将2D Cython指针返回到Python数组
我目前正在将指针的指针从Cython传递给C：
#convert the input Python 2D array to a memory view
cdef double[:,:] a_cython= np.asarray(a,order="C")
#define a pointer of a pointer with dimensions of a
cdef double** point_to_a = <double **>malloc(N * sizeof(double*))
#initialize the pointer
if not point_to_a: raise MemoryError
#try:
for i in range(N):
point_to_a[i] = &a_cython[i, 0]
#pass this double pointer to a C function
logistic_sigmoid(&point_to_a[0], N,M)其中a是一个numpy数组，其维度为N x M，point_to_a是一个指针的Cython指针，该指针指的是Cython a_cython。由于Python的输入a是二维数组，所以我认为这是将信息直接传递给C的最佳方法。不过，我现在正试图将point_to_a重新转换为一个numpy数组，但我还有点挣扎。
我正在考虑各种解决办法。我想探讨是否有可能在整个过程中保持一个N维数组，因此我在Cython中试验了这种方法：
#define a integer array for dimensions
cdef np.npy_intp dims[2]
dims[0]= N
dims[1] = M
#create a new memory view and PyArray_SimpleNewFromData to deal with the pointer
cdef np.ndarray[double, ndim=2] new_a = np.PyArray_SimpleNewFromData(2, &dims[0], np.NPY_DOUBLE, point_to_a)但是，当我将new_a转换为np.array为array = np.asarray(new_a)时，只有0的数组。你有什么想法吗？
非常感谢
回答 1
Stack Overflow用户
发布于 2020-05-29 12:23:52
一旦您使用int** (或类似的)，您的数据就处于所谓的间接内存布局中。Cython的类型化内存视图支持间接内存布局(参见Cython: understanding a typed memoryview with a indirect_contignuous memory layout)，但是实现此接口的类不多。
numpy的ndarray不实现间接内存布局--它们只支持直接内存布局(例如int*类型的指针，而不是int**)，因此将int**传递给numpy数组没有好处。
好的是，因为您与a_cython共享了内存，因此已经就地更新了这些值。您可以通过返回类型化内存视图的base-object来获得底层的numpy数组，即
return a_cython.base # returns 2d-numpy array.根本不需要复制内存！
然而，内存管理也存在一些问题(例如，您需要释放point_to_a)。
在您的情况下，这可能是一个过分的选择，但我利用这个机会无耻地插入了我的indirect_buffer库:因为间接内存布局缓冲区的替代方案很少，而且不时需要一个缓冲区，所以我创建了一个缓冲区，以避免编写相同的代码。
使用indirect_buffer，您的函数如下所示：
%%cython
#just an example for a c-function
cdef extern from *:
"""
void fillit(int** ptr, int N, int M){
int cnt=0;
for(int i=0;i<N;i++){
for(int j=0;j<M;j++){
ptr[i][j]=cnt++;
}
}
}
"""
void fillit(int** ptr, int N, int M)
from indirect_buffer.buffer_impl cimport IndirectMemory2D
def py_fillit(a):
#create collection, it is a view of a
indirect_view=IndirectMemory2D.cy_view_from_rows(a, readonly=False)
fillit(<int**>indirect_view.ptr, indirect_view.shape[0], indirect_view.shape[1])
# values are updated directly in a它现在可以使用，例如：
import numpy as np
a=np.zeros((3,4), dtype=np.int32)
py_fillit(a)
print(a)
# prints as expected:
# array([[ 0, 1, 2, 3],
# [ 4, 5, 6, 7],
# [ 8, 9, 10, 11]])上面的版本做了很多正确的事情:内存管理、缓冲区锁定等等。
https://stackoverflow.com/questions/62084515
复制相似问题
腾讯云开发者
