在Fortran中调用Python教程

前言

Python是机器学习领域不断增长的通用语言。拥有一些非常棒的工具包，比如scikit-learn，tensorflow和pytorch。气候模式通常是使用Fortran实现的。那么我们应该将基于Python的机器学习迁移到Fortran模型中吗？数据科学领域可能会利用HTTP API(比如Flask)封装机器学习方法，但是HTTP在紧密耦合的系统(比如气候模式)中效率太低。因此，可以选择直接从Fortran中调用Python，直接通过RAM传递气候模式的状态，而不是通过高延迟的通信层，比如HTTP。

1、实现方法

有很多方法可以实现通过Python调用Fortran，但是从Fortran调用Python的方法却很少。从Fortran调用Python，可以看作是将Python代码嵌入到Fortran，但是Python的设计并不是像嵌入式语言Lua。可以通过以下三种方法实现从Fortran调用Python：

• Python的C语言API。这是最常用的方式，但需要实现大量的C封装代码。

• 基于Cython。Cython用于从Python中调用C语言，但也可以实现从C调用Python。

• 基于CFFI。CFFI提供了非常方便的方法可以嵌入Python代码。

无论选择哪种方法，用户都需要将可执行Fortran文件链接到系统Python库，比如通过添加-lpython3.6到Fortran模式的Makefile文件。

2、实例演示

下面通过Hello World示例演示如何通过Fortran调用Python。Fortran代码保存在test.f90文件，如下：

! test.f90
program call_pythonuse, intrinsic :: iso_c_bindingimplicit noneinterfacesubroutine hello_world() bind (c)end subroutine hello_worldend interfacecall hello_world()end program call_python

首先导入Fortran 2003内部定义的和C语言类型互通的模块iso_c_binding。但使用CFFI时，我们不需要写任何C代码，CFFI会生成C类型的打包接口。下一行则定义了一个C函数hello_world接口，这可以在C语言中实现，但是这里我们使用Python和CFFI。最后，调用hello_world。

为了使用hello_world，我们需要构建CFFI标注，并保存在builder.py中，此代码用于创建可以链接Fortran程序的动态库：

import cffi
ffibuilder = cffi.FFI()header = """
extern void hello_world(void);
"""module = """
from my_plugin import ffi
import numpy as [e-mail]_extern()
def hello_world():print("Hello World!")
"""with open("plugin.h", "w") as f:f.write(header)ffibuilder.embedding_api(header)
ffibuilder.set_source("my_plugin", r'''#include "plugin.h"
''')ffibuilder.embedding_init_code(module)
ffibuilder.compile(target="libplugin.dylib", verbose=True)

首先，我们导入cffi包，并且声明了外部函数接口(FFI)对象。这看起来似乎比较奇怪，这只是CFFI实现这种目的的方式。下一步，header字符串中包含了需要调用的函数接口的定义。module字符串中包含了真正需要执行的Python程序。装饰器@ffi.def_extern用于标记hello_world函数。my_plugin用于获取ffi对象。def_extern装饰器用于处理C类型，指针等。然后，ffibuilder.embedding_api(header)定义了API，embedding_init_code定义了Python代码。

看起来比较奇怪的是在字符串中定义Python代码，但CFFI需要以这种方式将Python代码构建为共享库对象。ffibuilder.set_source来设置源代码信息。

然后执行以下语句创建共享库libplugin.dylib：

python builder.py

然后使用下列命令编译Fortran程序:

gfortran -o test -L./ -lplugin test.f90

以上是在Mac OSX上创建的共享库，如果在Linux上，共享库应该以.so结尾。如果一切没有问题，那么就可以执行文件了:

3、常见的一些问题

（1）必须将所有Python代码写入header字符串吗？

不需要这样。你可以直接在不同的Python模块中定义Python代码(比如my_module.py)，然后在module字符串的开头导入即可。比如，builder.py可以改为如下形式：

...module = """
from my_plugin import ffi
import [e-mail]_extern()
def hello_world():my_module.some_function()"""
...

这将在Python中使用可导入的形式使用Python程序。在添加到Fortran中之前，你也可以通过python -c "import my_module"测试一下。如果失败了，你可能需要将包含my_module模块的路径添加到Python的sys.path变量中。

（2）如何传递Fortran数组给Python

下面是一个示例，将代码定义在一个模块文件中，比如my_module.py：

# my_module.py# Create the dictionary mapping ctypes to np dtypes.
ctype2dtype = {}# Integer types
for prefix in ('int', 'uint'):for log_bytes in range(4):ctype = '%s%d_t' % (prefix, 8 * (2**log_bytes))dtype = '%s%d' % (prefix[0], 2**log_bytes)# print( ctype )# print( dtype )ctype2dtype[ctype] = np.dtype(dtype)# Floating point types
ctype2dtype['float'] = np.dtype('f4')
ctype2dtype['double'] = np.dtype('f8')def asarray(ffi, ptr, shape, **kwargs):length = np.prod(shape)# Get the canonical C type of the elements of ptr as a string.T = ffi.getctype(ffi.typeof(ptr).item)# print( T )# print( ffi.sizeof( T ) )if T not in ctype2dtype:raise RuntimeError("Cannot create an array for element type: %s" % T)a = np.frombuffer(ffi.buffer(ptr, length * ffi.sizeof(T)), ctype2dtype[T])\.reshape(shape, **kwargs)return a

asarray函数使用CFFI的ffi对象转换指针ptr为给定形状的numpy数组。可以使用如下形式在builder.py中的module字符串中调用：

module = """
import [e-mail]_extern()
def add_one(a_ptr)a = my_module.asarray(a)a[:] += 1
"""

add_one也可以定义在my_module.py中。最后，我们需要定义与函数相关的头文件信息，并且添加到builder.py的header字符串中：

header  = """
extern void add_one (double *);
"""

最后，在Fortran中以如下形式调用：

program call_pythonuse, intrinsic :: iso_c_bindingimplicit noneinterfacesubroutine add_one(x_c, n) bind (c)use iso_c_bindinginteger(c_int) :: nreal(c_double) :: x_c(n)end subroutine add_oneend interfacereal(c_double) :: x(10)print *, xcall add_one(x, size(x))print *, xend program call_python

这一部分，我们介绍了如何在Fortran中嵌入Python代码块，以及如何传递数组给Fortran或从Fortran传递数组给Python。然后，有些方面还是不太方便。

（3）必须要在三个不同的区域定义python函数签名吗

任何要传递给Fortran的Python函数，都必须要要在三个区域进行定义。

• 首先，必须在header.h中进行C头文件声明

• 然后，执行函数必须要在builder.py的module字符串中，或一个外部模块中

• 最后，Fortran代码中必须包含定义子程序的interface块(接口块)

这对于改变Python函数来说就显得有些麻烦。比如，我们写了一个Python函数：

defcompute_precipitation(T,Q):...

必须要在所有区域进行声明。如果我们想添加一个垂直涡度W作为输入参数，我们必须要修改builder.py以及调用Fortran的程序。显而易见，对于大的工程来说，这就变得极为麻烦。

对于一般通信而言，采用了一小部分fortran/python代码封装器。主要依赖于一个外部python模块：

# module.py
import impSTATE = {}def get(key, c_ptr, shape, ffi):"""Copy the numpy array stored in STATE[key] to a pointer"""# wrap pointer in numpy arrayfortran_arr = asarray(ffi, c_ptr, shape)# update the numpy array in placefortran_arr[:] = STATE[key]def set(key, c_ptr, shape, ffi):"""Call python"""STATE[key] = asarray(ffi, c_ptr, shape).copy()def call_function(module_name, function_name):# import the python moduleimport importlibmod = importlib.import_module(module_name)# the function we want to callfun = getattr(mod, function_name)# call the function# this function can edit STATE inplacefun(STATE)

全局变量STATE是一个包含了函数需要的所有数据的Python字典。get和set函数的功能主要就是将Fortran数组传递给STATA或者从STATE中取出Fortran数组。如果这些函数使用了Fortran/CFFI封装器，那么可以使用如下方式从Fortran中调用Python函数cumulus.compute_precipitation(state_dict)：

call set("Q", q)
call set("T", temperature)
call set("ahother_arg", 1)call call_function("cumulus", "compute_precipitation")call get("prec", prec)

如果需要传递更多的数据给compute_precipitation，那么需要添加更多的call set命令，这可能会改变Python函数的执行。我们就不需要改变builder.py中的任何代码。

4、结论

上面描述了如何传递Fortran数据给Python函数，然后再获取计算输出。为了解决频繁更改接口的问题，我们将fortran数据放到了Python模块的字典中。通过调用给定的名称来获取数据，并且将计算结果也存储到相同的字段中，然后，Fortran代码通过索引字典中正确的关键词来获取结果。Cython中使用了类似的架构，但CFFI更为方便。最重要的是，从C语言中调用Cython需要导入Python.h头文件，还要运行Py_initialize和init_my_cython_module函数。然而，CFFI会在后台完成这些操作。