1')
cc.verbose = True
@cc.export('x_temp_dot1', 'f8[:](f8[:], f8, f8[:], f8[:], f8[:])')
def x_dot_all(x_,t_,r_,d_, h):
"""
rhs of the lotka volterra equation for all "patients"
:param x: initial conditions, always in groupings of 5: the first 4 is the bacteria count, the 5th entry is the carrying capacity
:param t: placeholder required by odeint
:param r: growth rates of the types of bacteria
:param d: death rates of the types of bacteria
returns the right hand side of the competitive lotka-volterra equation with finite and shared carrying capacity in the same ordering as the initial conditions
"""
def x_dot(x, t, r, d, j):
"""
rhs of the differential equation describing the intrahost evolution of the bacteria
:param x: initial conditions i.e. bacteria sizes and environmental carrying capacity
:param t: placeholder required by odeint
:param r: growth rates of the types of bacteria
:param d: death rates of the bacteria
:param j: placeholder for the return value
returns the right hand side of the competitive lotka-volterra equation with finite and shared carrying capacity
"""
j[:-1] = x[:-1] * r * (1 - numpy.sum(x[:-1]) / x[-1]) - d * x[:-1]
j[-1] = -numpy.sum(x[:-1])
return j
N = r_.shape[0]
j = numpy.zeros(5)
g = [x_dot(x_[5 * i : 5 * (i+1)], t_, r_[4 * i : 4* (i+1)], d_[4 * i: 4 * (i+1)], j) for i in numpy.arange(int(N / 4) )]
for index, value in enumerate(g):
h[5 * index : 5 * (index + 1)] = value
return h
cc.compile()
Здесь я получаю следующее сообщение об ошибке:
[xxxxxx@xxxxxx ~]$ python code_generation3.py
cc1plus: warning: command line option ‘-Wstrict-prototypes’ is valid for C/ObjC but not for C++ [enabled by default]
generating LLVM code for 'x_temp_dot1' into /tmp/pycc-build-x_temp_dot1-wyamkfsy/x_temp_dot1.cpython-36m-x86_64-linux-gnu.o
python: /root/miniconda3/conda-bld/llvmdev_1531160641630/work/include/llvm/IR/GlobalValue.h:233: void llvm::GlobalValue::setVisibility(llvm::GlobalValue::VisibilityTypes): Assertion `(!hasLocalLinkage() || V == DefaultVisibility) && "local linkage requires default visibility"' failed.
Aborted
Мне интересно, что я сделал не так?
Обе функции работают с @jit(nopython = True) декоратором.
К своему стыду, я также пытался жестко запрограммировать понимание списка (чтобы избежать циклов for и дальнейших вызовов функций), но с этой же проблемой.
Я знаю, что способ обработки / создания возвращаемых значений h и j, соответственно, не является ни эффективным, ни элегантным, но у меня были проблемы с получением возвращаемого значения в правильной форме для odeint, потому что numba плохо справляется с numpy.reshape.
Я искал справку по numba , но это не помогло мне понять мою проблему.
Я искал сообщение об ошибке, но нашел только ссылку , которая может быть похожа. Однако понижение numba до 0.38.0 у меня не сработало.
Спасибо всем!