关于在cython中使用numpy有很多问题,一个特别有用的问题是Simple wrapping of C code with cython。
然而,cython/numpy接口api seems to have changed a bit,特别是确保内存连续数组的传递。
用cython编写包装函数的最佳方法是:
double*
的numpy数组?我的尝试如下:
cimport numpy as np
import numpy as np # as suggested by jorgeca
cdef extern from "myclass.h":
cdef cppclass MyClass:
MyClass() except +
void run(double* X, int N, int D, double* Y)
def run(np.ndarray[np.double_t, ndim=2] X):
cdef int N, D
N = X.shape[0]
D = X.shape[1]
cdef np.ndarray[np.double_t, ndim=1, mode="c"] X_c
X_c = np.ascontiguousarray(X, dtype=np.double)
cdef np.ndarray[np.double_t, ndim=1, mode="c"] Y_c
Y_c = np.ascontiguousarray(np.zeros((N*D,)), dtype=np.double)
cdef MyClass myclass
myclass = MyClass()
myclass.run(<double*> X_c.data, N, D, <double*> Y_c.data)
return Y_c.reshape(N, 2)
这段代码可以编译,但不一定是最佳的。你对改进上面的片段有什么建议吗?
和(2)在运行时调用时抛出并“np未在第X_c = ...
行定义”。
准确的测试代码和错误消息如下:
import numpy as np
import mywrapper
mywrapper.run(np.array([[1,2],[3,4]], dtype=np.double))
# NameError: name 'np' is not defined [at mywrapper.pyx":X_c = ...]
# fixed!
你基本上是对的。首先,希望优化不是什么大事。理想情况下,大部分时间都在C++内核中使用,而不是在CythNo包装代码中使用。
有一些风格上的改变,你可以做,这将简化你的代码。(1) 不需要在一维和二维阵列之间重新整形。当你知道数据的内存布局(C++命令与FORTRAN命令、跨步等)时,你可以看到数组只是一块内存,你将用C++来索引自己,所以NUMPY的NDIM在C++方面没有什么关系,只是看到了指针。(2) 使用cython的运算符
&
的地址,您可以使用&X[0,0]
以更简洁的方式(不需要显式转换)获得指向数组开头的指针。这是我编辑过的原始片段:
相关问题 更多 >
编程相关推荐