很多时候，我们是基于python进行模型的设计和运行，可是基于python本身的速度问题，使得原生态python代码无法满足生产需求，不过我们可以借助其他编程语言来缓解python开发的性能瓶颈。这里简单介绍个例子，以此完成如何先基于cuda编写瓶颈函数，然后在将接口通过cpp进行封装，最后以库的形式被python调用。

1 cpp+python

首先，介绍下如何python调用cpp的代码。这里极力推荐pybind11。因为pybind11是一个轻量级，只包含头文件的库，他可以在C++中调用python，或者python中调用C++代码。其语法类似Boost.Python。可是不同的是Boost是一个重量级的库，因为为了兼容几乎所有的C++编译器，所以需要支持哪些最老的，bug最多的编译器。该作者考虑到现在c11都很普及了，所以丢弃那些之前的东西，从而打造这么一个轻量级的库。我们通过代码统计：


首先是对pybind11的安装：

git clone https://github.com/pybind/pybind11.git

cd pybind11

mkdir build && cd build

cmake ../

make -j32

上述cmake需要3.2及以上版本。最后输出结果如下图所示：

 这里简单呈现下一级目录： 

为了实现python调用cpp，我们先建立个文件名叫test.cpp

#include

namespace py = pybind11;

int

add(int i, int j){

return i+j;

}

// 该宏会在python的import语句触发

PYBIND11_MODULE(example, m){

m.doc() = "pybind11 example plugin";

m.def("add", &add, "a function which adds two numbers",

py::arg("i"), py::arg("j"));

}

然后执行：

g++ -Wall -shared -std=c++11 -fPIC \

-I/home/zzc/software/pybind11/include \

`cd /home/zzc/software/pybind11 && python3 -m pybind11 --includes` \

test.cpp \

-o example`python3-config --extension-suffix`

结果如下图

 接下来，我们将其改成参数支持numpy,可参考[官网文档](https://pybind11.readthedocs.io/en/master/advanced/pycpp/numpy.html?highlight=array)；[pybind11—python numpy与C++数据传递](https://www.jianshu.com/p/c912a0a59af9)： ``` #include #include

namespace py = pybind11;

int add(py::array_t &array, int col){

py::buffer_info buf1 = array.request(); float *p = (float *)buf1.ptr; for (int i=0; i

PYBIND11_MODULE(example, m){ m.doc() = "pybind11 example plugin"; m.def("add", &add, "a function which adds two numbers"); }

然后依然用上述命令编译成so，调用结果如下图：


更详细的pybind11使用方法，可阅读[官方文档](https://media.readthedocs.org/pdf/pybind11/master/pybind11.pdf)

### 2 cuda+cpp+python

这里只介绍如何编写cuda的代码，然后提供python接口。通过调查pybind11的issues：[alias template error with Intel 2016.0.3 compilers](https://github.com/pybind/pybind11/issues/1121),如果直接编写cu代码，然后一步到位，会触发很多问题。而如[这里](https://github.com/pybind/pybind11/issues/1653)最后所述，较好的方式就是分开：

> * 编写cuda代码，并生成动态链接库；

> * 编写cpp代码，通过函数引用方式用pybind11进行接口封装；

> * python导入对应模块即可使用。


如上图所示，首先，编写cuda代码,这里为了简洁，我们只写一个printf

// cuda_test.cu #include #include

global void kernel(){ printf("inside in kernel\n"); }

int cuda(int a, int b){

kernel<<<1,10>>>(); cudaDeviceSynchronize();

return 0; }

对应头文件：

//cuda_test.h int cuda(int, int);

然后我们将其用nvcc编译成动态链接库

nvcc --shared -Xcompiler -fPIC cuda_test.cu -o libcutest.so


结果如上图

接着，我们借助pybind11，此时增加了几行

#include #include"cuda_test.h" //新增的

namespace py = pybind11;

int add(int i, int j){ return i+j; }

PYBIND11_MODULE(example, m){ m.doc() = "pybind11 example plugin"; m.def("add", &add, "a function which adds two numbers", py::arg("i"), py::arg("j")); m.def("cuda", &cuda,"testing", py::arg("a"), py::arg("b")); //新增的 }

然后输入如下编译方式：

g++ -Wall -shared -std=c++11 -fPIC

-L. -lcutest

-I/home/zzc/software/pybind11/include

cd /home/zzc/software/pybind11 && python3 -mpybind11 --includes

test.cpp

-o examplepython3-config --extension-suffix

此时生成结果


然后使用