C++ 与 Python相互调用

最新推荐文章于 2024-03-20 07:45:17 发布
最新推荐文章于 2024-03-20 07:45:17 发布
阅读量2.5k 收藏 10
点赞数
分类专栏： python c/c++ 文章标签： python c++ 开发语言 Powered by 金山文档
原文链接：https://cloud.tencent.com/developer/article/1919872
版权
c/c++ 同时被 2 个专栏收录
150 篇文章 13 订阅
订阅专栏
python
26 篇文章 0 订阅
订阅专栏

1. 背景

目前AI算法开发特别是训练基本都以Python为主，主流的AI计算框架如TensorFlow、PyTorch等都提供了丰富的Python接口。有句话说得好，人生苦短，我用Python。但由于Python属于动态语言，解释执行并缺少成熟的JIT方案，计算密集型场景多核并发受限等原因，很难直接满足较高性能要求的实时Serving需求。在一些对性能要求高的场景下，还是需要使用C/C++来解决。但是如果要求算法同学全部使用C++来开发线上推理服务，成本又非常高，导致开发效率和资源浪费。因此，如果有轻便的方法能将Python和部分C++编写的核心代码结合起来，就能达到既保证开发效率又保证服务性能的效果。本文主要介绍pybind11在腾讯广告多媒体AI Python算法的加速实践，以及过程中的一些经验总结。

2. 业内方案

2.1 原生方案

Python官方提供了Python/C API，可以实现「用C语言编写Python库」，先上一段代码感受一下：

static PyObject *spam_system(PyObject *self, PyObject *args){const char *command;
    int sts;if(!PyArg_ParseTuple(args,"s",&command))returnNULL;
    sts =system(command);returnPyLong_FromLong(sts);}

复制

可见改造成本非常高，所有的基本类型都必须手动改为CPython解释器封装的binding类型。由此不难理解，为何Python官网也建议大家使用第三方解决方案1。

2.2 Cython

Cython主要打通的是Python和C，方便为Python编写C扩展。Cython 的编译器支持转化 Python 代码为 C 代码，这些 C 代码可以调用 Python/C 的 API。从本质上来说，Cython 就是包含 C 数据类型的 Python。目前Python的numpy，以及我厂的tRPC-Python框架有所应用。

缺点：

需要手动植入Cython自带语法（cdef 等），移植和复用成本高

需要增加其他文件，如setup.py、*.pyx来让你的Python代码最后能够转成性能较高的C代码

对于C++的支持程度存疑

2.3 SIWG

SIWG主要解决其他高级语言与C和C++语言交互的问题，支持十几种编程语言，包括常见的java、C#、javascript、Python等。使用时需要用*.i文件定义接口，然后用工具生成跨语言交互代码。但由于支持的语言众多，因此在Python端性能表现不是太好。

值得一提的是，TensorFlow早期也是使用SWIG来封装Python接口，正式由于SIWG存在性能不够好、构建复杂、绑定代码晦涩难读等问题，TensorFlow已于2019年将SIWG切换为pybind112。

2.4 Boost.Python

C++中广泛应用的Boost开源库，也提供了Python binding功能。使用上，通过宏定义和元编程来简化Python的API调用。但最大的缺点是需要依赖庞大的Boost库，编译和依赖关系包袱重，只用于解决Python binding的话有一种高射炮打蚊子的既视感。

2.5 pybind11

可以理解为以Boost.Python为蓝本，仅提供Python & C++ binding功能的精简版，相对于Boost.Python在binary size以及编译速度上有不少优势。对C++支持非常好，基于C++11应用了各种新特性，也许pybind11的后缀11就是出于这个原因。

Pybind11 通过 C++ 编译时的自省来推断类型信息，来最大程度地减少传统拓展 Python 模块时繁杂的样板代码， 且实现了常见数据类型，如 STL 数据结构、智能指针、类、函数重载、实例方法等到Python的自动转换，其中函数可以接收和返回自定义数据类型的值、指针或引用。

特点：

轻量且功能单一，聚焦于提供C++ & Python binding，交互代码简洁

对常见的C++数据类型如STL、Python库如numpy等兼容很好，无人工转换成本

only header方式，无需额外代码生成，编译期即可完成绑定关系建立，减小binary大小

支持C++新特性，对C++的重载、继承，debug方式便捷易用

完善的官方文档支持，应用于多个知名开源项目

“Talk is cheap, show me your code.” 三行代码即可快速实现绑定，你值得拥有：

PYBIND11_MODULE(libcppex, m){
    m.def("add",[](int a, int b)-> int {return a + b;});}

复制

3. Python调C++

3.1 从GIL锁说起

GIL（Global Interpreter Lock）全局解释器锁：同一时刻在一个进程只允许一个线程使用解释器，导致多线程无法真正用到多核。由于持有锁的线程在执行到I/O密集函数等一些等待操作时会自动释放GIL锁，所以对于I/O密集型服务来说，多线程是有效果的。但对于CPU密集型操作，由于每次只能有一个线程真正执行计算，对性能的影响可想而知。

这里必须说明的是，GIL并不是Python本身的缺陷，而是目前Python默认使用的CPython解析器引入的线程安全保护锁。我们一般说Python存在GIL锁，其实只针对于CPython解释器。那么如果我们能想办法避开GIL锁，是不是就能有很不错的加速效果？答案是肯定的，一种方案是改为使用其他解释器如pypy等，但对于成熟的C扩展库兼容不够好，维护成本高。另一种方案，就是通过C/C++扩展来封装计算密集部分代码，并在执行时移除GIL锁。

3.2 Python算法性能优化

pybind11就提供了在C++端手动释放GIL锁的接口，因此，我们只需要将密集计算的部分代码，改造成C++代码，并在执行前后分别释放/获取GIL锁，Python算法的多核计算能力就被解锁了。当然，除了显示调用接口释放GIL锁的方法之外，也可以在C++内部将计算密集型代码切换到其他C++线程异步执行，也同样可以规避GIL锁利用多核。

下面以100万次城市间球面距离计算为例，对比C++扩展前后性能差异：

C++端：

#include <math.h>
#include <stdio.h>
#include <time.h>
#include <pybind11/embed.h>


namespace py = pybind11;const double pi =3.1415926535897932384626433832795;

double rad(double d){return d * pi /180.0;}

double geo_distance(double lon1, double lat1, double lon2, double lat2, int test_cnt){py::gil_scoped_release release;// 释放GIL锁

    double a, b, s;
    double distance =0;for(int i =0; i < test_cnt; i++){
        double radLat1 =rad(lat1);
        double radLat2 =rad(lat2);
        a = radLat1 - radLat2;
        b =rad(lon1)-rad(lon2);
        s =pow(sin(a/2),2)+cos(radLat1)*cos(radLat2)*pow(sin(b/2),2);
        distance =2*asin(sqrt(s))*6378*1000;}py::gil_scoped_acquire acquire;// C++执行结束前恢复GIL锁return distance;}PYBIND11_MODULE(libcppex, m){
    m.def("geo_distance",&geo_distance,R"pbdoc(
        Compute geography distance between two places.)pbdoc");}

复制

Python调用端：

import sys
import time
import math
import threading

from libcppex import*

def rad(d):return d *3.1415926535897932384626433832795/180.0


def geo_distance_py(lon1, lat1, lon2, lat2, test_cnt):
    distance =0for i inrange(test_cnt):
        radLat1 =rad(lat1)
        radLat2 =rad(lat2)
        a = radLat1 - radLat2
        b =rad(lon1)-rad(lon2)
        s = math.sin(a/2)**2+ math.cos(radLat1)* math.cos(radLat2)* math.sin(b/2)**2
        distance =2* math.asin(math.sqrt(s))*6378*1000print(distance)return distance


def call_cpp_extension(lon1, lat1, lon2, lat2, test_cnt): 
    res =geo_distance(lon1, lat1, lon2, lat2, test_cnt)print(res)return res 


if __name__ =="__main__":
    threads =[]
    test_cnt =1000000
    test_type = sys.argv[1]
    thread_cnt =int(sys.argv[2])
    start_time = time.time()for i inrange(thread_cnt):if test_type =='p':
            t = threading.Thread(target=geo_distance_py, 
                args=(113.973129,22.599578,114.3311032,22.6986848, test_cnt,))
        elif test_type =='c':
            t = threading.Thread(target=call_cpp_extension, 
                args=(113.973129,22.599578,114.3311032,22.6986848, test_cnt,))
        threads.append(t)
        t.start()for thread inthreads:
        thread.join()print('calc time = %d'%int((time.time()- start_time)*1000))

复制

性能对比：

单线程时耗：Python 1500ms，C++ 8ms

10线程时耗：Python 15152ms，C++ 16ms

CPU利用率：

△ Python多线程无法同时刻多核并行计算，仅相当于单核利用率

并行计算，仅相当于单核利用率]

△ C++可以吃满DevCloud机器的10个CPU核

结论：

计算密集型代码，单纯改为C++实现即可获得不错的性能提升，在多线程释放GIL锁的加持下，充分利用多核，性能轻松获得线性加速比，大幅提升资源利用率。虽然实际场景中也可以用Python多进程的方式来利用多核，但是在模型越来越大动辄数十G的趋势下，内存占用过大不说，进程间频繁切换的context switching overhead，以及语言本身的性能差异，导致与C++扩展方式依然有不少差距。

（注：以上测试demo github地址：https://github.com/jesonxiang/cpp_extension_pybind11，测试环境为CPU 10核容器，大家有兴趣也可以做性能验证。）

3.3 编译环境

编译指令：

g++-Wall -shared -std=gnu++11-O2-fvisibility=hidden -fPIC -I./ perfermance.cc -o libcppex.so `Python3-config --cflags --ldflags --libs`

复制

如果Python环境未正确配置可能报错：

这里对Python的依赖是通过Python3-config --cflags --ldflags --libs来自动指定，可先单独运行此命令来验证Python依赖是否配置正确。Python3-config正常执行依赖Python3-dev，可以通过以下命令安装：

yum install Python3-devel

4. C++调Python

一般pybind11都是用于给C++代码封装Python端接口，但是反过来C++调Python也是支持的。只需#include <pybind11/embed.h>头文件即可使用，内部是通过嵌入CPython解释器来实现。使用上也非常简单易用，同时有不错的可读性，与直接调用Python接口非常类似。比如对一个numpy数组调用一些方法，参考示例如下：

// C++
pyVec = pyVec.attr("transpose")().attr("reshape")(pyVec.size());

复制

# Python
pyVec = pyVec.transpose().reshape(pyVec.size)

复制

以下以我们开发的C++ GPU高性能版抽帧so为例，除了提供抽帧接口给到Python端调用，还需要回调给Python从而通知抽帧进度以及帧数据。

Python端回调接口：

def on_decoding_callback(task_id:str,progress:int):print("decoding callback, task id: %s, progress: %d"%(task_id, progress))if __name__ =="__main__":
    decoder =DecoderWrapper()
    decoder.register_py_callback(os.getcwd()+"/decode_test.py","on_decoding_callback")

复制

C++端接口注册 & 回调Python：

#include <pybind11/embed.h>

int DecoderWrapper::register_py_callback(conststd::string &py_path,conststd::string &func_name){
        int ret =0;conststd::string &pyPath =py_get_module_path(py_path);conststd::string &pyName =py_get_module_name(py_path);SoInfo("get py module name: %s, path: %s", pyName.c_str(), pyPath.c_str());py::gil_scoped_acquire acquire;py::object sys = py::module::import("sys");
        sys.attr("path").attr("append")(py::str(pyPath.c_str()));//Python脚本所在的路径py::module pyModule = py::module::import(pyName.c_str());if(pyModule ==NULL){LogError("Failed to load pyModule ..");py::gil_scoped_release release;returnPYTHON_FILE_NOT_FOUND_ERROR;}if(py::hasattr(pyModule, func_name.c_str())){
            py_callback = pyModule.attr(func_name.c_str());}else{
            ret =PYTHON_FUNC_NOT_FOUND_ERROR;}py::gil_scoped_release release;return ret;}
    
int DecoderListener::on_decoding_progress(std::string &task_id, int progress){if(py_callback !=NULL){try{py::gil_scoped_acquire acquire;py_callback(task_id, progress);py::gil_scoped_release release;}catch(py::error_already_set const&PythonErr){LogError("catched Python exception: %s", PythonErr.what());}catch(conststd::exception &e){LogError("catched exception: %s", e.what());}catch(...){LogError("catched unknown exception");}}}

复制

5. 数据类型转换

5.1 类成员函数

对于类和成员函数的binding，首先需要构造对象，所以分为两步：第一步是包装实例构造方法，另一步是注册成员函数的访问方式。同时，也支持通过def_static、def_readwrite来绑定静态方法或成员变量，具体可参考官方文档3。

#include <pybind11/pybind11.h>classHello{public:Hello(){}voidsay(conststd::string s){std::cout << s << std::endl;}};PYBIND11_MODULE(py2cpp, m){
    m.doc()="pybind11 example";pybind11::class_<Hello>(m,"Hello").def(pybind11::init())//构造器，对应c++类的构造函数，如果没有声明或者参数不对，会导致调用失败.def("say",&Hello::say );}/* 
Python 调用方式：
c = py2cpp.Hello()
c.say()
*/

复制

5.2 STL容器

pybind11支持STL容器自动转换，当需要处理STL容器时，只要额外包括头文件<pybind11/stl.h>即可。pybind11提供的自动转换包括：std::vector<>/std::list<>/std::array<> 转换成 Python list ；std::set<>/std::unordered_set<> 转换成 Python set ; std::map<>/std::unordered_map<> 转换成dict等。此外 std::pair<> 和 std::tuple<>的转换也在 <pybind11/pybind11.h> 头文件中提供了。

#include <iostream>
#include <pybind11/pybind11.h>
#include <pybind11/stl.h>classContainerTest{public:ContainerTest(){}voidSet(std::vector<int> v){
        mv = v;}private:std::vector<int> mv;};PYBIND11_MODULE(py2cpp, m){
    m.doc()="pybind11 example";pybind11::class_<ContainerTest>(m,"CTest").def( pybind11::init()).def("set",&ContainerTest::Set );}/* 
Python 调用方式：
c = py2cpp.CTest()
c.set([1,2,3])
*/

复制

5.3 bytes、string类型传递

由于在Python3中 string类型默认为UTF-8编码，如果从C++端传输string类型的protobuf数据到Python，则会出现 “UnicodeDecodeError: 'utf-8' codec can't decode byte 0xba in position 0: invalid start byte” 的报错。

解决方案：pybind11提供了非文本数据的binding类型py::bytes：

m.def("return_bytes",[](){std::string s("\xba\xd0\xba\xd0");// Not valid UTF-8returnpy::bytes(s);// Return the data without transcoding});

复制

5.4 智能指针

std::unique_ptrpybind11支持直接转换：

std::unique_ptr<Example>create_example(){returnstd::unique_ptr<Example>(newExample());}
m.def("create_example",&create_example);

复制

std::shared_ptr需要特别注意的是，不能直接使用裸指针。如下的get_child函数在Python端调用会报内存访问异常（如segmentation fault）。

classChild{};classParent{public:Parent():child(std::make_shared<Child>()){}
   Child *get_child(){return child.get();}/* Hint: ** DON'T DO THIS ** */private:std::shared_ptr<Child> child;};PYBIND11_MODULE(example, m){py::class_<Child,std::shared_ptr<Child>>(m,"Child");py::class_<Parent,std::shared_ptr<Parent>>(m,"Parent").def(py::init<>()).def("get_child",&Parent::get_child);}

复制

5.5 cv::Mat到numpy转换

抽帧结果返回给Python端时，由于目前pybind11暂不支持自动转换cv::Mat数据结构，因此需要手动处理C++ cv::Mat和Python端numpy之间的绑定。转换代码如下：

/*
 Python->C++ Mat
*/cv::Mat numpy_uint8_3c_to_cv_mat(py::array_t<uint8_t>& input){if(input.ndim()!=3)throwstd::runtime_error("3-channel image must be 3 dims ");py::buffer_info buf = input.request();cv::Mat mat(buf.shape[0], buf.shape[1],CV_8UC3,(uint8_t*)buf.ptr);return mat;}/*
 C++ Mat ->numpy
*/py::array_t<uint8_t>cv_mat_uint8_3c_to_numpy(cv::Mat& input){py::array_t<uint8_t> dst = py::array_t<uint8_t>({ input.rows,input.cols,3}, input.data);return dst;}

复制

5.6 zero copy

一般来说跨语言调用都产生性能上的overhead，特别是对于大数据块的传递。因此，pybind11也支持了数据地址传递的方式，避免了大数据块在内存中的拷贝操作，性能上提升很大。

classMatrix{public:Matrix(size_t rows, size_t cols):m_rows(rows),m_cols(cols){
        m_data =newfloat[rows*cols];}
    float *data(){return m_data;}
    size_t rows()const{return m_rows;}
    size_t cols()const{return m_cols;}private:
    size_t m_rows, m_cols;
    float *m_data;};py::class_<Matrix>(m,"Matrix",py::buffer_protocol()).def_buffer([](Matrix &m)-> py::buffer_info {returnpy::buffer_info(
            m.data(),/* Pointer to buffer */sizeof(float),/* Size of one scalar */py::format_descriptor<float>::format(),/* Python struct-style format descriptor */2,/* Number of dimensions */{ m.rows(), m.cols()},/* Buffer dimensions */{sizeof(float)* m.cols(),/* Strides (in bytes) for each index */sizeof(float)});});

复制

6. 落地 & 行业应用

上述方案，我们已在广告多媒体AI的色彩提取相关服务、GPU高性能抽帧等算法中落地，取得了非常不错的提速效果。业内来说，目前市面上大部分AI计算框架，如TensorFlow、Pytorch、阿里X-Deep Learning、百度PaddlePaddle等，均使用pybind11来提供C++到Python端接口封装，其稳定性以及性能均已得到广泛验证。

7. 结语

在AI领域普遍开源节流、降本提效的大背景下，如何充分利用好现有资源，提升资源利用率是关键。本文提供了一个非常便捷的提升Python算法服务性能，以及CPU利用率的解决方案，并在线上取得了不错的效果。除此之外，腾讯内部也有一些其他Python加速方案，比如目前TEG的编译优化团队正在做Python解释器的优化工作，后续也可以期待一下。

8. 附录

1(https://docs.Python.org/3/extending/index.html#extending-index)

2(https://github.com/tensorflow/community/blob/master/rfcs/20190208-pybind11.md#replace-swig-with-pybind11)

3(https://pybind11.readthedocs.io/en/stable/advanced/cast/index.html)

黑贝是条狗
关注
  • 0
    点赞
  • 踩
  • 10
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
C++调用Python并传参
03-13
C#调用C++,C++调用Python并传参，包括C++向python传递图片数据，C++向python传递组数据，C++向python传递字符串数据，C++向python传递结构体数据，C++初始化python类数据并调用方法，实际案例，能直接运行，需要安装opencv和python,numpy库，实现C#控制台程序通过调用C++，、C++调用python文件动态生成数据获取返回值，并输出，
解决c++调用python中文乱码问题
09-16
主要介绍了c++调用python中文乱码问题,本文通过实例代码给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下
[C++]C++ 调用python
最新发布
FL1768317420的博客
03-20 347
检查Python 安装目录下已经包含头文件( 就是c++里 需要include 的目录)和库文件 ( Windows 下为 python27.lib)。主流方法将python程序编程文本形式的动态链接库，在c/c++程序中调用其中定义的函数。以下是测试用的python脚本文件，功能是输出命令行参数：sample.py。以下是测试用的c程序文件：test.c。这一步可以参考下知乎网友的配置方式。（这个方法可能取返回值不方便）
Python调用C++
呆呆象呆呆的博客
12-12 8843
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。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：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；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；
python调用C++方法
gg1314723的博客
11-01 4136
python 通过ctypes包调用c++或者c 的方法提示：以下是本篇文章正文内容，下面案例可供参考主要对python调用c++的方式介绍，并传递指针变量 ， 常规变量 和 对象作为返回值的demo。
C++调用Python之第三方库的引入
weixin_43192020的博客
07-31 973
(1)首先从python安装路径中找到存放第三方库的文件夹（第三方库在site-packages文件夹中，比如我的是E:\Users\Administrator\AppData\Local\Programs\Python\Python311\。），将第三方库复制到c++项目同一目录下的文件夹当中，再在c++中进行属性配置，如上一篇文章所展示的。因为math库是python自带的库，不需在c++中额外导入。
python 调用c++
花生日记
04-09 4436
在这一步中，我们并不需要去关心它具体是如何工作的，我们只需要知道：当我们在文件中定义了一个函数后，就可以向该函数发出调用请求。当这些操作完成后，我们就可以在文件中看到一个名为 explain （）的文件了，它是一个函数库，其中包含了许多不同类型的函数。函数调用，也叫函数调用，是指在程序中使用一个函数的时候，直接从函数地址出发，向目标函数发出一次操作。另外还有一种方法：如果你使用了` find （）`命令搜索到了“C++”这个函数地址，那么你就可以直接在运行时环境中查看该被调用的“C++”这个函数。
C++调用Python的方法
热门推荐
ZONGXP的博客
04-15 3万+
0 背景 在《Python调用C++程序的几种方法》中，我们介绍了 python 调用 c++ 的一些方法，实际项目中，有时会遇到 c++ 调用 python 的需求，比如实现代码加密等功能，因此本文对相关方法做一个整理记录。 1 https://cyendra.github.io/2018/07/10/pythoncpp/ https://cloud.tencent.com/developer/article/1174629 https://docs.python.org/3.8/extend.
如何从 Python 调用C++
gongdiwudu的专栏
07-28 5660
Python是一种高级编程语言，它可以调用其他语言编写的函数。在 Python 中调用 C 函数的方法有两种：1）使用 Python 提供的 ctypes 库；2）使用 Python 提供的 Cython 库。
C++调用Python（混合编程）函数整理总结
jindayue的博客
12-05 1万+
python是一种非常强大的胶水语言，可以灵活的嵌入到c++和java等主流语言中。python提供了一套C的API库，是的开发者能够很方便的从C、C++的程序中调用python中的各个功能模块。c++ 调用 python ，本质上是在 c++ 中启动了一个 python 解释器，由解释器对 python 相关的代码进行执行，执行完毕后释放资源，达到调用目的。从操作步骤上看，C++调用Python低层接口可以分为几个阶段：和环境相关的接口如下： 2.调用python脚本的两种方式 第一种方法示例： 第一种
Python和C++相互调用
laiqun789的博客
03-25 1153
在这个程序中，我们首先定义了一个 C++ 函数 add()，它接受两个整数参数，并返回它们的和。然后，我们在 Python 解释器中定义了一个 Python 函数 PyAdd()，该函数将会调用 C++ 函数 add()。在定义 PyAdd() 函数时，我们使用了 PyArg_ParseTuple() 函数解析了 Python 脚本传递的参数，并将其传递给 C++ 函数 add()。
C++调用Python脚本
10-19
C++调用Python脚本，简单实现Qt， C++调用Python脚本，py脚本文件需要放入bin目录。
C++调用python文件
03-16
C++和Python是开发过程中比较常用的两种语言，实现两者之间的调用能够很好的发挥两种语言的优势。该资源C++调用Python过程的简单示例。
【C++/Python】C++调用python文件
测试开发自动化
08-13 2580
编译模式改为release模式。将.py文件复制到工程目录下。
c++调用python的两种方法
从心_的博客
02-10 2042
c++调用python
C++和Python混合编程：C++调用Python函数
养乐多的博客
10-10 3862
C++调用python函数，参数格式转换，环境配置，代码案例。
史上最全-小白教程-使用pybind11实现C++语言与python语言相互调用
baidu_30594023的博客
08-22 1681
3.1 在C++中写入测试代码，准备example.py测试文件，如图10所示。2.2 C++代码，运行后生成dll文件，供python调用，配置如图5所示。特别注意，如图11所示，箭头处的名称必须一致（函数名称和文件名称）。2.3 找到程序运行生成的目录中，找到生成的dll文件，并将其名称修改为。2.4 还有一个坑：如图8所示，3处名字必须一致，否则提示找不到。1.2 在VC++目录属性中，选择“包含目录”进行如下图1配置。1.3 在VC++目录属性中，选择“库目录”进行如下图2配置。
c++调用python
花生日记
03-30 2369
在C++中，如果直接使用 int类型的变量来赋值给一个字符串变量，那么这个字符串变量的值将会以数字的形式存在。在c++中，当我们使用 int类型变量对程序中的变量进行赋值时，应当注意以下几点： 首先，使用 int类型变量进行赋值时，应当使用其定义时指定的类型；如果我们需要给程序中的变量赋值，则应当先用 int类型的变量进行初始化，然后才能使用该类型的变量进行赋值。在c++中调用 python的时候，使用 int类型的变量进行赋值，因为 int是一种常见的类型，因此在使用时比较方便。
python调用c++函数_Python调用c++函数
05-23
Python可以通过调用C++函数来实现高性能计算。以下是一些步骤： 1. 编写C++函数：先编写需要被Python调用的C++函数，可以使用C++的标准库或第三方库。需要注意的是，C++函数的参数和返回值类型必须与Python的数据类型相匹配。 2. 编写C++包装器：将C++函数封装成Python可调用的形式。可以使用Cython、SWIG或Boost.Python等工具来简化此过程。 3. 编译C++包装器：将C++包装器编译为动态链接库或共享对象。在Linux系统上，可以使用g++编译器；在Windows系统上，可以使用Visual C++编译器。 4. 导入C++包装器：在Python中导入包装器，即可使用C++函数。 下面是一个示例代码，演示了如何使用Cython来将C++函数封装成Python可调用的形式： ```python # example.pyx cdef extern from "example.h": double add(double a, double b) def py_add(double a, double b): return add(a, b) ``` ```c++ // example.h double add(double a, double b); ``` ```c++ // example.cpp #include "example.h" double add(double a, double b) { return a + b; } ``` 在命令行中执行以下命令，将Cython代码编译为动态链接库： ```bash cythonize -i example.pyx ``` 然后，在Python中导入包装器，即可使用C++函数： ```python from example import py_add result = py_add(1.0, 2.0) print(result) # 输出 3.0 ```

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值