之前一篇文章里提到了利用Cython来编译Python，这次来讲一下如何用Cython给Python写扩展库。
两种语言混合编程，其中最重要的是类型的传递。
我们用一个简单的例子进行入门：这次的目标是用C语言写一个Numpy的加法和元素相乘模块。在本例中，Numpy的array被传入到C语言模块内，变成了二维数组。
1. 头文件main.h：
#ifndef _MAIN_H #define _MAIN_H void plus(double *a, double *b, double *r, int n, int m); // 矩阵加法 void mul(double *a, double *b, double *r, int n, int m); // 矩阵按元素相乘 void main(double *a, double *b, double *r, int n, int m, int times); // 用于测试的main函数 #endif
2. 把主要代码写在main.c中：
#include "main.h"
/***********************************
* 矩阵的加法
* 利用数组是顺序存储的特性, *
* 通过降维来访问二维数组! *
* r
***********************************/
void plus(double *a, double *b, double *r, int n, int m)
{
int i, j;
for(i = 0; i < n; i++)
{
for(j = 0; j < m; j++)
*(r + i*m + j) = *(a + i*m + j) + *(b + i*m + j);
}
}
/***********************************
* 矩阵的按元素乘法
* 利用数组是顺序存储的特性, *
* 通过降维来访问二维数组! *
* r
***********************************/
void mul(double *a, double *b, double *r, int n, int m)
{
int i, j;
for(i = 0; i < n; i++)
{
for(j = 0; j < m; j++)
*(r + i*m + j) = *(a + i*m + j) * *(b + i*m + j);
}
}
/***********************************
* main函数
* 利用数组是顺序存储的特性, *
* 通过降维来访问二维数组! *
* r
***********************************/
void main(double *a, double *b, double *r, int n, int m, int times)
{
int i;
// 循环times次
#pragma omp parallel for
for (i = 0; i < times; i++)
{
// 矩阵的加法
plus(a, b, r, n, m);
// 矩阵按元素相乘
mul(a, b, r, n, m);
}
}
这个main.c中实现了矩阵的加法、矩阵按元素相乘的功能，用到的数据结构是二维数组，但是因为C语言中给函数传递二维数组比较麻烦，这里用降维的方法实现。另外在main()函数中，采用一个循环来进行测试，以测试性能。
3. 下面编写test.pyx文件来调用上述C函数（注意，后缀是.pyx噢）：详细的知识点在注释中写出来了~
# 既要import numpy, 也要用cimport numpy
import time
import numpy as np
cimport numpy as np
# 使用Numpy-C-API
np.import_array()
# cdefine C 函数
cdef extern from "main.h":
void plus(double *a, double *b, double *r, int n, int m)
void mul(double *a, double *b, double *r, int n, int m)
void main(double *a, double *b, double *r, int n, int m, int times)
"""
# 定义一个"包装函数", 用于调用C语言的main函数，调用范例：plus_fun(a, b, r)
# 在这里要注意函数传入的参数的类型声明，double表示数组的元素是double类型的，
# ndim = 2表示数组的维度是2
# 在调用main函数时，要把python的变量强制转化成相应的类型（以确保无误），比如<int>
# 当然，基本类型如int，可以不显式地写出来，如下面的a.shape[0]、a.shape[1]
"""
def main_func(np.ndarray[double, ndim=2, mode="c"] a not None,
np.ndarray[double, ndim=2, mode="c"] b not None,
np.ndarray[double, ndim=2, mode="c"] r not None,
times not None):
main(<double*> np.PyArray_DATA(a),
<double*> np.PyArray_DATA(b),
<double*> np.PyArray_DATA(r),
a.shape[0],
a.shape[1],
<int> times)
4. 为了用Cython编译上述代码，我们创建一个setup.py文件：
import numpy
from distutils.core import setup
from distutils.extension import Extension
from Cython.Distutils import build_ext
filename = 'test' # 源文件名
full_filename = 'test.pyx' # 包含后缀的源文件名
setup(
name = 'test',
cmdclass = {'build_ext': build_ext},
ext_modules=[Extension(filename,sources=[full_filename, "main.c"],
include_dirs=[numpy.get_include()])],
)
5. 上述的main.h、main.c、test.pyx一定要放在同一个文件夹下。此时在该文件夹下按住shift键，然后右击鼠标，打开cmd或PowerShell控制台，在控制台中运行以下命令进行Cython编译：
python setup.py build_ext --i
或者：
python setup.py build_ext --inplace
编译成功的图例：
此时在同目录下会生成“test.cp36-win_amd64.pyd”的二进制码文件，它是闭源的，但是可以直接用python来import。下面编写测试代码main.py来进行测试：
import test import time import numpy as np start_time = time.time() a = np.random.rand(100, 100) * 2 - 1 # 生成300*300的随即矩阵 b = np.random.rand(100, 100) * 2 - 1 r = np.empty_like(a) # 创建一个空矩阵，用来存储计算结果 test.main_func(a, b, r, 500000) # 调用main_func进行测试 end_time = time.time() print(end_time - start_time) # 输出时间 print(r) # 输出运行结果
执行结果：
通过本例我们可以看到：将循环放在C语言模块中，而不是原生的Python中，可以提高执行效率。
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。
免责声明：本站文章均来自网站采集或用户投稿，网站不提供任何软件下载或自行开发的软件！ 如有用户或公司发现本站内容信息存在侵权行为，请邮件告知！ 858582#qq.com
3月27日消息，苹果宣布2024年全球开发者大会（WWDC）将于6月10日至6月14日举行，巧合的是，这次大会与端午假期重合。
苹果官方表示：
在线参加 Apple 每年规模最大的开发者盛会。亲眼见证 Apple 最新平台、技术和工具的发布。了解如何创建和改进你的 App 和游戏。与 Apple 设计师和工程师互动交流，与全球开发者社区建立联系。以上活动均免费在线举行。
探索各种新的工具、框架和功能，助力你打造出理想的 App 和游戏。通过视频讲座学习新技能，与 Apple 专家进行一对一会面，以推进你的项目，完善你的构思。
Swift Student Challenge 旨在支持和鼓舞下一代开发者、创作者和企业家。太平洋时间 3 月 28 日，我们将公布今年的获奖者名单。获奖者将有资格参加在 Apple Park 举办的特别活动。我们还会选出 50 名杰出获胜者，他们将受邀前往库比提诺，获得为期三天的非凡体验，包括参加 Apple Park 的特别活动。
RTX 5090要首发 性能要翻倍！三星展示GDDR7显存
三星在GTC上展示了专为下一代游戏GPU设计的GDDR7内存。
首次推出的GDDR7内存模块密度为16GB，每个模块容量为2GB。其速度预设为32 Gbps（PAM3），但也可以降至28 Gbps，以提高产量和初始阶段的整体性能和成本效益。
据三星表示，GDDR7内存的能效将提高20%，同时工作电压仅为1.1V，低于标准的1.2V。通过采用更新的封装材料和优化的电路设计，使得在高速运行时的发热量降低，GDDR7的热阻比GDDR6降低了70%。