Python 中由 Lua 访问 sharedmem

在考虑使用共享内存之前，我建议进行一些剖析实验，以确定时间消耗在哪里。

如果您的实验证明，您在进程之间序列化/反序列化数据的时间太长，则可以使用共享内存，以及像[Cap'n Proto]（https://capnproto.org/）这样设计用于避免这种成本的格式可能是一个很好的解决方案。

快速搜索可以找到这两个库：

• lua-capnproto。
  • Lua-capnp是一个基于luajit的capnproto的纯lua实现。
• pycapnp。
  • 这是Cap啤酒的C++实现的Python包装。

但绝对要先进行分析。

还有没有[lupa]（https://pypi.python.org/pypi/lupa/）适合您的原因？

以下是使用 Lua 中的 Torch 和 Python 中的 NumPy 找到的解决方案。使用 lupa 将 Lua 代码从 Python 中运行。

在 main.lua 中：

require 'torch'

data_array = torch.FloatTensor(256, 256)

function write_data()
    return tonumber(torch.data(data_array:contiguous(), true))
}

从 Python 中调用：

import ctypes
import lupa
import numpy as np

data_shape = (256, 256)

lua = lupa.LuaRuntime()
with open('main.lua') as f: lua.execute(f.read())
data_array = np.ctypeslib.as_array(ctypes.cast(ctypes.c_void_p(lua.globals().write_data()), ctypes.POINTER(ctypes.c_float)), shape=data_shape)

data_array 被构建成指向 Torch 张量存储的指针。