如果您对Cython：“严重错误：numpy/arrayobject.h：没有此类文件或目录”和numpyhasnoattributelinespace感兴趣，那么这篇文章一定是您不可错过的。我们将详
如果您对Cython：“严重错误：numpy / arrayobject.h：没有此类文件或目录”和numpy has no attribute linespace感兴趣，那么这篇文章一定是您不可错过的。我们将详细讲解Cython：“严重错误：numpy / arrayobject.h：没有此类文件或目录”的各种细节，并对numpy has no attribute linespace进行深入的分析，此外还有关于AWS EC2 Nodejs |严重错误：无效的标记压缩接近堆限制分配失败-vuejs项目中的JavaScript堆内存不足、C++：找不到 numpy/arrayobject.h 和 Python.h、Cython 基础 --Cython 入门、Cython 循环优化 | Python 循环 => Cython 循环的实用技巧。
本文目录一览：- Cython：“严重错误：numpy / arrayobject.h：没有此类文件或目录”（numpy has no attribute linespace）
- AWS EC2 Nodejs |严重错误：无效的标记压缩接近堆限制分配失败-vuejs项目中的JavaScript堆内存不足
- C++：找不到 numpy/arrayobject.h 和 Python.h
- Cython 基础 --Cython 入门
- Cython 循环优化 | Python 循环 => Cython 循环
Cython：“严重错误：numpy / arrayobject.h：没有此类文件或目录”（numpy has no attribute linespace）
我试图加快答案在这里使用用Cython。我尝试编译代码（在完成此处cygwinccompiler.py介绍的hack之后），但出现错误。谁能告诉我我的代码是否有问题，或者Cython有点神秘？fatal error:numpy/arrayobject.h: No such file ordirectory...compilation terminated
下面是我的代码。
import numpy as npimport scipy as spcimport numpy as npcimport cythoncdef inline np.ndarray[np.int, ndim=1] fbincount(np.ndarray[np.int_t, ndim=1] x): cdef int m = np.amax(x)+1 cdef int n = x.size cdef unsigned int i cdef np.ndarray[np.int_t, ndim=1] c = np.zeros(m, dtype=np.int) for i in xrange(n): c[<unsigned int>x[i]] += 1 return ccdef packed struct Point: np.float64_t f0, f1@cython.boundscheck(False)def sparsemaker(np.ndarray[np.float_t, ndim=2] X not None, np.ndarray[np.float_t, ndim=2] Y not None, np.ndarray[np.float_t, ndim=2] Z not None): cdef np.ndarray[np.float64_t, ndim=1] counts, factor cdef np.ndarray[np.int_t, ndim=1] row, col, repeats cdef np.ndarray[Point] indices cdef int x_, y_ _, row = np.unique(X, return_inverse=True); x_ = _.size _, col = np.unique(Y, return_inverse=True); y_ = _.size indices = np.rec.fromarrays([row,col]) _, repeats = np.unique(indices, return_inverse=True) counts = 1. / fbincount(repeats) Z.flat *= counts.take(repeats) return sp.sparse.csr_matrix((Z.flat,(row,col)), shape=(x_, y_)).toarray()答案1
小编典典在你里面setup.py，Extension应该有论据include_dirs=[numpy.get_include()]。
另外，您np.import_array()的代码中缺少您。
-
示例setup.py：
from distutils.core import setup, Extensionfrom Cython.Build import cythonizeimport numpysetup( ext_modules=[ Extension("my_module", ["my_module.c"], include_dirs=[numpy.get_include()]), ],)# Or, if you use cythonize() to make the ext_modules list,# include_dirs can be passed to setup()setup( ext_modules=cythonize("my_module.pyx"), include_dirs=[numpy.get_include()])
AWS EC2 Nodejs |严重错误：无效的标记压缩接近堆限制分配失败-vuejs项目中的JavaScript堆内存不足
如何解决AWS EC2 Nodejs |严重错误：无效的标记压缩接近堆限制分配失败-vuejs项目中的JavaScript堆内存不足
我正在AWS ec2实例（t2.small）上运行nodejs应用。之后大约一个星期。以下是内存不足错误。搜索相同的问题，发现有一种解决方法可以增加“ --max-old-space-size”选项。但是，我的问题是
- 如果我将--max-old-space-size设置为4096（4gb）。我是否需要更新aws实例以获取更多的内存（因为小字体只有2 GB内存）
- 此max-old-space-size设置，最终还会达到内存限制吗？开始时，该应用程序运行良好，但一段时间后，该应用程序被压缩。如果那样，如何有效解决这个问题？
完整的错误消息如下：
[30600：0x5007800] 429029005 ms：扫频977.8（1007.7）-> 970.6（1008.9）MB，2379.3 / 0.5 ms（平均mu = 0.220，当前mu = 0.190）分配失败清除可能 成功了 [30600：0x5007800] 429031937毫秒：扫频979.0（1008.9）-> 971.8（1010.4）MB，2396.6 / 0.4毫秒（平均亩= 0.202，当前亩= 0.183）分配失败清除可能 成功了
致命错误：接近堆限制的无效标记紧凑分配失败-JavaScript堆内存不足 1：0xa02ec0节点：: Abort（）[节点] 2：0x94e471 node :: FatalError（char const *，char const *）[node] 3：0xb765de v8 :: Utils :: ReportOOMFailure（v8 :: internal :: Isolate *，char const *，bool）[node] 4：0xb76957 v8 :: internal :: V8 :: FatalProcessOutOfMemory（v8 :: internal :: Isolate *，char const *，bool）[node] 5：0xd311f5 [node] 6：0xd31d7f [node] 7：0xd3fe0b v8 :: internal :: Heap :: CollectGarbage（v8 :: internal :: AllocationSpace，v8 :: internal :: GarbageCollectionReason，v8 :: GCCallbackFlags）[node] 8：0xd439cc v8 :: internal :: Heap :: AllocaterawWithRetryOrFailSlowPath（int，v8 :: internal :: AllocationType，v8 :: internal :: Allocationorigin，v8 :: internal :: AllocationAlignment）[否 de] 9：0xd120ab v8 :: internal :: Factory :: NewFillerObject（int，bool，v8 :: internal :: AllocationType，v8 :: internal :: Allocationorigin）[节点] 10：0x105802f v8 :: internal :: Runtime_AllocateInYoungGeneration（int，unsigned long *，v8 :: internal :: Isolate *）[节点] 11：0x13fdfd9 [节点] ./backend.sh：第6行：30600中止的节点server.js
感谢您的所有帮助！
C++：找不到 numpy/arrayobject.h 和 Python.h
如何解决C++：找不到 numpy/arrayobject.h 和 Python.h
我正在尝试编译以下 C++ 文件
#include <iostream>#include <Python.h>#include <numpy/npy_math.h>using namespace std;int main(){cout << "Hello World" << endl; // prints value of i}
以下内容
clang++ main.cpp -std=c++1y
它返回：main.cpp:3:10: Fatal error: ''Python.h'' file not found
然后我找到了这个解决方案 Python.h header file missing on Mac OS X 10.6 然后我将文件更改为
#include <iostream>#include <Python/Python.h>#include <numpy/npy_math.h>using namespace std;int main(){cout << "Hello World" << endl; // prints value of i}
它有效，但出现了第二个问题：main.cpp:3:10: Fatal error: ''numpy/npy_math.h'' file not found
好的，然后我找到numpy的路径
clang++ main.cpp -std=c++1y -I /Users/nicolas/opt/anaconda3/lib/python3.7/site-packages/numpy/core/include
然后，它返回
/Users/nicolas/opt/anaconda3/lib/python3.7/site-packages/numpy/core/include/numpy/npy_common.h:11:10: 致命错误: ''Python.h'' 文件未找到
#include
有人可以帮我吗？
解决方法
您可以通过打开 npy_common.h 并将 #include <Python.h> 更改为 #include <Python/Python.h> 或 #include <../../Python/Python.h> 或该文件的相对路径来快速解决此问题，甚至可以复制文件 Python .h 到 Users/nicolas/opt/anaconda3/lib/python3.7/site-packages/numpy/core/include/numpy/ 文件夹
找不到文件的原因是npy_common.h在同一目录下寻找Python.h
Cython 基础 --Cython 入门
Cython入门
1 Cython 是什么？
对你没有看错，是 Cython, 不是 Python
当初也我也对这个名字感到很奇怪，但是了解之后，再才知这是我一直想要的工具，比起 swig，这个工具要好上很多
它是一个用来快速生成 python 扩展模块 (extention module) 的工具
它的语法是 python 语言语法和 C 语言语法的混血
他比 swig 更容易编写 python 的扩展模块
也许你会说 swig 可以直接通过 c 的头文件生成扩展模块，但是 swig 对回调函数的支持不是很好，
另外，如果用 swig，很多情况下，你要写额外的代码将输入的参数转换成 python 对象以及将输出转成 python 对象，例如如果封装的一个 C 函数的参数是输入输出的话，又如如果 C 函数的参数中有回调函数的话
而在 Cython，C 里的类型，如 int,float,long，char * 等都会在必要的时候自动转成 python 对象，或者从 python 对象转成 C 类型，在转换失败时会抛出异常，这正是 Cython 最神奇的地方
另外，Cython 对回调函数的支持也很好。
总之，如果你有写 python 扩展模块的需求，那么 Cython 真的是一个很好的工具
2 安装
2.1 Windows 下安装
先从 http://cython.org 下载软件包：Cython-0.19.2.zip
解压到一个目录，如 D:\Cython-0.19.2
从开始菜单里打开 Visual Studio Command Prompt，例如：MicroSoft Visual Studio 2010-> Visual Studio Tools -> Visual Studio Command Prompt (2010)
敲入如下命令：
D:
cd Cython-0.19.2
python setup.py install
命令执行完后就会把 cython 安装到 python 的安装目录下
2.2 Ubuntu 下安装
apt-get install cython
3 第一个例子：
3.1 创建 helloworld 目录
创建 helloworld.pyx, 内容如下：
cdef extern from"stdio.h":
extern int printf(const char *format, ...)
def SayHello():
printf("hello,world\n")
代码非常简单，就是调用了 C 函数 printf 打印 hello,world
4 如何编译
4.1 最方便的当然是利用 python 的 Distutils 了，看下如何来实现
先在 helloworld 目录下创建 Setup.py, 内容如下：
from distutils.core import setup
from distutils.extension import Extension
from Cython.Build import cythonize
setup(
name = ''helloworld'',
ext_modules=cythonize([
Extension("helloworld", ["helloworld.pyx"]),
]),
)编译：
python Setup.py build
安装：
python Setup.py install
安装后，会将在 build/lib.??? 目录下生成的 helloworld.pyd 拷贝到 Lib/site-packages
注：
有时我们只是希望测试一下，并不希望安装，这时可以把 build/lib.??? 目录下的 helloworld.pyd 拷贝到当前目录
或者在 import helloworld 前执行脚本:import sys;sys.path.append (pathof helloworld.pyd)
测试：
>>>import helloworld
>>>helloworld.SayHello()
hello,world
4.2 其次就是可以自己写 Makefile 进行编译
写 Makefile 的好处就是可以知道编译的实质：
下面是用于 Windows 下编译的 Makefile，Makefile 内容如下:
ALL :helloworld.pyd
helloworld.c : helloworld.pyx
cython -o helloworld.c helloworld.pyx
helloworld.obj :helloworld.c
cl -c -Id:\python27\include helloworld.c
helloworld.pyd :helloworld.obj
link /DLL /LIBPATH:d:\python27\libshelloworld.obj /OUT:helloworld.pyd执行命令:
set PATH=D:\Python27\Scripts;%PATH%
nmake
进行编译，会在根目录下生成 helloworld.pyd
linux 下的 Makefile 和 Windows 下的类似，只是编译器不同而己，另外，生成的文件名为:helloworld.so，而不是 helloworld.pyd
测试：
>>>import helloworld
>>>helloworld.SayHello()
hello,world
(完)
本文示例下载
Cython
Cython 循环优化 | Python 循环 => Cython 循环
如何解决Cython 循环优化 | Python 循环 => Cython 循环
我需要加速我的 Python 循环，我决定为此选择 Cython。不幸的是，我没有使用 Cython（和 C lang）的经验。我在 Cython 中创建快速循环的尝试失败了。
这是我的 Python 函数：
def backtest(data,min_distance):
balance = 1000
t1 = time()
for shift_1 in range(1,101):
for shift_2 in range(1,101):
for shift_3 in range(1,101):
if shift_2 > shift_1 * min_distance and shift_3 > shift_2 * min_distance:
pnls_shift_1 = data[shift_1 / 10]
pnls_shift_2 = data[shift_2 / 10]
pnls_shift_3 = data[shift_3 / 10]
for pnl in pnls_shift_1:
balance *= (pnls_shift_1[pnl] / 100) * (33 / 100)
if pnl in pnls_shift_2:
balance *= (pnls_shift_2[pnl] / 100) * (33 / 100)
if pnl in pnls_shift_3:
balance *= (pnls_shift_3[pnl] / 100) * (33 / 100)
print(time() - t1)
return balance
这是我尝试过的（Cython）：
def backtest(dict data,float min_distance):
cdef dict pnls_shift_1,pnls_shift_2,pnls_shift_3
cdef int shift_1,shift_2,shift_3,pnl
cdef int balance = 1000
t1 = time()
for shift_1 in range(1,101):
if shift_2 > shift_1 * min_distance and shift_3 > shift_2 * min_distance:
pnls_shift_1 = data[shift_1 / 10]
pnls_shift_2 = data[shift_2 / 10]
pnls_shift_3 = data[shift_3 / 10]
for pnl in pnls_shift_1:
balance *= (pnls_shift_1[pnl] / 100) * (33 / 100)
if pnl in pnls_shift_2:
balance *= (pnls_shift_2[pnl] / 100) * (33 / 100)
if pnl in pnls_shift_3:
balance *= (pnls_shift_3[pnl] / 100) * (33 / 100)
print(time() - t1)
return balance
结果，Cython 中的执行时间比原生 Python 还要长。 我认为问题出在我使用的 Python 字典中，但我不确定。我试图从 dict 切换到 list，但它很糟糕，最后什么也没发生。
我的输入字典如下所示： {0.1: {1: -2.5,4: 3},0.2: {3: -1.5,4: 1,6: 0.24},... {10.0: {...}}}
如果有人建议在 Cython 中优化此循环，我将不胜感激。
关于Cython：“严重错误：numpy / arrayobject.h：没有此类文件或目录”和numpy has no attribute linespace的介绍已经告一段落，感谢您的耐心阅读，如果想了解更多关于AWS EC2 Nodejs |严重错误：无效的标记压缩接近堆限制分配失败-vuejs项目中的JavaScript堆内存不足、C++：找不到 numpy/arrayobject.h 和 Python.h、Cython 基础 --Cython 入门、Cython 循环优化 | Python 循环 => Cython 循环的相关信息，请在本站寻找。
本文标签：
