Numba嵌套jitclass编译失败，寻求问题原因及解决方法

问题原因 #

1. 类型定义不匹配：此处不存在类间循环引用（Particle无需依赖Particles），却使用了deferred_type声明Particle类型，导致Particles spec中particles字段的DeferredType与实际创建的ListType[Particle]无法兼容，触发类型转换错误。
2. 列表推导式的类型推断限制：在jitclass的__init__方法中直接用列表推导式生成Particle实例并初始化numba.typed.List，Numba的nopython模式无法正确推导该表达式的类型，进一步加剧了类型不匹配问题。

解决代码 #

修改后的可运行代码如下：

import numba
import numpy as np
from numba import int32, float64, types
from numba.experimental import jitclass

import constants

p_spec = [
    ('x', float64),
    ('y', float64),
]

@jitclass(p_spec)
class Particle(object):
    def __init__(self, x, y):
        self.x = x
        self.y = y

# 直接使用Particle的实例类型定义列表类型，无需deferred_type
particle_list_type = types.ListType(Particle.class_type.instance_type)

ps_spec = [
    ('size', int32),
    ('particles', particle_list_type),
]

@jitclass(ps_spec)
class Particles(object):
    def __init__(self, size):
        self.size = size
        # 创建指定类型的空列表，再循环添加元素
        self.particles = numba.typed.List.empty_list(Particle.class_type.instance_type)
        xs = np.random.uniform(0, constants.WIDTH, size)
        ys = np.random.uniform(0, constants.HEIGHT, size)
        for x, y in zip(xs, ys):
            self.particles.append(Particle(x, y))

p = Particles(20)

关键修改说明 #

• 移除deferred_type：由于两类无循环依赖，直接用Particle.class_type.instance_type定义列表类型即可，避免类型不兼容问题。
• 改用空列表初始化+循环添加：通过numba.typed.List.empty_list()创建明确类型的空列表，再逐个添加Particle实例，绕过列表推导式的类型推断限制，确保类型完全匹配。

内容的提问来源于stack exchange，提问作者Amir Afghani