python 通過 pybind11 使用Eigen加速代碼的步驟

更新時間：2020年12月07日 10:18:12 作者：好問雷

這篇文章主要介紹了python 通過 pybind11 使用Eigen加速代碼的步驟，幫助大家更好的理解和使用python，感興趣的朋友可以了解下

python是很容易上手的編程語言，但是有些時候使用python編寫的程序并不能保證其運行速度（例如：while 和 for），這個時候我們就需要借助c++等為我們的代碼提速。下面是我使用pybind11調(diào)用c++的Eigen庫的簡單介紹:

第一步：準備系統(tǒng)和IDE：

Windows 10
vs2015 (用于調(diào)試c++代碼)
vscode (調(diào)試python代碼)

第二步：python虛擬環(huán)境：

1.創(chuàng)建虛擬python虛擬環(huán)境：在vscode的terminal中執(zhí)行

python -m venv env

2.下載 Eigen: 將Eigen解壓到當前目錄命名為 eigen-3.3.8
3.在vscode的terminal中激活虛擬環(huán)境：

./env/Scripts/Activate.ps1

4.安裝pybind11:

pip install pybind11

5.安裝numpy==1.19.3（使用1.19.4可能會有問題）

pip install numpy==1.19.3

第三步：使用vs2015編寫cpp_python.cpp, 并保證沒有bug

#include <Eigen/Dense>
using namespace std
using namespace Eigen
MatrixXd add_mat(MatrixXd A_mat, MatrixXd B_mat)
{
  return A_mat + B_mat;
}

第四步：使用pybind11為cpp_python.cpp添加python接口

// cpp_python.cpp : 此文件包含 "main" 函數(shù)。程序執(zhí)行將在此處開始并結束。
//
#include <pybind11/pybind11.h>
#include <pybind11/eigen.h>
#include<pybind11/numpy.h>
#include<fstream>
#include<iostream>
#include <Eigen/Dense>
using namespace std;
using namespace Eigen;
 
MatrixXd add_mat(MatrixXd A_mat, MatrixXd B_mat)
{
    return A_mat + B_mat;
}
 
namespace py = pybind11;
PYBIND11_MODULE(add_mat_moudle, m)
{
    m.doc() = "Matrix add";//解釋說明
    m.def("mat_add_py"/*在pyhon中使用的函數(shù)名*/, &add_mat);
}

第五步：設置setup.py用來編譯c++代碼

from setuptools import setup
from setuptools import Extension

add_mat_module = Extension(name='add_mat_moudle', # 模塊名稱
              sources=['cpp_python.cpp'],  # 源碼
              include_dirs=[r'.\eigen-3.3.8',
                    r'.\env\Scripts',   # 依賴的第三方庫的頭文件
                     r'.\env\Lib\site-packages\pybind11\include']
              )

setup(ext_modules=[add_mat_module])

第六步：編譯測試