python numba jit 的效率

Question

因为本人目前正在学习python，其中有一个叫numba的库，使用了llvm，我也不是很了解，但是看起来好像很牛B的样子，听说效率很高。所以我看了一些它的文档，按照官方提供的例子试了一遍：

pythonfrom numba import jit
from numpy import arange
from datetime import datetime

# jit decorator tells Numba to compile this function.
# The argument types will be inferred by Numba when function is called.

@jit
def sum2d(arr):
    M, N = arr.shape
    result = 0.0
    for i in range(M):
        for j in range(N):
            result += arr[i,j]
    return result

a = arange(9).reshape(3,3)
start = datetime.now()
print(sum2d(a))
stop = datetime.now()
print(stop-start)

发现它平均需要花费53毫秒的时间，然后我将@jit注释掉，发现居然连1毫秒都不到，不是说numba效率很高吗？我想不出意外的话，肯定是我哪里弄错了，然后我试了好久，发现如果我把数组变得很大的话，numba的效率就体现了出来：

pythonfrom numba import jit
from numpy import arange
from datetime import datetime

# jit decorator tells Numba to compile this function.
# The argument types will be inferred by Numba when function is called.

@jit
def sum2d(arr):
    M, N = arr.shape
    result = 0.0
    for i in range(M):
        for j in range(N):
            result += arr[i,j]
    return result

a = arange(9999999).reshape(3333333,3)
start = datetime.now()
print(sum2d(a))
stop = datetime.now()
print(stop-start)

不使用jit需要2.56秒的时间，而使用了jit才70毫秒，这已经不是同一个数量级了，但是对于一些简单的计算使用jit反而慢了呢？

Answer 1

JIT是有代码预热的，同样的代码跑的次数多才能看出来优势的。

Answer 2

用了JIT速度真的是快了很多
比如之前我用opencv在Python上做二值化，一个3000*3000的图像，竟然需要十几秒，我当时就准备重归c++了，用了jit之后整个时间到了不到一秒
不知道jit原理是怎么样的