混合编程[python+cpp+cuda]

---

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<pybind11/pybind11.h>

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；pybind11—python numpy与C++数据传递：

#include<pybind11/pybind11.h>
#include<pybind11/numpy.h>

namespace py = pybind11;

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

  py::buffer_info buf1 = array.request();
  float *p = (float *)buf1.ptr;
  for (int i=0; i<col; i++){
    printf("cur value %lf
", *p++);
  }
  return 0;
}



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

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,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<cuda_runtime.h>
#include<stdio.h>

__global__ void
kernel(){
    printf("inside in kernel
");
}

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<pybind11/pybind11.h>
#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  example`python3-config --extension-suffix`

此时生成结果

然后使用