快速将数据从 numpy 复制到 ctypes

Question

我有一个在 c++ 和 python 进程之间共享的 ctypes 对象。python 进程从该对象获取输入值，通过 Tensorflow 运行它们，然后留下一个 numpy 数组作为输出。由于这些数组非常大，我想知道是否有更好的方法将数据从张量流的输出复制回共享 ctypes 对象，以便 c++ 进程可以对它们进行操作。（速度是问题，是的。）

现在我正在一一复制每个值：

output = np.array([12, 13, 11, 10]) # in reality this is fairly large (the Tensorflow result)
for i, value in enumerate(output):
    data.pressure[i] = ctypes.c_double(value)

其中 data 是内存中共享的 ctypes 对象。（在此示例之后构建）

另一方面，将数据从 ctypes 对象复制到 numpy 很容易，我想知道是否有相反的东西（从 numpy 到 ctypes 数组）这是简单的代码：

# Creating a numpy array from the ctypes array
input = np.reshape(data.velocity, (1, 29791))
# Tensorflow returns a numpy array
output = sess.run(final, feed_dict={Input: input}) 
# Now how do I get the data from output into data.pressure?

编辑：作为参考，这就是 ctypes 的样子（python 端）

class TransferData(ctypes.Structure):
    _fields_ = [
        ('statusReady', ctypes.c_bool),
        # ...
        ('velocity', ctypes.c_double * (31 * 31 * 31)),
        ('pressure', ctypes.c_double * (31 * 31 * 31))
    ]

Answer 1

这显示了如何将整个数据块从 numpy 数组复制到 ctypes 数组：

import numpy as np
import ctypes


# Preparing example

class TransferData(ctypes.Structure):
    _fields_ = [
        ('statusReady', ctypes.c_bool),
        ('velocity', ctypes.c_double * 4),
        ('pressure', ctypes.c_double * 4)
    ]


data = TransferData()
output = np.array([12., 13., 11., 10.])


# Actual code

# Both values should be equal but there could be problems with alignment settings
assert ctypes.sizeof(data.pressure) == output.nbytes

ctypes.memmove(ctypes.byref(data.pressure), output.ctypes.data, output.nbytes)


print(list(data.pressure))