numba.errors.LoweringError: Failed at nopython (nopython mode backend) printing unimplemented for values of type array(float32, 1d, C) File "test4.py", line 17 [1] During: lowering "print(shared_array)" at E:/py程序/进化策略/z_geme/贪吃蛇/test4.py (17)

在Numba CUDA核函数中，由于设备上的内核代码无法直接访问主机上的标准输出，因此无法在核函数中使用Python的`print`语句来打印设备上的数组。

如果您想在核函数中查看设备上的数组内容，可以将数组复制回主机并在主机上打印。以下是一个示例代码，展示了如何在核函数中创建设备数组，并将其复制回主机进行打印操作：

import numba.cuda as cuda
import numpy as np

@cuda.jit
def my_kernel(output):
    # 定义共享内存数组
    shared_array = cuda.shared.array(shape, dtype)

    # 在共享内存数组中进行计算
    # ...

    # 同步线程块中的所有线程
    cuda.syncthreads()

    # 将设备数组复制回主机
    host_array = cuda.to_host(shared_array)

    # 在主机上打印设备数组
    print(host_array)

# 定义数组的形状和数据类型
shape = (10,)
dtype = np.float32

# 创建设备数组
device_array = cuda.device_array(shape, dtype)

# 调用核函数
my_kernel[blocks, threads](device_array)

在这个示例中，`cuda.to_host`函数用于将设备数组复制回主机。然后，使用`print`语句在主机上打印设备数组的内容。

请注意，由于设备和主机之间的数据传输会引入额外的开销，因此在实际应用中建议尽量避免在核函数中频繁地复制和打印设备数组。可以通过将计算结果存储在设备数组中，并在计算完成后将整个设备数组复制回主机进行打印和分析。