通过ctype调用sse2

Question

简而言之，我试图从python调用一个共享库，更具体地说，从numpy调用。共享库是用C语言使用sse2指令实现的。启用优化，即使用-O2或-O1构建库时，当通过ctype调用共享库时，我将面临奇怪的分段错误。禁用优化(-O0)，一切都按预期进行，就像将库直接链接到c程序(优化与否)一样。附件中，你发现了一个片段，它显示了我的系统所描述的行为。在启用优化的情况下，gdb在__builtin_ia32_loadupd (__P)的emmintrin.h:113中报告了一个分段错误。据报告，__P的值是优化的。

测试.c：

#include <emmintrin.h>
#include <complex.h>
void test(const int m, const double* x, double complex* y) {

    int i;
    __m128d _f, _x, _b;
    double complex f __attribute__( (aligned(16)) );
    double complex b __attribute__( (aligned(16)) );
    __m128d* _p;

    b = 1;
    _b = _mm_loadu_pd( (double *) &b );

    _p = (__m128d*) y;

    for(i=0; i<m; ++i) {
        f = cexp(-I*x[i]);
        _f = _mm_loadu_pd( (double *) &f );
        _x = _mm_loadu_pd( (double *) &x[i] );      
        _f = _mm_shuffle_pd(_f, _f, 1);
        *_p = _mm_add_pd(*_p, _f);
        *_p = _mm_add_pd(*_p, _x); 
        *_p = _mm_mul_pd(*_p,_b);
        _p++;
    }
    return;
}

编译器标志: gcc -o libtest.so -shared -std=c99 -msse2 -fPIC -O2 -g -lm test.c

test.py：

import numpy as np
import os

def zerovec_aligned(nr, dtype=np.float64, boundary=16):
    '''Create an aligned array of zeros.
    '''
    size = nr * np.dtype(dtype).itemsize
    tmp = np.zeros(size + boundary, dtype=np.uint8)
    address = tmp.__array_interface__['data'][0]
    offset = boundary - address % boundary
    return tmp[offset:offset + size].view(dtype=dtype)


lib = np.ctypeslib.load_library('libtest', '.' )
lib.test.restype = None
lib.test.argtypes = [np.ctypeslib.ctypes.c_int,
                     np.ctypeslib.ndpointer(np.float64, flags=('C', 'A') ),
                     np.ctypeslib.ndpointer(np.complex128, flags=('C', 'A', 'W') )]


n = 13
y = zerovec_aligned(n, dtype=np.complex128)
x = np.ones(n, dtype=np.float64)
# x = zerovec_aligned(n, dtype=np.float64)
# x[:] = 1.

lib.test(n,x,y)

从C调用测试如预期的那样工作：

call_from_c.c：

#include <stdio.h>
#include <complex.h>
#include <stdlib.h>
#include <emmintrin.h>

void test(const int m, const double* x, double complex* y);

int main() {

    int i; 
    const int n = 11;
    double complex *y = (double complex*) _mm_malloc(n*sizeof(double complex), 16);
    double *x = (double *) malloc(n*sizeof(double));
    for(i=0; i<n; ++i) {
        x[i] = 1;
        y[i] = 0;
    }

    test(n, x, y);
    for(i=0; i<n; ++i)
            printf("[%f %f]\n", creal(y[i]), cimag(y[i]));

    return 1;

}

编译和调用：

gcc -std=c99 -otestc -msse2 -L。-ltest call_from_c.c

导出LD_LIBRARY_PATH=${LD_LIBRARY_PATH}：。

./测试c

..。很管用。

我的系统：

• Ubuntu 2.6.31-22-通用
• 编译器: gcc (Ubuntu
• Python2.6.4(r 264:75706,2009年12月7日，18:45:15) GCC 4.4.1
• Numpy: 1.4.0

我已经采取了措施。python代码)y是对齐的，x的对齐应该无关紧要(我认为，显式地对x并不能解决问题)。

还要注意的是，当加载b和f时，我使用的是_mm_loadu_pd而不是_mm_load_pd，因为只有C版本的_mm_load_pd工作(如预期的那样)。但是，当使用_mm_load_pd通过ctype调用函数时，总是分段错误(独立于优化)。

我已经试了好几天来解决这个问题，但没有成功.我差点把我的班长打死。欢迎任何意见。丹尼尔

Answer 1

尝试使用numpy构建系统构建您的扩展，以减少潜在的c173/ to标志差异：http://projects.scipy.org/numpy/wiki/NumpySconsExtExamples

Answer 2

您是否尝试升级到Numpy 1.5.0b2。只需运行以下命令(但是要小心，它可能会破坏其他东西(您必须重新编译所有pyrex)：

sudo easy_install -U numpy

当我尝试使用H5PY (我必须重新编译.deb以获得最新版本的numpy)时，ctype也出现了类似的问题，而且最近的升级修复了weave的一些主要问题。