如今，随着深度学习的发展，python已经成为了深度学习研究中第一语言。绝大部分的深度学习工具包都有python的版本，很多重要算法都有python版本的实现。为了将这些算法应用到具体工程中，这些工具包也提供了不同类型的接口。

动态链接库（.dll，.so）是系统开发中一种非常重要的跨语言协作方式。把python语言写成的算法编译成动态库，能够提供给其他语言调用，这能够在很大程度上提高算法的开发效率。

但是，虽然python可以调用其他语言生成的动态库，python作为一种脚本语言，本身是不能直接编译生成动态库的。为了生成动态库，我们借助cython，将python脚本变成c语言文件。具体过程，我们通过一个简单的例子来解释。

def str_add(str1,str2): 
    return int(str1) + int(str2)

　　这个代码，将两个数字组成的字符串转化成数字，并求和。我们把这个代码保存成run.py备用。根据cython的语法，我们给出cython版本的函数：

cdef public str_add(str1,str2):
     return int(str1) + int(str2)

　　和前面python版本的相比，cdef替换了def，并加了public关键字，表示这个函数要导出。将这个代码保存成pyx文件，比如run.pyx。

接下来，我们执行如下命令，把这个代码变成c语言版本：

cython run.pyx

这时，目录下面生出来run.h和run.c两个文件。这个两个文件通过调用python的C-API实现了run.py代码的功能。

接下来，我们编写动态库的主文件dllmain.c：

#include <Python.h>
#include <Windows.h>
#include "run.h"
 
extern __declspec(dllexport) int __stdcall _str_add(const char * a, const char * b) {
  return PyLong_AsLong(str_add(PyUnicode_FromString(a),PyUnicode_FromString(b)));<br data-filtered="filtered">
}
 
BOOL WINAPI DllMain(HINSTANCE hinstDLL,DWORD fdwReason,LPVOID lpReserved) {
  switch( fdwReason ) {
    case DLL_PROCESS_ATTACH:
      Py_Initialize();
      PyInit_run(); #dll初始化的时候调用，这是python3的写法，python2改成，initrun()。参见生成的run.h
      break;
    case DLL_PROCESS_DETACH:
      Py_Finalize();
      break;
  }
  return TRUE;
}

　　该文件定义了导出函数_str_add。在python中，所有数据都以pyobject进行存储。这个函数通过PyUnicode_FromString，将两个字符串变成python对象类型，并调用run.h里面的函数str_add求和，并把结果通过PyLong_AsLong函数从python对象，变成整形数字。

我们可以通过如下命令，将这个代码编译生成dll：

cl /LD dllmain.c run.c -IC:\python36\include C:\python36\libs\python36.lib

这里python的路径，根据不同电脑python的安装位置，做相应调整。

生成的dll，我们写个简单调用，测试一下：

#include "stdio.h"
#include "stdlib.h"
extern __declspec(dllexport) int __stdcall _str_add(const char * a, const char * b);
 
#pragma comment(lib,"dllmain.lib")
 
int main()
{
 printf("%d \n", _str_add("123","456"));
 return 0;
}

　　输出结果： 579，正好等于123+456。

通过以上步骤，我们已经能够把python代码实现的功能，封装成动态库。然而，这个动态库无法在没有安装python的机器上面运行。事实上，python代码，通常需要很多依赖包才能运行。而且，每段代码需要的依赖包是不一样的。为了查找这些包，我们采用另外一个工具pyinstaller。具体步骤简介如下：

virtualenv envpack # 创建新的环境，python包依赖比较复杂，创建新环境可以减少最终引入的包
cd envpack # 进入目录
#复制run.py到这个目录，run.py运行需要的包，和最终dll需要的包是一样的
Scripts\activate # 激活并切换到virtualenv环境
pip install pyinstaller # 安装打包工具pyinstaller
pip install numpy # 安装numpy等脚本需要的库,查看你的import
pyinstaller run.py # 打包命令
Scripts\deactivate # 打包成功后，使用命令取消激活环境
需要打包的文件在envpack\dist， 包括很多.dll和.pyd文件，把这些文件和dll一起发布即可。

总结