启用Numba SVML但矩阵向量乘法因内存冲突无法向量化

尝试用Numba结合SVML优化一个简单的矩阵-向量乘法函数，执行python test.py | grep svml检查SVML向量化情况时，LLVM返回错误提示。已通过GitHub issue中的代码验证SVML可正常运行，能检测到SVML指令。

最小复现代码 #

import numpy as np
import numba
import llvmlite.binding as llvm

llvm.set_option("", "--debug-only=loop-vectorize")

@numba.njit(parallel=True, fastmath=True)
def njit_generate_data(y, S, x, noise, n_observation, support, noise_level=0.1):
    x[support] = np.random.randn(len(support))
    for i in numba.prange(n_observation):
        y[i] = S[i] @ x + noise[i] * noise_level
    return S, x, y

i8 = numba.types.int8
f32 = numba.types.float32
b = numba.types.bool_
njit_generate_data.compile((f32[:], f32[:, :], f32[:], f32[:], i8, b[:], f32))

print(njit_generate_data.inspect_asm(njit_generate_data.signatures[0]))

LLVM错误信息 #

LV: Can't vectorize due to memory conflicts

系统信息 #

• Python 3.10
• Numba 0.60.0
• numba -s | grep SVML输出：

  __SVML Information__
  SVML state, config.USING_SVML                 : True
  SVML library found and loaded                 : True
  llvmlite using SVML patched LLVM              : True
  SVML operational                              : True
  

已尝试的操作 #

• 移除并行化prange
• 手动展开矩阵乘法（无效）
• 切换parallel=True/False和fastmath=True/False
• 为x、y和S添加ascontiguousarray

是否忽略了Numba或LLVM中导致该冲突的向量化逻辑？

内容的提问来源于stack exchange，提问作者zsl000