使用Numba和scikit-learn

Question

有没有人成功地使用numba和jit compilaition来加速scikit-learn模型。 我正在研究的具体模型是回归模型，例如Logistic回归。

我能够使用numba来优化我使用sklearn模型编写的函数，但模型函数本身不受此影响且未经优化，因此不会显着提高速度。 有没有办法优化sklearn功能？

任何关于此的信息将非常感激。

Answer 1

Scikit-learn大量使用numpy，其中大部分是用C编写的并且已经编译（因此不符合JIT优化条件）。

此外，LogisticRegression模型本质上是具有适当损失函数的LinearSVC。 我可能会有点错误，但无论如何，它使用LIBLINEAR进行求解，这也是一个已编译的C库。

scikit-learn的制造者也大量使用了Pyrex之一的python到编译系统，这再次导致优化的机器编译代码不适合JIT编译。

Answer 2

@numba.vectorize for arrays和@numba.guvectorise for @numba.guvectorise ，装饰器可能会有所帮助，因为它们可以组合循环操作。 它们生成所谓的“ufunc”来实现这个目标，但不是必须自己手动编写c代码，而是从python输入生成它。

请参阅： http ： //numba.pydata.org/numba-doc/dev/user/vectorize.html