使用 jit_module 自动模块即时编译
常见的使用模式是拥有一个包含所有需要被 jit 化的用户定义函数的整个模块。完成此任务的一个选项是手动将 @jit 装饰器应用于每个函数定义。这种方法在许多情况下是有效的，并且非常棒。然而，对于包含许多函数的大型模块，手动将每个函数定义 jit 化可能会很繁琐。针对这种情况，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 jit 化的等效函数。
需要注意的是，在以下条件下，jit_module 将 不会 影响一个函数：
已经用 Numba 装饰器（例如
jit、vectorize、cfunc等）包装的函数不会受到jit_module的影响。在调用
jit_module的模块之外声明的函数不会自动被jit包装。在逻辑上出现在调用
jit_module之后的函数声明不会受到影响。
模块中的所有其他函数将自动应用 @jit 装饰器。有关示例用例，请参见以下部分。
备注
此功能供模块作者使用。jit_module 不应在包含要即时编译函数的模块上下文之外调用。
示例用法
假设我们有一个创建的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，而其他函数则从其他模块导入。我们希望使用``jit_module``对在``mymodule.py``中定义的所有函数进行即时编译。
# 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
在上面的例子中，有几点需要注意：
inc和add函数将被替换为它们的jit包装的等效函数，使用 编译选项nopython=True和error_model="numpy"。mean函数，因为它是在 NumPy 中定义的，而不是在mymodule.py中定义的，所以不会被修改。mul不会被修改，因为它已经被手动装饰了jit。div不会被自动jit包裹，因为它是在调用jit_module之后声明的。
当导入上述模块时，我们有：
>>> import mymodule
>>> mymodule.inc
CPUDispatcher(<function inc at 0x1032f86a8>)
>>> mymodule.mean
<function mean at 0x1096b8950>
API
警告
此功能是实验性的。支持的功能可能会在没有通知的情况下更改。