# 7.10。關于自定義管道的注意事項
> 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
自定義管道功能僅供專家使用。修改編譯器行為可能會使 numba 源代碼中的內部假設無效。
對于尋找擴展或修改編譯器行為的方法的庫開發人員,可以通過繼承`numba.compiler.BasePipeline`來定義自定義編譯器管道。默認的 numba 管道被定義為`numba.compiler.Pipeline`,實現了`.define_pipelines()`方法,它增加了 _nopython-mode_ ,_ 對象模式 _ 和 _ 解釋模式 _ 管道。這三條管道分別通過`.define_nopython_pipeline`,`.define_objectmode_pipeline`和`.define_interpreted_pipeline`方法在`BasePipeline`中定義。
要使用`BasePipeline`的自定義子類,請將其作為`@jit`關鍵字參數提供給`@jit`和`@generated_jit`裝飾器。通過這樣做,自定義管道的效果僅限于正在裝飾的功能。
以下是`BasePipeline`類的實現者可用的常用方法:
```py
class numba.compiler.BasePipeline(typingctx, targetctx, library, args, return_type, flags, locals)
```
存儲和管理編譯器管道的狀態
```py
add_cleanup_stage(pm)
```
添加清理階段以刪除中間結果。
```py
add_lowering_stage(pm)
```
為 nopython-mode 添加降低(代碼生成)階段
```py
add_optimization_stage(pm)
```
添加優化階段。
```py
add_pre_typing_stage(pm)
```
添加類型推斷之前的所有階段。當前階段包含類型不可知的重寫過程。
```py
add_preprocessing_stage(pm)
```
添加分析字節碼的預處理階段以準備 Numba IR。
```py
add_typing_stage(pm)
```
添加 nopython 模式所需的類型推斷階段。
```py
define_interpreted_pipeline(pm, name='interp')
```
將解釋模式(回退)管道添加到管道管理器
```py
define_nopython_pipeline(pm, name='nopython')
```
將 nopython-mode 管道添加到管道管理器
```py
define_objectmode_pipeline(pm, name='object')
```
將對象模式管道添加到管道管理器
- 1. 用戶手冊
- 1.1。 Numba 的約 5 分鐘指南
- 1.2。概述
- 1.3。安裝
- 1.4。使用@jit 編譯 Python 代碼
- 1.5。使用@generated_jit 進行靈活的專業化
- 1.6。創建 Numpy 通用函數
- 1.7。用@jitclass 編譯 python 類
- 1.8。使用@cfunc 創建 C 回調
- 1.9。提前編譯代碼
- 1.10。使用@jit 自動并行化
- 1.11。使用@stencil裝飾器
- 1.12。從 JIT 代碼 中回調到 Python 解釋器
- 1.13。性能提示
- 1.14。線程層
- 1.15。故障排除和提示
- 1.16。常見問題
- 1.17。示例
- 1.18。會談和教程
- 2. 參考手冊
- 2.1。類型和簽名
- 2.2。即時編譯
- 2.3。提前編譯
- 2.4。公用事業
- 2.5。環境變量
- 2.6。支持的 Python 功能
- 2.7。支持的 NumPy 功能
- 2.8。與 Python 語義的偏差
- 2.9。浮點陷阱
- 2.10。 Python 2.7 壽命終止計劃
- 3. 用于 CUDA GPU 的 Numba
- 3.1。概述
- 3.2。編寫 CUDA 內核
- 3.3。內存管理
- 3.4。編寫設備功能
- 3.5。 CUDA Python 中支持的 Python 功能
- 3.6。支持的原子操作
- 3.7。隨機數生成
- 3.8。設備管理
- 3.10。示例
- 3.11。使用 CUDA 模擬器 調試 CUDA Python
- 3.12。 GPU 減少
- 3.13。 CUDA Ufuncs 和廣義 Ufuncs
- 3.14。共享 CUDA 內存
- 3.15。 CUDA 陣列接口
- 3.16。 CUDA 常見問題
- 4. CUDA Python 參考
- 4.1。 CUDA 主機 API
- 4.2。 CUDA 內核 API
- 4.3。內存管理
- 5. 用于 AMD ROC GPU 的 Numba
- 5.1。概述
- 5.2。編寫 HSA 內核
- 5.3。內存管理
- 5.4。編寫設備功能
- 5.5。支持的原子操作
- 5.6。代理商
- 5.7。 ROC Ufuncs 和廣義 Ufuncs
- 5.8。示例
- 6. 擴展 Numba
- 6.1。高級擴展 API
- 6.2。低級擴展 API
- 6.3。示例:間隔類型
- 7. 開發者手冊
- 7.1。貢獻給 Numba
- 7.2。 Numba 建筑
- 7.3。多態調度
- 7.4。關于發電機的注意事項
- 7.5。關于 Numba Runtime 的注意事項
- 7.6。使用 Numba Rewrite Pass 獲得樂趣和優化
- 7.7。實時變量分析
- 7.8。上市
- 7.9。模板注釋
- 7.10。關于自定義管道的注意事項
- 7.11。環境對象
- 7.12。哈希 的注意事項
- 7.13。 Numba 項目路線圖
- 8. Numba 增強建議
- 9. 術語表