使用 jit_module 自动进行模块 JIT 编译
一种常见的用法模式是让整个模块包含所有需要进行 JIT 编译的用户定义函数。实现这一点的一种选择是手动将 @jit 装饰器应用于每个函数定义。这种方法有效，并且在许多情况下都很好。然而，对于包含许多函数的大型模块，手动对每个函数定义进行 jit 封装可能会很繁琐。对于这些情况，Numba 提供了另一种选择，即 jit_module 函数，它可以自动将模块中声明的函数替换为其经过 jit 封装的等效函数。
需要注意的是，在以下条件下，jit_module 将不会影响函数：
已使用 Numba 装饰器（例如
jit、vectorize、cfunc等）封装的函数不受jit_module的影响。在调用
jit_module的模块之外声明的函数不会自动进行jit封装。在调用
jit_module之后在逻辑上出现的函数声明不受影响。
模块中的所有其他函数将自动应用 @jit 装饰器。请参阅以下部分以获取示例用例。
注意
此功能供模块作者使用。jit_module 不应在包含要 JIT 编译的函数的模块上下文之外调用。
示例用法
假设我们创建了一个 Python 模块 mymodule.py（如下所示），其中包含几个函数。其中一些函数在 mymodule.py 中定义，而另一些则从其他模块导入。我们希望使用 jit_module 对 mymodule.py 中定义的所有函数进行 JIT 编译。
# mymodule.py
from numba import jit, jit_module
def inc(x):
return x + 1
def add(x, y):
return x + y
import numpy as np
# Use NumPy's mean function
mean = np.mean
@jit(nogil=True)
def mul(a, b):
return a * b
jit_module(nopython=True, error_model="numpy")
def div(a, b):
return a / b
在上面的示例中有几点需要注意：
inc和add函数都将替换为其经过jit封装的等效函数，并带有 编译选项nopython=True和error_model="numpy"。由于
mean函数定义在 NumPy 中，不在mymodule.py内，因此不会被修改。mul不会被修改，因为它已手动使用jit装饰。div不会自动进行jit封装，因为它是在调用jit_module之后声明的。
当导入上述模块时，我们得到：
>>> import mymodule
>>> mymodule.inc
CPUDispatcher(<function inc at 0x1032f86a8>)
>>> mymodule.mean
<function mean at 0x1096b8950>