20.md

1.9。提前编译代码

原文： http://numba.pydata.org/numba-doc/latest/user/pycc.html

虽然 Numba 的主要用例是即时编译，但它也为提前编译（AOT）提供了便利。

1.9.1。概述

1.9.1.1。好处

1. AOT 编译生成一个编译的扩展模块，它不依赖于 Numba：您可以在没有安装 Numba 的机器上分发模块（但需要 Numpy）。
2. 运行时没有编译开销（但请参阅@jit 缓存选项），也没有导入 Numba 的任何开销。

也可以看看

编译的扩展模块在 Python 打包用户指南中讨论。

1.9.1.2。限制

1. AOT 编译只允许常规功能，而不是 ufuncs 。
2. 您必须明确指定功能签名。
3. 每个导出的函数只能有一个签名（但您可以使用不同的名称导出多个不同的签名）。
4. AOT 编译为您的 CPU 架构系列生成通用代码（例如“x86-64”），而 JIT 编译生成针对您的特定 CPU 模型优化的代码。

1.9.2。用法

1.9.2.1。独立示例

from numba.pycc import CC

cc = CC('my_module')
# Uncomment the following line to print out the compilation steps
#cc.verbose = True

@cc.export('multf', 'f8(f8, f8)')
@cc.export('multi', 'i4(i4, i4)')
def mult(a, b):
    return a * b

@cc.export('square', 'f8(f8)')
def square(a):
    return a ** 2

if __name__ == "__main__":
    cc.compile()

如果您运行此 Python 脚本，它将生成名为my_module的扩展模块。根据您的平台，实际文件名可能是my_module.so，my_module.pyd，my_module.cpython-34m.so等。

生成的模块有三个功能：multf，multi和square。 multi以 32 位整数（i4）运行，而multf和square以双精度浮点运算（f8）：

>>> import my_module
>>> my_module.multi(3, 4)
12
>>> my_module.square(1.414)
1.9993959999999997

1.9.2.2。 Distutils 整合

您还可以使用 distutils 或 setuptools 在setup.py脚本中集成扩展模块的编译步骤：

from distutils.core import setup

from source_module import cc

setup(...,
      ext_modules=[cc.distutils_extension()])

上面的source_module是定义cc对象的模块。像这样编译的扩展会自动包含在 Python 项目的构建文件中，因此您可以将它们分发到二进制包（如 wheel 或 Conda 包）中。请注意，在使用 conda 的情况下，用于 AOT 的编译器需要是 Anaconda 发行版中可用的编译器。

1.9.2.3。签名语法

导出签名的语法与@jit装饰器中的语法相同。您可以在类型参考中阅读更多相关信息。

以下是在 1d 数组上导出二阶中心差异的实现的示例：

@cc.export('centdiff_1d', 'f8[:](f8[:], f8)')
def centdiff_1d(u, dx):
    D = np.empty_like(u)
    D[0] = 0
    D[-1] = 0
    for i in range(1, len(D) - 1):
        D[i] = (u[i+1] - 2 * u[i] + u[i-1]) / dx**2
    return D

您也可以省略返回类型，然后由 Numba 推断：

@cc.export('centdiff_1d', '(f8[:], f8)')
def centdiff_1d(u, dx):
    # Same code as above
    ...