Cython memoryview 转置：Typeerror

Question

我正在尝试使用 python 开发一个小型卷积神经网络框架。 卷积节点的代码已经（慢慢地）工作了，我想加快它的速度。 热点是卷积滤波器在图像上移动的循环。我选择使用 cython 来加速这些循环。

明显的小注释，所有局部变量的 cdef 和删除边界检查，几乎减少了 10% 的运行时间。这对我来说似乎很奇怪，根据我在网上阅读的内容，cython 应该已经能够发挥它的魔力了。

不幸的是，代码在一个类中，并且严重依赖于该类的属性。我决定将其转换为 cdef 类。这意味着所有的类属性都必须用 cdef 声明。显然 cython 不支持 numpy 数组，所以我将所有 numpy 数组声明为double[:,:,...]

到目前为止，代码运行良好，所有单元测试都通过了。现在编译到.pyd（我在windows下工作）仍然有效。但是运行代码会产生 Typeerror：

TypeError: 只有长度为 1 的数组可以转换为 Python 标量

这是一些代码。这是我的卷积节点的整个前向方法，可能太多了，不容易阅读。您可能只需要最后一行。这就是错误发生的原因：

    @cython.boundscheck(False)
    @cython.nonecheck(False)
    def forward(self):

        # im2col: x -> in_cols
        # padding
        cdef np.ndarray[DTYPE_t, ndim=4] x_padded = np.zeros((self.batch_size, self.in_colors, self.in_width + self.padding*2, self.in_height + self.padding*2))
        if self.padding>0:
            x_padded[:, :, self.padding:self.in_width+self.padding, self.padding:self.in_height+self.padding] = self.x
        else:
            x_padded[:]=self.x

        # allocating new field
        cdef np.ndarray[DTYPE_t, ndim=4] rec_fields = np.empty((self.filter_size**2* self.in_colors, self.batch_size, self.out_width, self.out_height))

        # copying receptive fields
        cdef int w,h
        for w, h in np.ndindex((self.out_width, self.out_height)):
            rec_fields[:, :, w, h] = x_padded[:, :, w*self.stride:w*self.stride + self.filter_size, h*self.stride:h*self.stride + self.filter_size] \
                .reshape((self.batch_size, self.filter_size**2* self.in_colors)) \
                .T

        self.in_cols = rec_fields.reshape((self.filter_size**2 * self.in_colors, self.batch_size * self.out_width * self.out_height))

        # linear node: in_cols -> out_cols
        cdef np.ndarray[DTYPE_t, ndim=2] out_cols=np.dot(self.W,self.in_cols)+self.b

        # col2im: out_cols -> out_image -> y
        cdef np.ndarray[DTYPE_t, ndim=4] out_image = out_cols.reshape((self.out_colors, self.batch_size, self.out_width, self.out_height))
        self.y[:] = out_image.transpose(1, 0, 2, 3)

最后一次转置调用被标记在异常中。我无法解释这一点。转置时内存视图的行为是否有所不同？

更新：

我确定尺寸定义正确。如果存在尺寸不匹配，则会产生不同的运行时错误。现在无法检查，但它类似于“得到 4-dim，预期 2-dim”。 我不得不说我对 cython 的类型系统印象深刻。 python异常中的这种运行时类型信息非常有用。 遗憾的是它没有解释为什么上面的转置失败了。

更新：

数组有一些复杂性：它们不能被覆盖，只能用作参考。

有点难以解释： 神经网络的核心是一个循环，它在网络中的所有节点上连续调用方法 forward()。

for node in self.nodes:
    node.forward()

在此方法中，节点查看其输入数据，进行一些计算并写入其输出。它依赖于输入已经包含正确数据这一事实。

为了设置我的网络，我以正确的顺序存储节点。我手动连接它们。

node2.x=node1.y

现在如果我写

self.y[:]= data

在node1的forward方法中，node2自动有正确的输入。 这需要仔细编程：必须以正确的顺序调用 forward 方法，并且决不能覆盖输出，只能写入。

替代方案将是一个巨大的结构，我存储每个节点的输出并传递这些数据。这会创建大量样板代码并弄乱正向和反向传递。

更新：

向前的最后几行现在看起来像这样：

cdef np.ndarray[DTYPE_t, ndim=4] out_image = out_cols.reshape((self.out_colors, self.batch_size, self.out_width, self.out_height))
        cdef double[:,:,:,:] temp
        temp=out_image.transpose(1,0,2,3)
        self.y[...] = temp

对 temp 的分配失败并显示相同的 TypeError 消息。

Answer 1

self.y[...] = some_array
# or equivalently self.y[:,:,:,:] = some_array

将some_array 复制到self.y，它必须已经初始化为正确的大小。它似乎也只有在 some_array 已经是一个内存视图时才有效（这对我来说没有多大意义，但似乎就是这种情况）。

（self.y[:] = some_array 仅适用于一维数组）

如果你只想让self.y“看看”一个你只想做的numpy数组

self.y = some_array
# in your case:
# self.y = out_image.transpose(1, 0, 2, 3) 

很有可能这对你的目的来说没问题！

---

如果您特别热衷于制作副本（可能如果您将 C 指针指向 self.y 或类似的东西），那么您必须强制 some_array 成为内存视图。你会做类似的事情

cdef double[:,:,:,:] temporary_view_of_transpose

# temporary_view_of_transpose now "looks at" the memory allocated by transpose
# no square brackets!
temporary_view_of_transpose = out_image.transpose(1, 0, 2, 3)

# data is copied from temporary_view_of_transpose to self.y
self.y[...] = temporary_view_of_transpose # (remembering that self.y must be the correct shape before this assignment).

---

我同意看到的错误消息没有帮助！

---

编辑：以下是适用于我的最小完整示例（Cython 0.24、Python 3.5.1、Linux - 我无法在 Anaconda 上轻松测试）现阶段我不清楚你的代码有什么不同。

# memview.pyx
cimport numpy as np
import numpy as np

cdef class MemviewClass:
    cdef double[:,:,:,:] y

    def __init__(self):
        self.y = np.zeros((2,3,4,5))

    def do_something(self):
        cdef np.ndarray[np.float64_t,ndim=4] out_image = np.ones((3,2,4,5))
        cdef double[:,:,:,:] temp
        temp = out_image.transpose(1,0,2,3)
        self.y[...] = temp

    def print_y(self):
        # just to check it gets changed
        print(np.asarray(self.y))

和 test_script.py 显示它的工作原理：

# use pyximport for ease of testing
import numpy
import pyximport; pyximport.install(setup_args=dict(include_dirs=numpy.get_include()))

import memview

a = memview.MemviewClass()
a.print_y() # prints a big array of 0s
a.do_something()
a.print_y() # prints a big array of 1s