python调用C++代码

python被称为胶水语言，其优势是能够粘结各种不同的语言。同时，python有着更大的“亲民性”，很容易进行开发。但是，python最大的问题就是计算速度不够。通常可以用CUDA或者C++对一个python程序进行加速，加速策略如下：

1. 大规模算术运算、矩阵运算等过程用底层语言编写，python只负责传参和处理结果数据；

2. 十分常用的函数，我们可以用C++写成“算子”，然后python调用算子即可，如边缘检测的Sobel算子；

1. 无传参情况
C++的函数需要用extern描述才能被Python调用。先建一个名为ct.cpp的c++文件，如下：

#include<iostream>
#include<string>
using namespace std;
extern "C"{
int hehe(){
        cout<<"hehe"<<endl;
        return 0;
}
}
在Linux环境下编译：

g++ -o ct.so -shared -fPIC ct.cpp
根据上面的编译命令，就可以在同目录下得到名为ct.so的文件了 ，这就是可以被python直接调用的。再来看看python调用的代码：

import ctypes
ll = ctypes.cdll.LoadLibrary
lib = ll('./ct.so')
lib.hehe()
输出为：

hehe
 这样就成功实现在无传参情况下python调用C++的函数。

2. 有传参情况
我们编写一个带参数的C++函数，命名为"cm.cpp": 

#include<iostream>
#include<string>
using namespace std;
extern "C"{
int cm(int n){
    int cm=0;
    int i;
    for(i=1;i<=n;++i){
        cm += i;
    }
return(cm);
 
}
 
}
这个函数干了啥呢？ 你会发现这个函数啥也没干，cm+i又-i。 最后的结果一定是0，但这个函数的计算复杂度是n，算数运算次数的2n次。我编写这个函数是为了检测，同一个函数用C++写和python写，他们的计算速度差异有多大。

import ctypes
from time import time
cpp = ctypes.CDLL('./cm.so')
 
if __name__ == '__main__':
    num = 1000000
    s1 = time()
    print("cpp result = %d" % cpp.cm(num))