# 1.5。使用`@generated_jit` 進行靈活的專業化 > 原文： [http://numba.pydata.org/numba-doc/latest/user/generated-jit.html](http://numba.pydata.org/numba-doc/latest/user/generated-jit.html) 雖然 [`jit()`](../reference/jit-compilation.html#numba.jit "numba.jit") 裝飾器在許多情況下都很有用，但有時您希望根據其輸入類型編寫具有不同實現的函數。 [`generated_jit()`](../reference/jit-compilation.html#numba.generated_jit "numba.generated_jit") 裝飾器允許用戶在編譯時控制特化的選擇，同時保持 JIT 函數的運行時執行速度。 ## 1.5.1。示例 假設您要編寫一個函數，該函數根據某些約定返回給定值是否為“缺失”值。為了示例，我們采用以下定義： * 對于浮點參數，缺失值是`NaN` * 對于 Numpy datetime64 和 timedelta64 參數，缺失值為`NaT` * 其他類型沒有缺失值的概念。 使用 [`generated_jit()`](../reference/jit-compilation.html#numba.generated_jit "numba.generated_jit") 裝飾器可以輕松實現編譯時邏輯： ```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 ``` 這里有幾點需要注意： * 使用參數的 [Numba 類型](../reference/types.html#numba-types)調用修飾函數，而不是它們的值。 * 修飾函數實際上并不計算結果，它返回一個 callable，實現給定類型的函數的實際定義。 * 可以在編譯時預先計算一些數據（上面的`missing`變量），以便在編譯的實現中重用它們。 * 函數定義使用與裝飾函數相同的參數名稱，這是確保按名稱傳遞參數按預期工作所必需的。 ## 1.5.2。編譯選項 [`generated_jit()`](../reference/jit-compilation.html#numba.generated_jit "numba.generated_jit") 裝飾器支持與 [`jit()`](../reference/jit-compilation.html#numba.jit "numba.jit") 裝飾器相同的僅關鍵字參數，例如`nopython`和`cache`選項。