我正在用 Python 包裝 Fortran 模塊。我選擇使用 Cython 來做到這一點。我的問題是將 a 傳遞np.ndarray給 Fortran。我能夠np.ndarray從 Fortran 收到一個，但我所有傳遞給 Fortran 的嘗試都沒有奏效。我發(fā)現(xiàn)，問題直接出在 Cython - Fortran 接口上，因為我的 Fotran 子例程工作正常（盡可能在沒有數(shù)據(jù)的情況下工作）。Cython 端似乎也能正常工作，我可以在那里操作變量。我的最低工作示例：PATTERN_wrap.f90module PATTERN_wrap use iso_c_binding, only: c_float, c_double, c_short, c_int implicit noneCONTAINS subroutine c_pattern(scalar_variable, array_variable, return_array) bind(c) implicit NONE INTEGER(c_int), intent(in) :: scalar_variable INTEGER(c_int), intent(in), DIMENSION(10, 15) :: array_variable REAL(c_float), INTENT(OUT), DIMENSION(10) :: return_array write(*,*) "start fortran" write(*,*) "scalar_variable" write(*,*) scalar_variable write(*,*) "array_variable" write(*,*) array_variable return_array = 3 write(*,*) "end fortran"! call DO_PATTERN(&! scalar_variable=scalar_variable, &! array_variable=array_variable, &! return_array=return_array)! end subroutineend module PATTERN_wrap注意：對實際執(zhí)行某些操作的子程序的調(diào)用DO_PATTERN已被注釋掉，因為此時它不相關(guān)。我只是想指出上面的代碼是一個包裝器。pattern.pyx#cython: language_level=3import cythonimport numpy as npcimport numpy as npcdef extern: void c_pattern( int *scalar_variable, int *array_variable, float *return_array )def run_pattern( int scalar_variable,): cdef: np.ndarray[int, ndim=2, mode="fortran"] array_variable = np.ones((10,15), dtype=np.int32, order='F') np.ndarray[float, ndim=1, mode="fortran"] return_array = np.zeros(10, dtype=np.float32, order='F') c_pattern( &scalar_variable, &array_variable[0,0], &return_array[0], ) print('Cython side') print(return_array) return return_array
1 回答
婷婷同學_
TA貢獻1844條經(jīng)驗 獲得超8個贊
我設(shè)法找到了解決方案。代碼沒問題。問題是我的配置。
如上所述，我測試了 gcc/gfortran 的不同配置，看它是否影響 Cythonizing。它不是。因此，我繼續(xù)反匯編我的 Dockerfile，以找到導致代碼中斷的步驟。原來是conda安裝了numpy。
我上面使用 pip 進行的所有 ggc 圖像測試：
$ python -m pip install numpy
Collecting numpy
Downloading numpy-1.18.4-cp38-cp38-manylinux1_x86_64.whl (20.7 MB)
|████████████████████████████████| 20.7 MB 18.9 MB/s
Installing collected packages: numpy
Successfully installed numpy-1.18.4
一包一輪，快速簡單。但是，我在“生產(chǎn)”圖像中使用了 conda。
如果你通過 conda 安裝 numpy：
$ conda install numpy
Collecting package metadata (current_repodata.json): done
Solving environment: done
## Package Plan ##
environment location: /opt/conda
added / updated specs:
- numpy
The following packages will be downloaded:
package | build
---------------------------|-----------------
blas-1.0 | mkl 6 KB
intel-openmp-2020.1 | 217 780 KB
libgfortran-ng-7.3.0 | hdf63c60_0 1006 KB
mkl-2020.1 | 217 129.0 MB
mkl-service-2.3.0 | py38he904b0f_0 62 KB
mkl_fft-1.0.15 | py38ha843d7b_0 159 KB
mkl_random-1.1.1 | py38h0573a6f_0 341 KB
numpy-1.18.1 | py38h4f9e942_0 5 KB
numpy-base-1.18.1 | py38hde5b4d6_1 4.2 MB
------------------------------------------------------------
Total: 135.5 MB
...
這里需要注意的重要一點是，除了 numpy 之外，conda 也在安裝libgfortran-ng-7.3.0. 在我正在處理的圖像中，安裝了 gcc/gfortran 8.5.0。
為什么這很重要？當你運行 cython 編譯時：
$ python setup.py build_ext --inplace
running build_ext
cythoning pattern.pyx to pattern.c
building 'pattern' extension
creating build
creating build/temp.linux-x86_64-3.8
gcc -pthread -B /opt/conda/compiler_compat -Wl,--sysroot=/ -Wsign-compare -DNDEBUG -g -fwrapv -O3 -Wall -Wstrict-prototypes -fPIC -I/opt/conda/lib/python3.8/site-packages/numpy/core/include -I/opt/conda/include/python3.8 -c pattern.c -o build/temp.linux-x86_64-3.8/pattern.o
In file included from /opt/conda/lib/python3.8/site-packages/numpy/core/include/numpy/ndarraytypes.h:1832,
from /opt/conda/lib/python3.8/site-packages/numpy/core/include/numpy/ndarrayobject.h:12,
from /opt/conda/lib/python3.8/site-packages/numpy/core/include/numpy/arrayobject.h:4,
from pattern.c:599:
/opt/conda/lib/python3.8/site-packages/numpy/core/include/numpy/npy_1_7_deprecated_api.h:17:2: warning: #warning "Using deprecated NumPy API, disable it with " "#define NPY_NO_DEPRECATED_API NPY_1_7_API_VERSION" [-Wcpp]
#warning "Using deprecated NumPy API, disable it with " \
^~~~~~~
gcc -pthread -shared -B /opt/conda/compiler_compat -L/opt/conda/lib -Wl,-rpath=/opt/conda/lib -Wl,--no-as-needed -Wl,--sysroot=/ build/temp.linux-x86_64-3.8/pattern.o -lgfortran -o /mwe/pattern.cpython-38-x86_64-linux-gnu.so PATTERN_wrap.o
正如您在列表行中看到的，傳遞給 gcc 的包含是/opt/conda/lib.
$ ls /opt/conda/lib | grep "fortran"
libgfortran.so
libgfortran.so.4
libgfortran.so.4.0.0
這是libgfortran我最初編譯代碼時使用的不同版本。
解決方案是：
$ conda install -c conda-forge libgfortran-ng==8.2.0
注意：使用 conda-forge 通道是必要的，在我的例子中，conda 無法解決僅來自基本通道的包的依賴關(guān)系。此外，此版本的 libgfortran-ng 還需要將 libblas 從 openblas 版本更改為 mkl，如果您擔心的話。
通過這種方式，我在 conda 中安裝了一個 libgfortran，它與我在系統(tǒng)中使用的主版本相同。重新運行 Cythonized 包的編譯后，一切正常。
無論如何，當心康達。
添加回答
舉報
0/150
提交
取消