Boost.numpy ことはじめ その2 (戻り値)
前回まででPythonからサンプルを使ってみることができるようになった。
今回は、2次元numpy配列をC++側で作成し、Python側に戻せるようにしてみる。
サンプル
「行列サイズを指定し、そのサイズにあった2次元numpy行列を返す」サンプルを作ってみる。
ディレクトリ構成
<root directory> - sample.cpp - CMakeLists.txt
sample.cpp
np::zeros を使ってゼロ配列を作成し、そこに値を入れ込む形で実装する。(場合によってはもっと高速な方法あるかもだけどとりあえず。)
2次元ができてしまえば、1次元はもっと簡単なので省略。
ポイント :
- np::zeros の引数は「shape のサイズ、shape、タイプ」。基本的にはPythonのものと同じ。
- 1次元vectorでデータを用意し、std::copyでデータを移す。
#include "boost/python/numpy.hpp" #include <stdexcept> #include <algorithm> namespace p = boost::python; namespace np = boost::python::numpy; std::vector<double> func(int row, int col) { std::vector<double> v; int count = 0; for (int y = 0; y < row; y++) { for (int x = 0; x < col; x++) { v.push_back(count++); } } return v; } np::ndarray retvec(int row, int col) { std::vector<double> v = func(row, col); Py_intptr_t shape[2] = {row, col}; np::ndarray result = np::zeros(2, shape, np::dtype::get_builtin<double>()); std::copy(v.begin(), v.end(), reinterpret_cast<double*>(result.get_data())); return result; } /* BOOST_PYTHON_MODULE の引数は .so 名 */ BOOST_PYTHON_MODULE(libsample) { Py_Initialize(); np::initialize(); p::def("retvec", retvec); }
ビルド
CMakeLists.txtは前回と同じなので割愛。
mkdir build cd build cmake .. make
実行
ipython3で実行
ipython3 In [1]: import libsample as s In [2]: import numpy as np In [3]: a = s.retvec(3, 2) In [4]: a Out[4]: array([[0., 1.], [2., 3.], [4., 5.]])
3行2列の配列ができた!!
まとめ
前回と合わせて、
・ Boost.Numpy の実行
・ (C++で処理して) numpy 配列を戻す
ところまでできた。
ここまでで大体の処理はC++化して高速化できそう。
参照
- 1. how to return numpy.array from boost::python?
- stackoverflow。Boost.Numpyで戻り値取ってくるためのQ&A。
Boost.numpy ことはじめ
以前から「Boost.numpy」というのが便利というのを聞いていたがなかなか使って見る機会が無く。。
他のブログ等検索したが、自分にちょうど良さそうな記事が見つからなかったので整理しつつ事始めしてみる。
Ubuntu16.04で環境構築から始めて、簡単なサンプルをcmakeビルドし、Pythonで呼び出すところまで。
Boost.numpy
Boost 1.63 辺りから追加された機能。
C++ boost code ⇔ Python 間で numpy 配列を受け渡し、
Python だと遅いところは C++ で操作
C++ で記述が面倒なところは Python で操作
することができる。
環境
- Ubuntu16.04
- Python3.5
- ( boost は 1.58 が apt-get により既に導入済み )
- その他
- CMake 3.5 ( ソースコードからビルドで導入 )
環境構築
最新版 Boost
/opt 上に boost 環境を構築した。書いた時点で最新は1.67。
デフォルトだとPython2.7の方に行ってしまうので、bootstrap にてPython3を使うようにしてあげる。
環境汚さないように、ビルドしたものは /opt 内に。
sudo su - cd /opt/ wget https://dl.bintray.com/boostorg/release/1.67.0/source/boost_1_67_0.tar.gz tar zxvf boost_1_67_0.tar.gz cd boost_1_67_0 ./bootstrap.sh --with-python-version=3.5 ./b2 --prefix=/opt/boost_1_67_0 install
確認
find / -name *boost_numpy* ( 中略 ) /opt/boost_1_67_0/lib/libboost_numpy35.so
使ってみる
サンプルソースコード
参照1のコードを使わせてもらう。インクルード等ちょっと修正。
ポイント :
- BOOST_PYTHON_MODULE の第一引数にはPythonで実行時のモジュール名。
- 後で cmake ビルドで「lib~」となるので見越した名前を付ける。
sample.cpp
#include "boost/python/numpy.hpp" #include <stdexcept> #include <algorithm> namespace p = boost::python; namespace np = boost::python::numpy; /* 2倍にする */ void mult_two(np::ndarray a) { int nd = a.get_nd(); if (nd != 1) throw std::runtime_error("a must be 1-dimensional"); size_t N = a.shape(0); if (a.get_dtype() != np::dtype::get_builtin<double>()) throw std::runtime_error("a must be float64 array"); double *p = reinterpret_cast<double *>(a.get_data()); std::transform(p, p + N, p, [](double x) { return 2 * x; }); } /* BOOST_PYTHON_MODULE の引数は .so 名 */ BOOST_PYTHON_MODULE(libsample) { Py_Initialize(); np::initialize(); p::def("mult_two", mult_two); }
ビルド設定
CMake でビルド。
ポイント :
- boost は独自インストールなので、それに対応した読み込み。
CMakeLists.txt
project(sample) cmake_minimum_required(VERSION 3.0) set(BOOST_ROOT /opt/boost_1_67_0) ### C++11 add_compile_options(-std=c++11) ### pkgconfig (for pkg_check_modules) find_package(PkgConfig REQUIRED) ### Python includes pkg_check_modules(PYTHON3 python3 REQUIRED) include_directories(${PYTHON3_INCLUDE_DIRS}) ### Boost includes include_directories(${BOOST_ROOT}/include) link_directories(${BOOST_ROOT}/lib) ### Build add_library(sample SHARED sample.cpp) set_target_properties(sample PROPERTIES SUFFIX ".so") target_link_libraries(sample boost_numpy35 boost_python35)
ちなみに、ここまでのディレクトリ構成は
<root directory> - sample.cpp - CMakeLists.txt
となっている想定。
root directoryのところからビルドする。
mkdir build cd build cmake .. make
正常にビルドされると libsample.so ができる。
実行
読み込んでみる。 (ipython3)
ipython3 In [1]: import libsample as s In [2]: import numpy as np In [3]: a = np.array([1.0, 2.0], np.float64) In [4]: s.mult_two(a) In [5]: a Out[5]: array([2., 4.])
まとめ
Boost.Numpy の実行試せた。
CMake とのつなぎ方も分かったし、これで複雑なコードも気楽にビルドできるでしょう。
( そこまで複雑な処理を作れるかどうかはともかく。。 )
参照
- 1. https://qiita.com/termoshtt/items/81eeb0467d9087958f7f
- C++でPythonを拡張するためのBoost.NumPyチュートリアル(実践編)
C++ スレッド処理で複数スレッド連携
C++ の Thread と Queue を使って、複数のスレッドを連携させて動作させるサンプルを作ってみた。
続きを読むPython で使うと便利なライブラリ (2016/08/18 更新)
Python で便利だと思って使うようになったライブラリのメモ。
知識増えて使えるようになったら随時更新 (最終更新 2016/08/18)
標準ライブラリ
all, any
- http://docs.python.jp/3.5/library/functions.html#all:Python3.5 all
- 引数の iterable のすべての要素 (or どれか1つの要素) が真なら True を返す処理。
t = [True, True, True] f = [True, True, False] print(all(t)) # True print(all(f)) # False print(any(f)) # False
- 2つのリストのチェックに使ってみた
la = [1, 2, 3] lb = [1, 2, 4] ### All 関数なし flag = False if len(la) == len(lb) : flag = True for a, b in zip(la, lb) : if a != b : flag = False break print(flag) ### All 関数あり。 print(len(la) == len(lb) and all([a == b for a, b in zip(la, lb)]))
collections.defaultdict
- http://docs.python.jp/3.5/library/collections.html#collections.defaultdict:Python3.5 defaultdict
- collectionsは通常のlist, dict等のサブクラス群で、便利な処理が揃っている。
- 引数 default_factory に「対応するkeyが無かったときに生成されるvalueの型」を入れる。
- int を入れると、新規keyのvalueとして0が入って自動生成。
- 引数 default_factory に「対応するkeyが無かったときに生成されるvalueの型」を入れる。
- 例えば数え上げ処理
import random data = [random.randint(0, 10) for i in range(100)] ### defaultdict 無し counter01 = {} for datum in data : if datum not in counter01 : counter01[datum] = 1 else : counter01[datum] += 1 print(counter01) ### defaultdict あり from collections import defaultdict counter02 = defaultdict(int) for datum in data : counter02[datum] += 1 print(counter02)
3rd Party
docopt
- https://github.com/docopt/docopt:git docopt
- Description や Usage を書くのと起動引数パーサ書くのが同時にできて便利!!
- 日本語 Description も OK。
# -*- coding: utf-8 -*- from docopt import docopt __doc__ = """ Description: Docopt test module 日本語説明も大丈夫 Usage: {f} [-h | --help] {f} [-v | --version] {f} [<opt>] --arg0=<arg> Options: -h --help Show this screen. --version Show version. <opt> Option0 --arg0=<arg> Argument0 """.format(f = __file__) if __name__ == '__main__' : args = docopt(__doc__, version = "0.0.1") print("arg0 = {0}".format(args["--arg0"])) print("opt0 = {0}".format(args["<opt>"]))
- 実行結果
$ python test.py yyy --arg0=xxx arg0 = xxx opt0 = yyy $ # 「[]」で囲った <opt> 分は省略可能 $ python test.py --arg0=xxx arg0 = xxx opt0 = None $ # --arg0 は指定必須。フォーマットが違うと Usage 表示 $ python docopt_test.py yyy Usage: docopt_test.py [-h | --help] docopt_test.py [-v | --version] docopt_test.py [<opt>] --arg0=<arg>
Python で Multi process (して、更に Signal で安全に終了させる)
概要
- Python のマルチプロセス実装を試してみた。
- 更に、signal を取り入れて「Ctrl + C」や「kill」で安全に全プロセスを終了させるようにしてみた。
PythonのConfigParserでカッチリとしたコンフィグ設定をする
概要
- Pythonのモジュール「ConfigParser」を使うと、設定ファイルをパースして使えて便利!!
- …なのだが、値は全て文字列なので、そこから適切な形に変換しないと――。
- 別途設定ファイルのための設定を作り、制御できるようにしてみた。
Python のクラスメンバ設定には setattr が便利 (かも)
概要
- Python のクラスメンバ設定の方法について調べてみた。
- 引数が増えたときは、dictionary 使った方が良さそう。
- 引数チェックするのにコード増える⇒効率良く書くには――
- setattr うまく使うと楽に書ける!!