我可以强迫一个numpy ndarray获取其内存的所有权吗？

Question

我有一个C函数mallocs()并填充浮点数的二维数组.它"返回"该地址和数组的大小.签名是

int get_array_c(float** addr, int* nrows, int* ncols);

我想用Python调用它,所以我使用ctypes.

import ctypes
mylib = ctypes.cdll.LoadLibrary('mylib.so')
get_array_c = mylib.get_array_c

我从未弄清楚如何使用ctypes指定参数类型.我倾向于为我正在使用的每个C函数编写一个python包装器,并确保我在包装器中获得正确的类型.浮点数组是按主列顺序排列的矩阵,我想把它作为numpy.ndarray.但它非常大,所以我想使用C函数分配的内存,而不是复制它.(我刚刚在StackOverflow中找到了这个PyBuffer_FromMemory的答案:https://stackoverflow.com/a/4355701/3691 )

buffer_from_memory = ctypes.pythonapi.PyBuffer_FromMemory
buffer_from_memory.restype = ctypes.py_object

import numpy
def get_array_py():
    nrows = ctypes.c_int()
    ncols = ctypes.c_int()
    addr_ptr = ctypes.POINTER(ctypes.c_float)()
    get_array_c(ctypes.byref(addr_ptr), ctypes.byref(nrows), ctypes.byref(ncols))
    buf = buffer_from_memory(addr_ptr, 4 * nrows * ncols)
    return numpy.ndarray((nrows, ncols), dtype=numpy.float32, order='F',
                         buffer=buf)

这似乎给了我一个具有正确值的数组.但我很确定这是一个内存泄漏.

>>> a = get_array_py()
>>> a.flags.owndata
False

该阵列不拥有内存.很公平; 默认情况下,当从缓冲区创建数组时,它不应该.但在这种情况下它应该.删除numpy数组时,我真的很想让python为我释放缓冲区内存.似乎我可以强制将owndata强制为True,那应该这样做,但是owndata是不可设置的.

不满意的解决方案:

1. 让get_array_py()的调用者负责释放内存.这太烦人了; 调用者应该能够像任何其他numpy数组一样处理这个numpy数组.

2. 将原始数组复制到get_array_py中的新numpy数组(具有自己的独立内存),删除第一个数组,并释放get_array_py()中的内存.返回副本而不是原始数组.这很烦人,因为它应该是不必要的内存副本.

有办法做我想要的吗？我不能修改C函数本身,虽然我可以在库中添加另一个C函数,如果这有用的话.

Answer 1

我只是偶然发现了这个问题,这在2013年8月仍然是一个问题.Numpy对OWNDATA旗帜非常挑剔:在Python级别上无法修改它,因此ctypes很可能无法做到这一点.在numpy C-API级别 - 现在我们讨论的是一种完全不同的制作Python扩展模块的方法 - 必须使用以下方法明确设置标志:

PyArray_ENABLEFLAGS(arr, NPY_ARRAY_OWNDATA);

在numpy <1.7,一个必须更加明确:

((PyArrayObject*)arr)->flags |= NPY_OWNDATA;

如果对底层C函数/库有任何控制权,最好的解决方案是从Python传递一个适当大小的空numpy数组来存储结果.基本原则是内存分配应始终在最高位置完成可能的级别,在这种情况下在Python解释器的级别上.

正如kynan在下面评论的那样,如果你使用Cython,你必须PyArray_ENABLEFLAGS手动公开该函数,请参阅这篇文章强制NumPy ndarray在Cython中获取其内存的所有权.

相关文档在这里 和这里.

Answer 2

我倾向于从我的 C 库中导出两个函数：

int get_array_c_nomalloc(float* addr, int nrows, int ncols); /* Pass addr as argument */
int get_array_c(float **addr, int nrows, int ncols); /* Calls function above */

然后，我将编写 get_array_c 的 Python 包装器 [1] 来分配数组，然后调用 get_array_c_nomalloc。那么Python确实拥有了内存。您可以将此包装器集成到您的库中，这样您的用户就不必知道 get_array_c_nomalloc 的存在。

[1] 这不再是真正的包装器，而是一个适配器。