Python 使用Cython包装LAPACKE函数
我试图用Cython包装LAPACK函数(三对角方程组的求解器) 我遇到过,但是由于Python 使用Cython包装LAPACKE函数,python,numpy,linear-algebra,cython,lapack,Python,Numpy,Linear Algebra,Cython,Lapack,我试图用Cython包装LAPACK函数(三对角方程组的求解器) 我遇到过,但是由于dgtsv不是包装在scipy.linalg中的LAPACK函数之一,我认为我不能使用这种特殊的方法。相反,我一直在努力跟随 以下是我的lapacke.pxd文件的内容: ctypedef int lapack_int cdef extern from "lapacke.h" nogil: int LAPACK_ROW_MAJOR int LAPACK_COL_MAJOR lapac
dgtsv
不是包装在scipy.linalg
中的LAPACK函数之一,我认为我不能使用这种特殊的方法。相反,我一直在努力跟随
以下是我的lapacke.pxd
文件的内容:
ctypedef int lapack_int
cdef extern from "lapacke.h" nogil:
int LAPACK_ROW_MAJOR
int LAPACK_COL_MAJOR
lapack_int LAPACKE_dgtsv(int matrix_order,
lapack_int n,
lapack_int nrhs,
double * dl,
double * d,
double * du,
double * b,
lapack_int ldb)
…这是我在\u solvers.pyx
中的薄Cython包装:
#!python
cimport cython
from lapacke cimport *
cpdef TDMA_lapacke(double[::1] DL, double[::1] D, double[::1] DU,
double[:, ::1] B):
cdef:
lapack_int n = D.shape[0]
lapack_int nrhs = B.shape[1]
lapack_int ldb = B.shape[0]
double * dl = &DL[0]
double * d = &D[0]
double * du = &DU[0]
double * b = &B[0, 0]
lapack_int info
info = LAPACKE_dgtsv(LAPACK_ROW_MAJOR, n, nrhs, dl, d, du, b, ldb)
return info
…下面是一个Python包装器和测试脚本:
import numpy as np
from scipy import sparse
from cymodules import _solvers
def trisolve_lapacke(dl, d, du, b, inplace=False):
if (dl.shape[0] != du.shape[0] or dl.shape[0] != d.shape[0] - 1
or b.shape != d.shape):
raise ValueError('Invalid diagonal shapes')
if b.ndim == 1:
# b is (LDB, NRHS)
b = b[:, None]
# be sure to force a copy of d and b if we're not solving in place
if not inplace:
d = d.copy()
b = b.copy()
# this may also force copies if arrays are improperly typed/noncontiguous
dl, d, du, b = (np.ascontiguousarray(v, dtype=np.float64)
for v in (dl, d, du, b))
# b will now be modified in place to contain the solution
info = _solvers.TDMA_lapacke(dl, d, du, b)
print info
return b.ravel()
def test_trisolve(n=20000):
dl = np.random.randn(n - 1)
d = np.random.randn(n)
du = np.random.randn(n - 1)
M = sparse.diags((dl, d, du), (-1, 0, 1), format='csc')
x = np.random.randn(n)
b = M.dot(x)
x_hat = trisolve_lapacke(dl, d, du, b)
print "||x - x_hat|| = ", np.linalg.norm(x - x_hat)
不幸的是,test\u trisolve
只是在调用\u solvers.TDMA\u lapacke
时对故障进行分段。
我非常确定我的setup.py
是正确的-ldd\u解算器。因此
显示了\u解算器。因此
在运行时被链接到正确的共享库
我真的不知道如何从这里开始-有什么想法吗
简短更新: 对于
n
的较小值,我倾向于不立即得到segfaults,但我确实得到了无意义的结果(| | x-x|u hat | | | |应该非常接近0):
通常
LAPACKE_dgtsv
返回代码0
(这应该表示成功),但偶尔我会得到-7
,这意味着参数7(b
)的值非法。发生的情况是,只有b
的第一个值实际上被修改到位。如果我继续调用test\u trisolve
,即使n
很小,我最终也会遇到一个segfault。好的,我最终找到了答案-似乎我误解了本例中的行和列major指的是什么
由于C-连续数组遵循行主顺序,我假设应该指定LAPACK\u row\u major
作为LAPACKE\u dgtsv
的第一个参数
事实上,如果我改变
info = LAPACKE_dgtsv(LAPACK_ROW_MAJOR, ...)
到
那么我的功能就起作用了:
test_trisolve2.test_trisolve()
0
||x - x_hat|| = 6.67064747632e-12
这似乎与我的直觉背道而驰——有人能解释为什么会出现这种情况吗?尽管这个问题已经很老了,但似乎仍然是相关的。 观察到的行为是对参数LDB的错误解释的结果:
- Fortran数组是主列,数组B的前导维度对应于N。因此LDB>=max(1,N)李>
- 行主LDB对应于NRHS,因此必须满足LDB>=max(1,NRHS)的条件
info = LAPACKE_dgtsv(LAPACK_COL_MAJOR, ...)
test_trisolve2.test_trisolve()
0
||x - x_hat|| = 6.67064747632e-12