在用pybind11绑定C++函数时，使用Python ctypes的 Array和 c_int作为参数

人工智能 2026-07-09

我有来自设备的数据，直接在Python中捕获，作为 ctypes.c_uint16 的一个 ctypes.Array。我正在使用PyTorch，在完成数据捕获后的若干后处理后创建一个新的Tensor。我计划把这部分用C/C++实现，以显著提升在Python中运行缓慢的众多迭代任务的速度，然后再用 pybind11 来创建绑定。

在C++中的函数签名看起来是这样的：

torch::Tensor foo(uint16_t* a, int b, int c, int d, uint64_t e, uint64_t* f);

使用pybind模块调用如下：

// Create python bindings
namespace py = pybind11;

PYBIND11_MODULE(foo_lib, m){
    m.def("foo", &foo,
        py::arg("a"),
        py::arg("b"),
        py::arg("c"),
        py::arg("d"),
        py::arg("e"),
        py::arg("f")
    );
}

其中 a 是一个C 风格的数组，包含 uint16_t、b、c 和 d 等信息（如数组长度），而 f 是一个C 风格的数组，包含在处理过程中所需的一些元数据 uint64_t。我已经实现并测试过一些用于对数据进行清理的C 函数，它们可以工作，因此在调用它们时，我更愿意在C++函数中使用这些数据类型。

我为这个函数用名为 foo_lib 的pybind模块创建了绑定，签名为 foo，并且可以导入到Python，但在传入以下类型：

# test.py #

import torch
import foo_lib
from ctypes import Array, c_int, c_uint16, c_uint64

a: Array[c_uint16] = ... # The array of input data
b: c_int = c_int(0)
c: c_int = c_int(13)
d: c_int = c_int(16)
e: c_uint64 = c_uint64(1000)
f: Array[c_uint64] = ... # An array of some required metadata

# Process the output
output: torch.Tensor = foo_lib.foo(a, b, c, d, e, f)

我得到如下输出：

Traceback (most recent call last):
  File "~/test.py", line 14, in <module>
    output: torch.Tensor = foo_lib.foo(a, b, c, d, e, f)
                           ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
TypeError: foo(): incompatible function arguments. The following argument types are supported:
    1. (a: int, b: int, c: int, d: int, e: int, f: int) -> torch.Tensor

Invoked with: <__main__.c_ushort_Array_1000 object at 0x7ad66ff620d0>, c_int(0), c_int(13), c_int(16), c_ulong(1000), <__main__.c_ulong_Array_10 object at 0x7ad66ff62250>

看起来pybind把所有ctype的参数都转换成了普通的Python int。

有没有办法让pybind将签名中的实际C/C++类型转换为其在Python端对应的ctypes类类型？把数据从Python转换成除了ctypes Arrays 之外的其他格式（比如 numpy.ndarray）至少会在某种程度上抵消使用这些C++绑定来加速数据处理的初衷，因此我在想是否可以有一种方式来配置pybind，使其按原样转换这些类型。我如果能够的话会用纯C 编写绑定并使用ctypes cdll.LoadLibrary，但我需要访问到 torch::Tensor 对象，所以只能使用C++。

我在Ubuntu 24.04.4上使用Python 3.12.3，配合 torch 2.7.1和 pybind11 2.11.2。

解决方案

no, do not bind the raw-pointer function directly and expect pybind11 to understand ctypes.Array; expose a wrapper accepting py::buffer or py::array_t<T> and pass plain Python integers for scalar arguments

C++