matriz - multiplicar matrices python numpy

Enviar una matriz C++ a Python y viceversa(Extender C++ con Numpy)

Question

Voy a enviar una matriz c++ a una función python como numpy array y obtener otra numpy array . Después de consultar con la documentación numpy y algunos otros hilos y ajustar el código, finalmente el código está funcionando, pero me gustaría saber si este código está escrito de manera óptima teniendo en cuenta:

• Copia innecesaria de la matriz entre c++ y numpy (python) .
• Corregir la desreferenciación de las variables.
• Enfoque sencillo y directo.

Código C ++:

// python_embed.cpp : Defines the entry point for the console application.
//
#include "stdafx.h"
#define NPY_NO_DEPRECATED_API NPY_1_7_API_VERSION
#include "Python.h"
#include "numpy/arrayobject.h"
#include<iostream>
using namespace std;
int _tmain(int argc, _TCHAR* argv[])
{
Py_SetProgramName(argv[0]);
Py_Initialize();
import_array()
// Build the 2D array
PyObject *pArgs, *pReturn, *pModule, *pFunc;
PyArrayObject *np_ret, *np_arg;
const int SIZE{ 10 };
npy_intp dims[2]{SIZE, SIZE};
const int ND{ 2 };
long double(*c_arr)[SIZE]{ new long double[SIZE][SIZE] };
long double* c_out;
for (int i{}; i < SIZE; i++)
for (int j{}; j < SIZE; j++)
c_arr[i][j] = i * SIZE + j;
np_arg = reinterpret_cast<PyArrayObject*>(PyArray_SimpleNewFromData(ND, dims, NPY_LONGDOUBLE,
reinterpret_cast<void*>(c_arr)));
// Calling array_tutorial from mymodule
PyObject *pName = PyUnicode_FromString("mymodule");
pModule = PyImport_Import(pName);
Py_DECREF(pName);
if (!pModule){
cout << "mymodule can not be imported" << endl;
Py_DECREF(np_arg);
delete[] c_arr;
return 1;
}
pFunc = PyObject_GetAttrString(pModule, "array_tutorial");
if (!pFunc || !PyCallable_Check(pFunc)){
Py_DECREF(pModule);
Py_XDECREF(pFunc);
Py_DECREF(np_arg);
delete[] c_arr;
cout << "array_tutorial is null or not callable" << endl;
return 1;
}
pArgs = PyTuple_New(1);
PyTuple_SetItem(pArgs, 0, reinterpret_cast<PyObject*>(np_arg));
pReturn = PyObject_CallObject(pFunc, pArgs);
np_ret = reinterpret_cast<PyArrayObject*>(pReturn);
if (PyArray_NDIM(np_ret) != ND - 1){ // row[0] is returned
cout << "Function returned with wrong dimension" << endl;
Py_DECREF(pFunc);
Py_DECREF(pModule);
Py_DECREF(np_arg);
Py_DECREF(np_ret);
delete[] c_arr;
return 1;
}
int len{ PyArray_SHAPE(np_ret)[0] };
c_out = reinterpret_cast<long double*>(PyArray_DATA(np_ret));
cout << "Printing output array" << endl;
for (int i{}; i < len; i++)
cout << c_out[i] << '' '';
cout << endl;
// Finalizing
Py_DECREF(pFunc);
Py_DECREF(pModule);
Py_DECREF(np_arg);
Py_DECREF(np_ret);
delete[] c_arr;
Py_Finalize();
return 0;
}

En CodeReview, hay una respuesta fantástica: Enlace ...

Answer 1

Desde mi experiencia, eso parece ser bastante eficiente. Para obtener aún más eficiencia, intente esto: http://ubuntuforums.org/showthread.php?t=1266059

Usando el tejido puede alinear el código C / C ++ en Python para que pueda ser útil.

http://docs.scipy.org/doc/scipy-0.15.1/reference/generated/scipy.weave.inline.html

Aquí hay un enlace sobre cómo se puede usar Python para interactuar entre muchos idiomas diferentes junto con ejemplos.

http://docs.scipy.org/doc/numpy/user/c-info.python-as-glue.html

Este es un ejemplo rápido y fácil de cómo pasar matrices numpy a c ++ usando Cython:

http://www.birving.com/blog/2014/05/13/passing-numpy-arrays-between-python-and/

Answer 2

Pruebe xtensor y los enlaces de python xtensor-python .

xtensor es una biblioteca C ++ destinada para el análisis numérico con expresiones de matriz multidimensionales.

xtensor proporciona

• un sistema de expresión extensible que permite la difusión de estilo numpy (ver la hoja de trucos de numpy a xtensor).
• una API que sigue los modismos de la biblioteca estándar de C ++.
• herramientas para manipular expresiones de matriz y construir sobre xtensor.
• enlaces para Python, pero también R y Julia.

Ejemplo de uso

Inicialice una matriz 2-D y calcule la suma de una de sus filas y una matriz 1-D.

#include <iostream>
#include "xtensor/xarray.hpp"
#include "xtensor/xio.hpp"
xt::xarray<double> arr1
{{1.0, 2.0, 3.0},
{2.0, 5.0, 7.0},
{2.0, 5.0, 7.0}};
xt::xarray<double> arr2
{5.0, 6.0, 7.0};
xt::xarray<double> res = xt::view(arr1, 1) + arr2;
std::cout << res;

Salidas

{7, 11, 14}

Creando una función universal de estilo Numpy en C ++.

#include "pybind11/pybind11.h"
#include "xtensor-python/pyvectorize.hpp"
#include <numeric>
#include <cmath>
namespace py = pybind11;
double scalar_func(double i, double j)
{
return std::sin(i) - std::cos(j);
}
PYBIND11_PLUGIN(xtensor_python_test)
{
py::module m("xtensor_python_test", "Test module for xtensor python bindings");
m.def("vectorized_func", xt::pyvectorize(scalar_func), "");
return m.ptr();
}

Código de Python:

import numpy as np
import xtensor_python_test as xt
x = np.arange(15).reshape(3, 5)
y = [1, 2, 3, 4, 5]
z = xt.vectorized_func(x, y)
z

Salidas

[[-0.540302, 1.257618, 1.89929 , 0.794764, -1.040465],
[-1.499227, 0.136731, 1.646979, 1.643002, 0.128456],
[-1.084323, -0.583843, 0.45342 , 1.073811, 0.706945]]

Answer 3

Como una forma adicional, sin tocar directamente la API de Python C, es posible usar pybind11 (biblioteca de solo cabecera):

CPP:

#include <pybind11/embed.h> // everything needed for embedding
#include <iostream>
#include <Eigen/Dense>
#include<pybind11/eigen.h>
using Eigen::MatrixXd;
namespace py = pybind11;
int main()
{
try
{
Py_SetProgramName("PYTHON");
py::scoped_interpreter guard{};
py::module py_test = py::module::import("py_test");
MatrixXd m(2,2);
m(0,0) = 1;
m(1,0) = 2;
m(0,1) = 3;
m(1,1) = 4;
py::object result = py_test.attr("test_mat")(m);
MatrixXd res = result.cast<MatrixXd>();
std::cout << "In c++ /n" << m << std::endl;
}
catch (std::exception ex)
{
std::cout << "ERROR : " << ex.what() << std::endl;
}
return 1;
}

En py_test.py :

def test_mat(m):
print ("Inside python m = /n ",m )
m[0,0] = 10
m[1,1] = 99
return m

Salida:

Inside python m =
[[ 1. 3.]
[ 2. 4.]]
In c++
10 3
2 99

Ver la documentación oficial .

ps: estoy usando Eigen para la Matriz C ++.