将一组 NumPy 数组传递给 C 函数用于输入和输出

Question

假设我们有一个 C 函数，它接受一组一个或多个输入数组，处理它们，并将其输出写入一组输出数组。签名如下（count代表要处理的数组元素个数）：

void compute (int count, float** input, float** output)

我想通过 ctypes 从 Python 调用此函数，并使用它对一组 NumPy 数组应用转换。对于定义为的单输入/单输出函数

void compute (int count, float* input, float* output)

以下作品：

import ctypes
import numpy

from numpy.ctypeslib import ndpointer

lib = ctypes.cdll.LoadLibrary('./block.so')
fun = lib.compute
fun.restype = None
fun.argtypes = [ctypes.c_int,
                ndpointer(ctypes.c_float),
                ndpointer(ctypes.c_float)]

data = numpy.ones(1000).astype(numpy.float32)
output = numpy.zeros(1000).astype(numpy.float32)
fun(1000, data, output)

但是，我不知道如何为 多个 输入（和/或输出）创建相应的指针数组。有什么想法吗？

编辑：所以人们一直想知道compute 是如何知道需要多少个数组指针（因为count 指的是每个数组的元素数）。事实上，这是硬编码的；给定的compute 准确地知道预期有多少输入和输出。调用者的工作是验证input 和output 是否指向正确数量的输入和输出。这是一个示例 compute 接受 2 个输入并写入 1 个输出数组：

virtual void compute (int count, float** input, float** output) {
    float* input0 = input[0];
    float* input1 = input[1];
    float* output0 = output[0];
    for (int i=0; i<count; i++) {
        float fTemp0 = (float)input1[i];
        fRec0[0] = ((0.09090909090909091f * fTemp0) + (0.9090909090909091f * fRec0[1]));
        float fTemp1 = (float)input0[i];
        fRec1[0] = ((0.09090909090909091f * fTemp1) + (0.9090909090909091f * fRec1[1]));
        output0[i] = (float)((fTemp0 * fRec1[0]) - (fTemp1 * fRec0[0]));
        // post processing
        fRec1[1] = fRec1[0];
        fRec0[1] = fRec0[0];
    }
}

我无法影响compute 的签名和实现。我可以验证（来自 Python！）需要多少输入和输出。关键问题是如何为函数提供正确的argtypes，以及如何在 NumPy 中生成适当的数据结构（指向 NumPy 数组的指针数组）。

Answer 1

要专门使用 Numpy 数组执行此操作，您可以使用：

import numpy as np
import ctypes

count = 5
size = 1000

#create some arrays
arrays = [np.arange(size,dtype="float32") for ii in range(count)] 

#get ctypes handles
ctypes_arrays = [np.ctypeslib.as_ctypes(array) for array in arrays]

#Pack into pointer array
pointer_ar = (ctypes.POINTER(C.c_float) * count)(*ctypes_arrays)

ctypes.CDLL("./libfoo.so").foo(ctypes.c_int(count), pointer_ar, ctypes.c_int(size))

C 方面的情况可能如下所示：

# function to multiply all arrays by 2
void foo(int count, float** array, int size)
{
   int ii,jj;
   for (ii=0;ii<count;ii++){
      for (jj=0;jj<size;jj++)
         array[ii][jj] *= 2;    
   }

}

Answer 2

在 C 中，float** 指向 float* 指针的表/数组中的第一个元素。

大概每个float* 都指向float 值的表/数组中的第一个元素。

您的函数声明有 1 个计数，但不清楚该计数适用于什么：

void compute (int count, float** input, float** output)

• 二维矩阵count x count 大小？
• count 大小的 float* 数组每个都以某种方式终止，例如nan?
• float* 每个 count 元素的空终止数组（合理假设）？

请澄清你的问题，我会澄清我的答案:-)

假设最后一个 API 解释，这是我的示例计算函数：

/* null-terminated array of float*, each points to count-sized array
*/
extern void compute(int count, float** in, float** out)
{
    while (*in)
    {
        for (int i=0; i<count; i++)
        {
            (*out)[i] = (*in)[i]*42;
        }
        in++; out++;
    }
}

示例计算函数的测试代码：

#include <stdio.h>
extern void compute(int count, float** in, float** out);

int main(int argc, char** argv)
{
#define COUNT 3
    float ina[COUNT] = { 1.5, 0.5, 3.0 };
    float inb[COUNT] = { 0.1, -0.2, -10.0 };
    float outa[COUNT];
    float outb[COUNT];
    float* in[] = {ina, inb, (float*)0};
    float* out[] = {outa, outb, (float*)0};

    compute(COUNT, in, out);

    for (int row=0; row<2; row++)
        for (int c=0; c<COUNT; c++)
            printf("%d %d %f %f\n", row, c, in[row][c], out[row][c]);
    return 0;
}

以及如何在 Python 中通过 ctypes 使用相同的 count == 10 float 子数组和大小 2 float* 数组，包含 1 个实子数组和 NULL 终止符：

import ctypes

innertype = ctypes.ARRAY(ctypes.c_float, 10)
outertype = ctypes.ARRAY(ctypes.POINTER(ctypes.c_float), 2)

in1 = innertype(*range(10))
in_ = outertype(in1, None)
out1 = innertype(*range(10))
out = outertype(out1, None)

ctypes.CDLL("./compute.so").compute(10, in_, out)

for i in range(10): print in_[0][i], out[0][i]

Ctypes 的 Numpy 接口在 http://www.scipy.org/Cookbook/Ctypes#head-4ee0c35d45f89ef959a7d77b94c1c973101a562f 中介绍，arr.ctypes.shape[:] arr.ctypes.strides[:] 和 arr.ctypes.data 是你需要的；您也许可以将其直接提供给您的compute。

这是一个例子：

In [55]: a = numpy.array([[0.0]*10]*2, dtype=numpy.float32)

In [56]: ctypes.cast(a.ctypes.data, ctypes.POINTER(ctypes.c_float))[0]
Out[56]: 0.0

In [57]: ctypes.cast(a.ctypes.data, ctypes.POINTER(ctypes.c_float))[0] = 1234

In [58]: a
Out[58]: 
array([[ 1234.,     0.,     0.,     0.,     0.,     0.,     0.,     0.,
            0.,     0.],
       [    0.,     0.,     0.,     0.,     0.,     0.,     0.,     0.,
            0.,     0.]], dtype=float32)