NEP 3 — 清理 numpy.core 的数学配置#
- 作者:
David Cournapeau
- 联系方式:
- 日期:
2008-09-04
- 状态:
Deferred
执行摘要#
在构建 numpy.core 之前，我们会进行一些配置测试以收集有关可用数学函数的信息。多年来，配置变得越来越复杂，以至于难以轻松支持新平台。
本提案的目标是清理数学功能配置，以便于维护。
当前问题#
目前，数学配置主要测试一些数学函数，并据此配置 numpy。但当前的系统并没有独立测试每个所需函数，而是更多地被用作解决特定平台奇特之处的权宜之计，利用了平台隐含的知识。这与只测试功能的能力的正常理念相悖，而 autoconf 的理念（至少在 Unix 上）已证明了可移植性的道路[1]。这会导致问题，因为修改或添加现有平台的配置会打破隐含的假设，而没有明确的解决方案。
例如，在 Windows 上，当 numpy 使用 mingw 构建时，最好强制配置 sizeof(long double) == sizeof(double)，因为 mingw 使用 MS 运行时，而 MS 运行时不支持 long double。然而，这样做会破坏 mingw 数学函数检测，因为存在 mingw 配置 sizeof(long double) != sizeof(double) 的隐含假设。
另一个例子是仅使用一个函数测试函数集：如果找到 expf，则假定所有基本的浮点函数都可用。相反，应该独立测试每个函数（expf、sinf 等）。
要求#
- 我们有两个重要的要求：
它不应破坏任何当前支持的平台。
它不应使配置速度变慢太多（1-2 秒是可以接受的）。
提案#
我们建议打破任何隐含的假设，并像 autoconf 通常做的那样，独立地测试每个数学函数。由于测试大量函数可能耗时，我们将使用类似于 autoconf 中 AC_CHECK_FUNCS_ONCE 的方案，即一次测试一组函数，只有在失败的情况下才进行单个函数检查。当第一次检查成功时，它应该和当前方案一样快，只是假设会得到明确的检查（例如，所有由 HAVE_LONGDOUBLE_FUNCS 暗示的函数都会一起被检查）。
问题#
静态还是非静态？对于基本函数，我们应该将它们定义为静态还是非静态？
许可证#
本文档已置于公共领域。
[1]：Autobook 在这里