Rendre la bibliothèque créée par Eigen of C ++ disponible à partir de Python avec Boost.Numpy.

Cet article

Prenez note de ce que vous avez fait au Groupe d'étude Sapporo C ++ Online Mokumokukai # 36.

Comment installer

Veuillez frapper un autre endroit. Fais de ton mieux.

Choses à faire

À titre d'exemple simple, la somme des tableaux à deux dimensions préparés par numpy en Python Il utilise la bibliothèque C ++ Eigen pour calculer, puis la renvoie à Python.

Code source C ++

cpplib.cpp

#define EIGEN_DEFAULT_TO_ROW_MAJOR
#include<Eigen/Core>
#include<boost/numpy.hpp>
namespace py = boost::python;
namespace np = boost::numpy;

np::ndarray add_double(const np::ndarray lhs, const np::ndarray rhs) {
    using Stride = Eigen::Stride<Eigen::Dynamic, Eigen::Dynamic>;
    const auto
        lrows = lhs.shape(0),
        lcols = lhs.shape(1),
        rrows = rhs.shape(0),
        rcols = rhs.shape(1);

    const Stride
        lstride(lhs.strides(0)/sizeof(double), lhs.strides(1)/sizeof(double)),
        rstride(rhs.strides(0)/sizeof(double), rhs.strides(1)/sizeof(double));

    const Eigen::Map<const Eigen::MatrixXd, Eigen::Unaligned, Stride>
        lmat(reinterpret_cast<double*>(lhs.get_data()), lrows, lcols, lstride),
        rmat(reinterpret_cast<double*>(rhs.get_data()), rrows, rcols, rstride);

    np::ndarray ret = np::empty(
        py::make_tuple(lmat.rows(),lmat.cols()), 
        np::dtype::get_builtin<double>());

    Eigen::Map<Eigen::MatrixXd>
        ret_mat(reinterpret_cast<double*>(ret.get_data()), lmat.rows(), lmat.cols());

    ret_mat = lmat + rmat;
    return ret;
}

BOOST_PYTHON_MODULE(cpplib) {
    Py_Initialize();
    np::initialize();
    py::def("add_double",add_double); 
}

Il peut être plus facile d'écrire si c'est juste dans le but d'ajouter des matrices, mais il est écrit de manière à pouvoir être appliqué. Il est inévitable que le type soit limité à «double». La seule façon de le faire est de vérifier «dtype» et de branchement, mais il n'y a pas d'autre choix que de juger au moment de l'exécution.

Comment compiler

Je vais le faire avec SCons. Par exemple, comme ça. Je le fais dans un environnement mingw.

SConstruct

# vim: filetype=python
# SConstruct

env = Environment(
    SHLIBPREFIX="",
    SHLIBSUFFIX=".pyd",
    CXX="/mingw64/bin/g++",
    CXXFLAGS=["-std=c++14"],
    LINKFLAGS=["-std=c++14"],
    CPPPATH=[
        "/mingw64/include/eigen3",
        "/mingw64/include/python3.5m", ],
    LIBPATH=["/mingw64/lib"])

env.SharedLibrary("cpplib", ["cpplib.cpp"],
    LIBS=["boost_numpy", "python3.5.dll", "boost_python3-mt"])

Code Python

usecpp.py

import numpy as np
from cpplib import add_double

a = np.array(
    [[1, 2, 3, 4],
     [5, 6, 7, 8],
     [9, 1, 2, 3],
     [4, 5, 6, 7], ], dtype=np.float64)
b = np.array(
    [[5, 6],
     [4, 5], ], dtype=np.float64)

result = add_double(a[1::2, 1::2], b[::1, ::1])
print(result)

Le résultat est Puisque «[[6,8], [5,7]]» et «[[5,6], [4,5]]» sont ajoutés

$ python3 usecpp.py
[[ 11.  14.]
 [  9.  12.]]

Ce sera. Le temps de réunion nuageux a également expiré ici.

Postscript

https://github.com/ignisan/boost_numpy_project/blob/master/to_eigen_map.hpp