rainbowkv的博客

前两篇我们已经编写了Python的C和C++扩展，分别使用了CPython官方的接口和Pybind11对前者友好封装的接口。本篇我们来编写一个CUDA程序来调度显卡，进一步写成Python的扩展包。您如果看过C++扩展篇本篇会非常轻松。有了前面的基础，CUDA扩展的步骤是类似的，几乎仅仅是.cpp文件换为了.cu文件而已。您需要安装一个CUDA库，官方下载地址，本文选用CUDA18：在其bin目录下，有nvcc.exe这个编译.cu文件的编译器。如果cmake部分您觉得不够详细，请您查看。

CMake是一个构建C/C++项目的工具，编写正确的CMakeLists.txt即可完成大部分场景。我们将仅编写1个.h文件和1个.cpp文件然后制作一个动态库（Windows下为.dll，Linux为.so文件）。

番外篇二，我们将利用一个使用dll动态库的C++项目，然后使用Pybind11轻松将其编写为Python的包。它将同时具有一个不错的C/C++工程目录结构和Python包结构，可参考Pytorch的目录。您如果具有[]和[]的基础，会更快理解本文。我们会使用到[]构建的rb_math.dll、rb_math.lib和rb_math.h文件，您也可以使用自己的库编写为Python拓展。

编写Python的C/C++扩展

这里有无异常都会进行config的clear内存释放，虽然这里config是栈变量，但其内部包含了指向堆的指针，需保证动态分配的内存也被正确释放，否则config被自动释放后，堆上的内存可能没引用但也没释放（内存泄漏。下面就是检查了一次path0，然后将其赋值给了interp->runtime->sys_path_0和interp->sysdict这个字典的"path"键的项，它就是Python层面的sys.path，然后插入到0号位置。然后就是设置sys.path[0]的部分，可以看到。

上一篇我们介绍到了_PyInterpreterState_SetRunningMain这个函数，接下来CPython就会根据你是在执行模块还是代码还是脚本，来选择不同的分支进入了，如下：这个分支就是当你执行python xxx.py进入的分支，突击检查：Python的工作目录是解释器所在目录还是py文件所在目录？为什么？（上一篇看完，你应该能回答）进入pymain_run_file，可以看到先将你的py文件名转化为了python的对象，更具体来说是PyUnicode_Type这个对象（C语言

很幸运，我们的脚本字节码序列在python解释器执行的所有字节码的末尾段，在此之后，仅仅多了一个INTERPRETER_EXIT字节码，字节码的执行就退出了（C层面应该还有些其它工作）。数一下一共是六条字节码，那么让我们稍微修改下CPython源码，让它逐个打印执行的字节码，看看字节码顺序和个数能否对应上。要检测这个的话，显然我们需要检测下面这个分支执行了多少次，因为每执行一次字节码，走一次这个switch case。没错，证明我们的函数是有效的（当然一次成功也可能是偶然，不要在意这里的严谨性）。