Numba加速QR分解后矩阵乘法遇非连续数组性能警告问题

首先明确两个关键点：

• np.linalg.qr返回的r是Fortran-contiguous（列优先）数组，这是因为底层依赖的LAPACK库是列优先设计的，上三角矩阵r自然以列优先方式存储，和你观察到的一致。
• 关于q的布局：
  在普通Python环境中，q通常是Fortran-contiguous的，但在Numba JIT函数中，q被标记为**对齐但非连续（A类型）**数组。原因在于Numba对np.linalg.qr返回值的内存连续性处理逻辑和原生numpy有差异——numpy返回的q虽然逻辑上是列连续，但Numba无法直接识别其严格的连续性，或是生成q的过程中存在的内存对齐细节，导致Numba将其判定为非连续布局。这种情况下，用@进行矩阵乘法时，两个数组布局不匹配（一个非连续、一个列连续），Numba就会发出性能警告，因为连续数组的矩阵乘法效率更高。

你可以手动将q转换为连续数组，消除警告的同时提升性能：

# Python 3.10
import numpy as np
from numba import jit

@jit
def qr_check(x):
    q,r = np.linalg.qr(x)
    q = np.ascontiguousarray(q)  # 转换为行连续数组
    # 也可以用 np.asfortranarray(q) 转换为列连续，和r的布局匹配
    return q @ r

x = np.random.rand(3,3)
qr_check(x)

内容的提问来源于stack exchange，提问作者J-J