- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我想在 Cython 扩展中使用一些在使用 BLAS 子例程的 .c 文件中定义的 C 函数,例如
c文件.c
double ddot(int *N, double *DX, int *INCX, double *DY, int *INCY);
double call_ddot(double* a, double* b, int n){
int one = 1;
return ddot(&n, a, &one, b, &one);
}
(假设这些函数不仅仅调用一个 BLAS 子例程)
py文件.pyx
cimport numpy as np
import numpy as np
cdef extern from "cfile.c":
double call_ddot(double* a, double* b, int n)
def pyfun(np.ndarray[double, ndim=1] a):
return call_ddot(&a[0], &a[0], <int> a.shape[0])
设置.py:
from distutils.core import setup
from distutils.extension import Extension
from Cython.Build import cythonize
from Cython.Distutils import build_ext
import numpy
setup(
name = "wrapped_cfun",
packages = ["wrapped_cfun"],
cmdclass = {'build_ext': build_ext},
ext_modules = [Extension("wrapped_cfun.cython_part", sources=["pyfile.pyx"], include_dirs=[numpy.get_include()])]
)
我希望这个包链接到已安装的 NumPy 或 SciPy 正在使用的同一个 BLAS 库,并且希望它可以在不同的操作系统下使用 numpy 或 scipy 作为依赖项从 PIP 安装,而不需要任何额外的 BLAS 相关依赖项.
setup.py
是否有任何 hack 可以让我以一种可以与任何 BLAS 实现一起工作的方式完成此任务?
更新:使用 MKL,我可以通过修改 Extension
对象使其指向 libmkl_rt
来使其工作,如果安装了 MKL,则可以从 numpy 中提取它,例如:Extension("wrapped_cfun.cython_part", sources=["pyfile.pyx"], include_dirs=[numpy.get_include()], extra_link_args=["-L{python 库目录的路径}", "-l: libmkl_rt.{so, dll, dylib}"])
然而,同样的技巧对 OpenBLAS 不起作用(例如 -l:libopenblasp-r0.2.20.so
)。如果该文件是指向 libopenblas 的链接,则指向 libblas.{so,dll,dylib}
将不起作用,但可以正常工作,它是指向 libmkl_rt 的链接。
更新 2:OpenBLAS 似乎在末尾用下划线命名他们的 C 函数,例如不是 ddot
而是 ddot_
。如果我将 .c 文件中的 ddot
更改为 ddot_
,则上面带有 l:libopenblas
的代码将起作用。我仍然想知道是否有某种(理想情况下是运行时)机制来检测应在 c 文件中使用哪个名称。
最佳答案
依赖链接器/加载器来提供正确的 blas 功能的替代方法是模拟必要 blas 符号的解析(例如 ddot
)并使用包装的 blas-function provided by scipy在运行期间。
不确定,这种方法优于“正常方式”的构建方式,但想引起您的注意,即使只是因为我觉得这种方法很有趣。
简而言之:
ddot
功能的显式函数指针,在下面的代码片段中称为 my_ddot
。my_ddot
- 您将使用 ddot
的指针 - 否则。my_ddot
指针。这是一个工作原型(prototype)(我使用 C-code-verbatim 使代码段独立并在 jupiter-notebook 中轻松测试,相信您可以将其转换为您需要/喜欢的格式):
%%cython
# h-file:
cdef extern from *:
"""
// blas-functionality,
// will be initialized by cython when module is loaded:
typedef double (*ddot_t)(int *N, double *DX, int *INCX, double *DY, int *INCY);
extern ddot_t my_ddot;
double call_ddot(double* a, double* b, int n);
"""
ctypedef double (*ddot_t)(int *N, double *DX, int *INCX, double *DY, int *INCY)
ddot_t my_ddot
double call_ddot(double* a, double* b, int n)
# init the functions of the c-library
# with blas-function provided by scipy
from scipy.linalg.cython_blas cimport ddot
my_ddot=ddot
# a simple function to demonstrate, that it works
def ddot_mult(double[:]a, double[:]b):
cdef int n=len(a)
return call_ddot(&a[0], &b[0], n)
#-------------------------------------------------
# c-file, added so the example is complete
cdef extern from *:
"""
ddot_t my_ddot;
double call_ddot(double* a, double* b, int n){
int one = 1;
return my_ddot(&n, a, &one, b, &one);
}
"""
pass
现在 ddot_mult
可以使用了:
import numpy as np
a=np.arange(4, dtype=float)
ddot_mult(a,a) # 14.0 as expected!
这种方法的一个优点是,distutils 没有任何麻烦,您可以保证使用与 scipy 相同的 blas 功能。
另一个好处:可以在运行时切换使用的引擎(mkl、open_blas 甚至是自己的实现),而无需重新编译/重新链接。
另一方面,还有一些额外的样板代码和危险,即某些符号的初始化将被遗忘。
关于numpy - 将 Cython 包装的 C 函数与来自 NumPy 的 BLAS 链接起来,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/52905458/
作为脚本的输出,我有 numpy masked array和标准numpy array .如何在运行脚本时轻松检查数组是否为掩码(具有 data 、 mask 属性)? 最佳答案 您可以通过 isin
我的问题 假设我有 a = np.array([ np.array([1,2]), np.array([3,4]), np.array([5,6]), np.array([7,8]), np.arra
numpy 是否有用于矩阵模幂运算的内置实现? (正如 user2357112 所指出的,我实际上是在寻找元素明智的模块化减少) 对常规数字进行模幂运算的一种方法是使用平方求幂 (https://en
我已经在 Numpy 中实现了这个梯度下降: def gradientDescent(X, y, theta, alpha, iterations): m = len(y) for i
我有一个使用 Numpy 在 CentOS7 上运行的项目。 问题是安装此依赖项需要花费大量时间。 因此,我尝试 yum install pip install 之前的 numpy 库它。 所以我跑:
处理我想要旋转的数据。请注意,我仅限于 numpy,无法使用 pandas。原始数据如下所示: data = [ [ 1, a, [, ] ], [ 1, b, [, ] ], [ 2,
numpy.random.seed(7) 在不同的机器学习和数据分析教程中,我看到这个种子集有不同的数字。选择特定的种子编号真的有区别吗?或者任何数字都可以吗?选择种子数的目标是相同实验的可重复性。
我需要读取存储在内存映射文件中的巨大 numpy 数组的部分内容,处理数据并对数组的另一部分重复。整个 numpy 数组占用大约 50 GB,我的机器有 8 GB RAM。 我最初使用 numpy.m
处理我想要旋转的数据。请注意,我仅限于 numpy,无法使用 pandas。原始数据如下所示: data = [ [ 1, a, [, ] ], [ 1, b, [, ] ], [ 2,
似乎 numpy.empty() 可以做的任何事情都可以使用 numpy.ndarray() 轻松完成,例如: >>> np.empty(shape=(2, 2), dtype=np.dtype('d
我在大型 numpy 数组中有许多不同的形式,我想使用 numpy 和 scipy 计算它们之间的边到边欧氏距离。 注意:我进行了搜索,这与堆栈中之前的其他问题不同,因为我想获得数组中标记 block
我有一个大小为 (2x3) 的 numpy 对象数组。我们称之为M1。在M1中有6个numpy数组。M1 给定行中的数组形状相同,但与 M1 任何其他行中的数组形状不同。 也就是说, M1 = [ [
如何使用爱因斯坦表示法编写以下点积? import numpy as np LHS = np.ones((5,20,2)) RHS = np.ones((20,2)) np.sum([ np.
假设我有 np.array of a = [0, 1, 1, 0, 0, 1] 和 b = [1, 1, 0, 0, 0, 1] 我想要一个新矩阵 c 使得如果 a[i] = 0 和 b[i] = 0
我有一个形状为 (32,5) 的 numpy 数组 batch。批处理的每个元素都包含一个 numpy 数组 batch_elem = [s,_,_,_,_] 其中 s = [img,val1,val
尝试为基于文本的多标签分类问题训练单层神经网络。 model= Sequential() model.add(Dense(20, input_dim=400, kernel_initializer='
首先是一个简单的例子 import numpy as np a = np.ones((2,2)) b = 2*np.ones((2,2)) c = 3*np.ones((2,2)) d = 4*np.
我正在尝试平均二维 numpy 数组。所以,我使用了 numpy.mean 但结果是空数组。 import numpy as np ws1 = np.array(ws1) ws1_I8 = np.ar
import numpy as np x = np.array([[1,2 ,3], [9,8,7]]) y = np.array([[2,1 ,0], [1,0,2]]) x[y] 预期输出: ar
我有两个数组 A (4000,4000),其中只有对角线填充了数据,而 B (4000,5) 填充了数据。有没有比 numpy.dot(a,b) 函数更快的方法来乘(点)这些数组? 到目前为止,我发现
我是一名优秀的程序员,十分优秀!