# 1.5。使用`@generated_jit` 进行灵活的专业化 > 原文： [http://numba.pydata.org/numba-doc/latest/user/generated-jit.html](http://numba.pydata.org/numba-doc/latest/user/generated-jit.html) 虽然 [`jit()`](../reference/jit-compilation.html#numba.jit "numba.jit") 装饰器在许多情况下都很有用，但有时您希望根据其输入类型编写具有不同实现的函数。 [`generated_jit()`](../reference/jit-compilation.html#numba.generated_jit "numba.generated_jit") 装饰器允许用户在编译时控制特化的选择，同时保持 JIT 函数的运行时执行速度。 ## 1.5.1。示例 假设您要编写一个函数，该函数根据某些约定返回给定值是否为“缺失”值。为了示例，我们采用以下定义： * 对于浮点参数，缺失值是`NaN` * 对于 Numpy datetime64 和 timedelta64 参数，缺失值为`NaT` * 其他类型没有缺失值的概念。 使用 [`generated_jit()`](../reference/jit-compilation.html#numba.generated_jit "numba.generated_jit") 装饰器可以轻松实现编译时逻辑： ```py import numpy as np from numba import generated_jit, types @generated_jit(nopython=True) def is_missing(x): """ Return True if the value is missing, False otherwise. """ if isinstance(x, types.Float): return lambda x: np.isnan(x) elif isinstance(x, (types.NPDatetime, types.NPTimedelta)): # The corresponding Not-a-Time value missing = x('NaT') return lambda x: x == missing else: return lambda x: False ``` 这里有几点需要注意： * 使用参数的 [Numba 类型](../reference/types.html#numba-types)调用修饰函数，而不是它们的值。 * 修饰函数实际上并不计算结果，它返回一个 callable，实现给定类型的函数的实际定义。 * 可以在编译时预先计算一些数据（上面的`missing`变量），以便在编译的实现中重用它们。 * 函数定义使用与装饰函数相同的参数名称，这是确保按名称传递参数按预期工作所必需的。 ## 1.5.2。编译选项 [`generated_jit()`](../reference/jit-compilation.html#numba.generated_jit "numba.generated_jit") 装饰器支持与 [`jit()`](../reference/jit-compilation.html#numba.jit "numba.jit") 装饰器相同的仅关键字参数，例如`nopython`和`cache`选项。