2.3。提前编译
原文： http://numba.pydata.org/numba-doc/latest/reference/aot-compilation.html
class numba.pycc.CC(extension_name, source_module=None)
用于从 Numba 编译的 Python 函数生成编译扩展的对象。 extension_name 是要生成的扩展名。 source_module 是包含这些函数的 Python 模块;如果None，则通过检查调用堆栈来推断。
CC 实例具有以下属性和方法：
name
（只读属性）要生成的扩展模块的名称。
output_dir
（读写属性）扩展模块将写入的目录。默认情况下，它是 source_module 所在的目录。
output_file
（读写属性）扩展模块将写入的文件的名称。默认情况下，这遵循当前平台的 Python 命名约定。
target_cpu
（读写属性）为其生成代码的 CPU 模型的名称。这将选择适当的指令集扩展。默认情况下，选择通用 CPU 以生成可移植代码。
此属性的已识别名称取决于当前体系结构和 LLVM 版本。如果安装了 LLVM，llc -mcpu=help将为您提供一个列表。 x86-64 的例子是"ivybridge"，"haswell"，"skylake"或"broadwell"。您还可以给出值"host"，它将选择当前的主机 CPU。
verbose
（读写属性）如果为 true，则在编译扩展时打印输出信息。默认为 False。
@export(exported_name, sig)
使用签名 sig 标记要编译的修饰函数。编译的函数将在生成的扩展模块中作为 exported_name 公开。
给定 CC 实例中的所有导出名称必须是不同的，否则会引发异常。
compile()
编译所有导出的函数并生成 output_dir 和 output_file 指定的扩展模块。
distutils_extension(**kwargs)
返回 distutils.core.Extension 实例，允许在传统的setup.py驱动的构建过程中集成扩展模块的生成。可选的 kwargs 允许您将可选参数传递给 Extension 构造函数。
在这种操作模式下，没有必要自己调用 compile() 。此外， output_dir 和 output_file 将被忽略。
