1、结构数组：
在C语言中我们可以通过struct关键字定义结构类型，结构中的字段占据连续的内存空间，每个结构体占用的内存大小都相同，因此可以很容易地定义结构数组。和C语言一样，在NumPy中也很容易对这种结构数组进行操作。只要NumPy中的结构定义和C语言中的定义相同，NumPy就可以很方便地读取C语言的结构数组的二进制数据，转换为NumPy的结构数组。
假如我们需要创建的C语言的结构如下图：
1 struct cal_ctrl{ 2 u16 ifrm_width; 3 u16 ifrm_height; 4 u8 conv_size ; 5 bool conv_pad ; 6 u8 conv_std ; 7 u16 ifrm_num ; 8 u32 ifrm_bsptr ; 9 bool relu_en; 10 bool res_en; 11 bool pool_en; 12 u32 convp_bsptr; 13 u32 convk_bsptr; 14 u32 res_bsptr; 15 bool dw_en; 16 bool dw_pad; 17 u8 dw_std; 18 u32 dwp_bsptr; 19 bool dw_relu_en; 20 u16 ofrm_width; 21 u16 ofrm_height; 22 u16 ofrm_num; 23 u32 ofrm_bsptr; 24 bool conv_end ; 25 };
本结构体为我的一个项目中用到的部分宏定义没有给出
现在使用python中的numpy实现这个结构体：
1 cal_ctrl = np.dtype({'names':['ifrm_width',#图片宽度 y 2 'ifrm_height',#图片长度 y 3 'conv_size',#卷积核大小最大3*3 y 4 'conv_pad',#是否有零填充 y 5 'conv_std',#卷积步长 y 6 'ifrm_num',#计算一个输出帧（feature map）需要多少个输入帧。从1计数。需要是8的整数倍。 y 7 'ifrm_bsptr',#存放所有输入帧基地址的DDR地址指针。(*iframe_base_ptr)指向的DDR空间依次存放各个输入帧。 t 8 9 10 'relu_en',#当为为TRUE第一层卷积输出为【0~127】：当为Flash第一层卷积输出为【-】 11 'res_en',#当为TRUE feature map层累加功能，累加后再做Relu：当为Flashfeature map层累加功能 12 'pool_en',#第一次2*2最大池化标准位 13 14 15 'convp_bsptr',#存放卷积计算的滤波系数的地址指针。W t 16 'convk_bsptr',#存放卷积计算的K参数（每个输出帧的bias）的地址指针。b t 17 'res_bsptr',#存放Feature map累加层的数据的地址指针。 t 18 19 #----------------------second depth wise conv---------------------- 20 'dw_en',#Depth wise 卷积使能。 21 'dw_pad',#True 零填充，Flash不需要填充 22 'dw_std',#步长 23 'dwp_bsptr',#存放Depth wise卷积计算的滤波系数的地址指针。包含K参数（每个输出帧的bias）。 24 'dw_relu_en',#1'b1:使能Relu，第二层卷积输出为[0~127]的整数；1'b0:不使能，第二层卷积输出为[-128~127]的整数。 25 26 #-------------------------- frame output ctrl------------------------- 27 'ofrm_width',#输出帧的宽 28 'ofrm_height',#输出帧的长 29 'ofrm_num',#输出帧的通道数 30 'ofrm_bsptr',#输出帧地址指针 31 'conv_end'],#继续去读conv common ctrl info队列，进行卷积计算。1：卷积计算结束，发出中断。 32 'formats':[np.uint16,np.uint16,np.uint8 ,bool,np.uint8,np.uint16,np.uint32,bool,bool,bool,np.uint32,np.uint32,np.uint32, 33 bool,bool,np.uint8,np.uint32,bool,np.uint16,np.uint16,np.uint16,np.uint32,bool]},align=True)#结构体中数据类型