# 7.10。关于自定义管道的注意事项
> 原文: [http://numba.pydata.org/numba-doc/latest/developer/custom_pipeline.html](http://numba.pydata.org/numba-doc/latest/developer/custom_pipeline.html)
警告
自定义管道功能仅供专家使用。修改编译器行为可能会使 numba 源代码中的内部假设无效。
对于寻找扩展或修改编译器行为的方法的库开发人员,可以通过继承`numba.compiler.BasePipeline`来定义自定义编译器管道。默认的 numba 管道被定义为`numba.compiler.Pipeline`,实现了`.define_pipelines()`方法,它增加了 _nopython-mode_ ,_ 对象模式 _ 和 _ 解释模式 _ 管道。这三条管道分别通过`.define_nopython_pipeline`,`.define_objectmode_pipeline`和`.define_interpreted_pipeline`方法在`BasePipeline`中定义。
要使用`BasePipeline`的自定义子类,请将其作为`@jit`关键字参数提供给`@jit`和`@generated_jit`装饰器。通过这样做,自定义管道的效果仅限于正在装饰的功能。
以下是`BasePipeline`类的实现者可用的常用方法:
```py
class numba.compiler.BasePipeline(typingctx, targetctx, library, args, return_type, flags, locals)
```
存储和管理编译器管道的状态
```py
add_cleanup_stage(pm)
```
添加清理阶段以删除中间结果。
```py
add_lowering_stage(pm)
```
为 nopython-mode 添加降低(代码生成)阶段
```py
add_optimization_stage(pm)
```
添加优化阶段。
```py
add_pre_typing_stage(pm)
```
添加类型推断之前的所有阶段。当前阶段包含类型不可知的重写过程。
```py
add_preprocessing_stage(pm)
```
添加分析字节码的预处理阶段以准备 Numba IR。
```py
add_typing_stage(pm)
```
添加 nopython 模式所需的类型推断阶段。
```py
define_interpreted_pipeline(pm, name='interp')
```
将解释模式(回退)管道添加到管道管理器
```py
define_nopython_pipeline(pm, name='nopython')
```
将 nopython-mode 管道添加到管道管理器
```py
define_objectmode_pipeline(pm, name='object')
```
将对象模式管道添加到管道管理器
- 1. 用户手册
- 1.1。 Numba 的约 5 分钟指南
- 1.2。概述
- 1.3。安装
- 1.4。使用@jit 编译 Python 代码
- 1.5。使用@generated_jit 进行灵活的专业化
- 1.6。创建 Numpy 通用函数
- 1.7。用@jitclass 编译 python 类
- 1.8。使用@cfunc 创建 C 回调
- 1.9。提前编译代码
- 1.10。使用@jit 自动并行化
- 1.11。使用@stencil装饰器
- 1.12。从 JIT 代码 中回调到 Python 解释器
- 1.13。性能提示
- 1.14。线程层
- 1.15。故障排除和提示
- 1.16。常见问题
- 1.17。示例
- 1.18。会谈和教程
- 2. 参考手册
- 2.1。类型和签名
- 2.2。即时编译
- 2.3。提前编译
- 2.4。公用事业
- 2.5。环境变量
- 2.6。支持的 Python 功能
- 2.7。支持的 NumPy 功能
- 2.8。与 Python 语义的偏差
- 2.9。浮点陷阱
- 2.10。 Python 2.7 寿命终止计划
- 3. 用于 CUDA GPU 的 Numba
- 3.1。概述
- 3.2。编写 CUDA 内核
- 3.3。内存管理
- 3.4。编写设备功能
- 3.5。 CUDA Python 中支持的 Python 功能
- 3.6。支持的原子操作
- 3.7。随机数生成
- 3.8。设备管理
- 3.10。示例
- 3.11。使用 CUDA 模拟器 调试 CUDA Python
- 3.12。 GPU 减少
- 3.13。 CUDA Ufuncs 和广义 Ufuncs
- 3.14。共享 CUDA 内存
- 3.15。 CUDA 阵列接口
- 3.16。 CUDA 常见问题
- 4. CUDA Python 参考
- 4.1。 CUDA 主机 API
- 4.2。 CUDA 内核 API
- 4.3。内存管理
- 5. 用于 AMD ROC GPU 的 Numba
- 5.1。概述
- 5.2。编写 HSA 内核
- 5.3。内存管理
- 5.4。编写设备功能
- 5.5。支持的原子操作
- 5.6。代理商
- 5.7。 ROC Ufuncs 和广义 Ufuncs
- 5.8。示例
- 6. 扩展 Numba
- 6.1。高级扩展 API
- 6.2。低级扩展 API
- 6.3。示例:间隔类型
- 7. 开发者手册
- 7.1。贡献给 Numba
- 7.2。 Numba 建筑
- 7.3。多态调度
- 7.4。关于发电机的注意事项
- 7.5。关于 Numba Runtime 的注意事项
- 7.6。使用 Numba Rewrite Pass 获得乐趣和优化
- 7.7。实时变量分析
- 7.8。上市
- 7.9。模板注释
- 7.10。关于自定义管道的注意事项
- 7.11。环境对象
- 7.12。哈希 的注意事项
- 7.13。 Numba 项目路线图
- 8. Numba 增强建议
- 9. 术语表