c++/python类型映射

dict

我们将python中的dict映射到了c++中的dict:

#ifndef CUSTOM_DICT
using dict = std::shared_ptr<std::unordered_map<std::string, ipipe::any>>;
#else
// todo :  custom dict with bidirectional binding between C++ and Python
#endif

c++ 到 python

基础类型转换

cpp	python	备注
std::string	bytes
cv::Mat	numpy.ndarray
at::Tensor	torch.Tensor
int	int
float	float
double	float
unsigned int	int
char	str	继承自pybind11
unsigned char	int
bool	bool

容器转换

对于容器或者嵌套容器,转换规则如下(T为以上表格中的基础类型)：

cpp	python	备注
std::unordered_map<std::string, T>	dict[str, T]
std::unordered_set<T>	set[T]	T需要是可哈希的
std::vector<T>	list[T]	T不是代数类型
std::vector<T>	numpy.ndarray[T]	T为代数类型且不为bool
std::vector<std::vector<T>>	list[numpy.ndarray[T]]	T为代数类型且不为bool
std::map<std::string, T>	不支持
std::set<T>	不支持

类型嵌套

将any转换为python类型还支持以下的类型嵌套

cpp	python	备注
std::vector<any>	list[Any]	可无穷层嵌套
std::unordered_map<std::string, any>	dict[str, Any]	可无穷层嵌套, 将忽略'data'键值

c++ wrapper

对于非容器，但是以上转换失败的类型，会返回一个自定义类型到python：

cpp	python	备注
any	torchpipe.any

python 到 c++

基础类型转换

python	cpp	备注
str	std::string
bytes	std::string
numpy.ndarray	不支持
torch.Tensor	at::Tensor
bool	bool
float	float	会产生精度损失
int	int

容器转换

对于容器或者嵌套容器,对照表如下(T为以上表格中的基础类型)：

python	cpp	备注
dict[str, T]	std::unordered_map<std::string, T>
set[T]	std::unordered_set<T>	T需要是可哈希的，也就是T != torch.Tensor
list[T]	std::vector<T>

当python端的容器为空时，c++侧是无法感知具体类型的。此时，框架会以兼容的方式自动处理此类情况， 所以，使用时毋需额外关注此类情景。