我有一些自动生成 C 函数的 Python 代码。此函数将一些 double 作为输入并返回一个 double ,并在此过程中调用 C 标准库中的各种函数。
我想用它做的一件事是将它编译成一个 numpy ufunc 并将它加载到正在运行的 Python 进程中。我只希望该函数以合理的速度在其输入 numpy 数组上按元素运行,例如 numpy 的 minimum
。
令我惊讶的是,我找不到明确的说明或示例如何执行此操作。 Numpy 有关于编写扩展的明确说明,但不清楚如何将它们加载到当前的 Python 进程中。使用 ctypes 我可以编译我的函数并加载它,没问题,但不清楚如何使它成为一个 ufunc 而不是一个普通的 Python 函数。 Cython 也可以做到这一点,如果我使用 pyximport
,它甚至会为我构建共享库,这是理想的,因为这样我就可以分发它而不必担心如何在另一个系统上构建 C 代码。但是同样不清楚如何制作 ufunc 而不是普通函数。
TL;DR:我怎样才能将一个简单的 C 函数编译成一个 ufunc,然后动态加载它?越简单,样板越少越好。
最佳答案
一个想法可能是将 numba 用于 creating ufuncs和 cffi用于编译 C 代码。
例如,如果我们想将 numpy 数组中每个元素的值加倍,即将以下 C 函数作为字符串:
double f(double a){
return 2.0*a;
}
一个可能的解决方案是以下原型(prototype):
import numba as nb
import cffi
def create_ufunc(code):
# 1. step: compile the C-code and load the resulting extension
ffibuilder = cffi.FFI()
ffibuilder.cdef("double f(double a);", override=True)
built_module=ffibuilder.verify(source=code)
fun = built_module.f
# 2. step: create an ufunc out of the compiled C-function
@nb.vectorize([nb.float64(nb.float64)])
def f(x):
return fun(x)
return f
现在:
import numpy as np
a=np.arange(6).astype(np.float64)
my_f1=create_ufunc("double f(double a){return 2.0*a;}")
my_f1(a)
# array([ 0., 2., 4., 6., 8., 10.])
或者如果我们想乘以 10.0
:
my_f2=create_ufunc("double f(double a){return 10.0*a;}")
# array([ 0., 10., 20., 30., 40., 50.])
显然,在展示可能性的同时,这个原型(prototype)还需要一些润色。例如虽然紧凑, verify
已弃用并调用 create_ufunc
两次使用相同的代码将导致警告。
另一个问题:尽管 cffi-functions are supported by numba 没有在 nopython 模式下编译以上版本。 .不确定这里出了什么问题?请参阅下面的解决方法:以 nopython 模式构建的更复杂的版本。
但是,这可能仍然是一个很好的起点。
如果我们使用 out-of-line,似乎可以在 nopython 模式下编译 numba ( compile
) 而不是 in-line ( verify
) API 模式:
import numba as nb
import cffi
import zlib
import importlib
import numba.cffi_support as nbcffi
def create_ufunc(code):
# 1. step: compile the C-code and load the resulting extension
# create a different so/dll for different codes
# and load it
module_name="myufunc"+str(zlib.adler32(code.encode('ascii')))
ffibuilder = cffi.FFI()
ffibuilder.cdef("double f(double a);", override=True)
ffibuilder.set_source(module_name=module_name,source=code)
ffibuilder.compile(verbose=True)
loaded = importlib.import_module(module_name)
# 2. step: create an ufunc out of the compiled C-function
# out-of-line modules must be registered in numba:
nbcffi.register_module(loaded)
fun = loaded.lib.f
@nb.vectorize([nb.float64(nb.float64)], nopython=True)
def f(x):
return fun(x)
return f
重要细节:
- 每个
code
都有一个新的扩展名(so/pyd 文件) .我们通过传递的code
的哈希值来区分它们. - 随着时间的推移会有相当多的
myufuncXXXX.so
- 周围的文件,可以考虑实现类似于cffi.verify
使用的基础设施. -
ffibuilder.compile(verbose=True)
仅用于调试目的,可能是verbose=False
在发布时更有意义。
关于python - 如何将 C 函数编译成 numpy ufunc 并动态加载它?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/52950083/