我正在使用一些 cython 模块开发项目,其中包含像这样的函数定义
def f(np.ndarray[int, ndim=1, mode='c'] x):
_f(&x[0])
cdef _f(int* x):
...
我在一台 64 位机器上,所以在运行时我在调用 f 时遇到如下错误:
ValueError: Item size of buffer (8 bytes) does not match size of 'int' (4 bytes)
通过更改为long 整数,代码可以“固定”在我的机器上运行:
def f(np.ndarray[long, ndim=1, mode='c'] x):
_f(&x[0])
cdef _f(long* x):
...
问题是 NumPy 整数数组在 32 位上默认为 int32,在 64 位上默认为 int64,它们对应于 int和 long,分别在 c/cython 中。 (这是否正确?)
那么,编写同时适用于 32 位和 64 位的 cython 的推荐或标准做法是什么?
我是否应该检查
platform.architecture并将ctypedef放在我的 .pyx 文件的顶部?将ctypedef放入 if 语句中是否有效?像这样:import platform bits, linkage = platform.architechure if bits == '64bit': ctypedef long myint_t elif bits == '32bit': ctypedef int myint_t def f(np.ndarray[myint_t, ndim=1, mode='c'] x): _f(x) cdef _f(long* x): ...我是否应该单独使用 cython 库强制输入数组为 32 位整数?像这样:
import numpy as np import my_cython_library data = np.arange(10, dtype='int32') my_cython_library.f(data)我是否在 cython 构建或编译选项中遗漏了一些明显的东西?
我不喜欢 (1),因为那时我有自定义类型,只是用于基本整数,我不喜欢 (2),因为那时我使用我的硬件很差,即使它应该指定类型显而易见。所以我希望有一个好的选择 (3)。
请您参考如下方法:
如何声明一个 fused type ,例如:
cimport numpy as np
ctypedef fused int_t:
np.int32_t
np.int64_t
cdef int_t my_func(int_t[:] A, int_t[:] B):
...
这样你就可以拥有一个静态类型的 Cython 函数,它可以对 32 位或 64 位整数进行操作。
