Estou usando numbas@jit decorador para adicionar duas matrizes numpy em python. O desempenho é tão alto se eu usar@jit comparado compython.

No entanto, énão utilizando todos os núcleos da CPU mesmo se eu passar@numba.jit(nopython = True, parallel = True, nogil = True).

Existe alguma maneira de fazer uso de todos os núcleos da CPU com o numba@jit.

Aqui está o meu código:

import time                                                
import numpy as np                                         
import numba                                               

SIZE = 2147483648 * 6                                      

a = np.full(SIZE, 1, dtype = np.int32)                     

b = np.full(SIZE, 1, dtype = np.int32)                     

c = np.ndarray(SIZE, dtype = np.int32)                     

@numba.jit(nopython = True, parallel = True, nogil = True) 
def add(a, b, c):                                          
    for i in range(SIZE):                                  
        c[i] = a[i] + b[i]                                 

start = time.time()                                        
add(a, b, c)                                               
end = time.time()                                          

print(end - start)