在Cython中调用点积和线性代数运算？
我正在尝试使用点积，matrix求逆和其他基本的线性代数运算，这些运算可以从Cython的numpy中获得。 函数如numpy.linalg.inv （反转）， numpy.dot （点积）， Xt （matrix/数组的转置）。 调用numpy.*有很大的开销，从Cython函数和其余的函数是用Cython编写的，所以我想避免这种情况。
如果我假设用户安装了numpy ，有没有办法做到这样的事情：
#include "numpy/npy_math.h"
作为一个extern ，并且调用这些函数？ 或者直接调用BLAS（或者是这些核心操作的numpy调用）？
举一个例子，假设你在Cython中有一个函数做很多事情，最后需要做一个包含点积和matrix求逆的计算：
cdef myfunc(...): # ... do many things faster than Python could # ... # compute one value using dot products and inv # without using # import numpy as np # np.* val = gammaln(sum(v)) - sum(gammaln(v)) + dot((v - 1).T, log(x).T)
如何才能做到这一点？ 如果有一个库已经在Cython中实现了，我也可以使用它，但没有find任何东西。 即使这些程序不是直接比BLAS优化的，也没有从Cython调用numpy Python模块的开销，但仍然会使整体速度更快。
示例函数我想要调用：
- 点积（
np.dot） - matrix求逆（
np.linalg.inv） - matrix乘法
- 转置（相当于
xT） - gammaln函数（如
scipy.gammaln等价物，它应该在C中可用）
我意识到，它在numpy邮件列表（ https://groups.google.com/forum/?fromgroups=#!topic/cython-users/XZjMVSIQnTE ）上说，如果你在大型matrix中调用这些函数，没有任何意义从Cython做它，因为从numpy调用它只会导致大部分的时间花在优化的C代码，numpy调用。 然而，就我而言，我对这些小matrix上的这些线性代数运算有很多要求 – 在这种情况下，从Cython反复地返回numpy并返回到Cython引入的开销远远大于实际计算操作的时间BLAS。 因此，我想把这些简单的操作放在C / Cython级别，而不是通过python。
我不想通过GSL，因为这增加了另一个依赖，因为目前还不清楚GSL是否积极维护。 由于我假设代码的用户已经安装了scipy / numpy，所以我可以安全地假设他们有所有与这些库相关的关联C代码，所以我只想要能够使用该代码并调用它从Cython。
编辑 ：我发现一个图书馆封装BLAS在Cython（ https://github.com/tokyo/tokyo ）这是接近，但不是我在找什么。 我想直接调用numpy / scipy C函数（我假设用户安装了这些）。
调用与Scipy捆绑在一起的BLAS是“相当”直接的，下面是调用DGEMM来计算matrix乘法的一个例子： https ://gist.github.com/pv/5437087 请注意，BLAS和LAPACK期望所有的数组都是Fortran连续的（模lda / b / c参数），因此order="F"和double[::1,:]是正确运行所需的。
计算逆可以通过在单位matrix上应用LAPACK函数dgesv来类似地完成。 签名请看这里 。 所有这一切都需要下降到相当低层次的编码，你需要自己分配临时工作数组等等—但是这些可以被封装到自己的便利函数中，或者只是通过replacelib_*函数来重复使用来自tokyo的代码用上面的方式从Scipy获得函数指针。
如果你使用Cython的memoryview语法（ double[::1,:] ），你的转置和往常一样。 或者，您可以通过编写自己的函数来计算转置，该函数可以跨越对angular线交换arrays的元素。 Numpy实际上并不包含这个操作， xT只改变数组的步幅，不移动数据。
重写tokyo模块可能会使用Scipy导出的BLAS / LAPACK，并将其捆绑在scipy.linalg ，以便您可以from scipy.linalg.blas cimport dgemm 。 如果有人想要接受请求，则接受请求 。
正如你所看到的，这一切都归结为传递函数指针。 如上所述，Cython实际上提供了自己的协议来交换函数指针。 举个例子， from scipy.spatial import qhull; print(qhull.__pyx_capi__) from scipy.spatial import qhull; print(qhull.__pyx_capi__) —这些函数可以通过from scipy.spatial.qhull cimport XXXX来访问（它们是私有的，所以不要这样做）。
但是，目前， scipy.special不提供这个C-API。 但是事实上，提供它会非常简单，因为scipy.special中的接口模块是用Cython编写的。
我不认为目前有任何一种理智和便携的方式来访问这个function，为gamln做繁重的gamln （虽然你可以窥探UFunc对象，但这不是一个理智的解决scheme:)，所以目前可能最好只抓住scipy.special的源代码的相关部分，并将其捆绑到您的项目中，或使用例如GSL。
如果您接受使用GSL，最简单的方法可能是使用这个GSL-> cython接口https://github.com/twiecki/CythonGSL并从那里调用BLAS（请参阅示例https://github.com/twiecki /CythonGSL/blob/master/examples/blas2.pyx ）。 它也应该照顾Fortran vs C的顺序。 GSL的新function并不多，但您可以放心地认为它是主动维护的。 与东京相比，CythonGSL更完整; 例如，它具有对称matrix产品，不存在于数字中。
