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。共享库使用sse2指令在C中实现。启用优化，即使用-O2或-O1构建库时，我在通过ctypes调用共享库时遇到奇怪的段错误。禁用优化（-O0），一切都按预期进行，就像直接将库链接到c程序（优化与否）一样。附上你发现一个剪辑，显示我的系统上描绘的行为。启用优化后，gdb将在emmintrin.h：113中的__builtin_ia32_loadupd（__P）中报告段错误。 __P的值报告为已优化。

test.c的：

#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调用测试按预期工作：

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;

}

编译并致电：
gcc -std = c99 -otestc -msse2 -L。 -ltest call_from_c.c
export LD_LIBRARY_PATH = $ {LD_LIBRARY_PATH}：。
./testc
......有效。

我的系统：

Ubuntu Linux i686 2.6.31-22-generic
编译器：gcc（Ubuntu 4.4.1-4ubuntu9）
Python：Python 2.6.4（r264：75706，2009年12月7日，18：45：15）[GCC 4.4.1]
Numpy：1.4.0

我已采取规定（参见Python代码）使y对准和x的取向并不重要（我想;明确地对准X不虽然解决问题）。

另请注意，在加载b和f时，我使用_mm_loadu_pd而不是_mm_load_pd。对于仅C版本_mm_load_pd工作（如预期的那样）。但是，通过ctypes调用函数时使用 _mm_load_pd始终是segfaults（独立于优化）。

我已经尝试了好几天来解决这个问题而没有成功......我正在濒临监视器死亡。欢迎任何投入。丹尼尔

Answer 1

我只是因为尝试从python调用一些SSE代码而感到困惑，问题似乎是GCC想要假设堆栈在16字节边界上对齐（架构上最大的本机类型，即SSE类型），并用该假设计算所有偏移量。当该假设为假时，SSE指令将陷阱。

答案似乎是用

gcc -mstackrealign

编译，它改变了函数序言，以便始终将堆栈对齐到16个字节。

Answer 2

尝试使用numpy构建系统构建扩展，以打折潜在的cflags / ldflags差异： http://projects.scipy.org/numpy/wiki/NumpySconsExtExamples

Answer 3

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

sudo easy_install -U numpy

当我尝试使用H5PY时，我遇到了与ctypes类似的问题（我不得不重新编译.deb以获得最新版本的numpy）以及编织的主要问题是最新的升级已经修复。

numpy通过ctypes调用sse2

3 个答案: