Cython编译报错：Buffer types仅允许作为函数局部变量的解决咨询

错误原因 #

Cython语法规则明确：带具体类型、维度标注的np.ndarray[DTYPE_t, ndim=2]这类buffer类型，仅允许作为函数内部的局部变量使用，不能直接作为函数的输入参数。你直接在函数参数中使用该标注，触发了编译检查报错。

解决方法 #

提供两种可行的修正方案，任选其一即可：

方案1：参数用通用np.ndarray，内部声明带类型的局部变量 #

将函数参数改为无类型约束的np.ndarray，在函数内部把参数赋值给带具体类型、维度标注的局部变量，后续逻辑保持不变：

import numpy as np
cimport cython
cimport numpy as np

ctypedef np.float64_t DTYPE_t

@cython.boundscheck(False)
def create_mini_batches(np.ndarray X, np.ndarray y, int batch_size):
    # 内部声明带类型和维度的局部变量
    cdef np.ndarray[DTYPE_t, ndim=2] X_arr = X
    cdef np.ndarray[DTYPE_t, ndim=2] y_arr = y
    
    cdef int m
    cdef int num_of_batch  # 改用int类型，避免浮点精度问题
    cdef np.ndarray[DTYPE_t, ndim=2] shuffle_X
    cdef np.ndarray[DTYPE_t, ndim=2] shuffle_y
    cdef list permutation  # 修正原错误的int类型声明

    X_arr, y_arr = X_arr.T, y_arr.T

    m = X_arr.shape[0]
    num_of_batch = m // batch_size

    permutation = list(np.random.permutation(m))
    shuffle_X = X_arr[permutation, :]
    shuffle_y = y_arr[permutation, :]

    for t in range(num_of_batch):
        mini_x = shuffle_X[t * batch_size: (t + 1) * batch_size, :]
        mini_y = shuffle_y[t * batch_size: (t + 1) * batch_size, :]
        yield (mini_x.T, mini_y.T)
    
    if m % batch_size != 0:
        mini_x = shuffle_X[num_of_batch * batch_size: , :]
        mini_y = shuffle_y[num_of_batch * batch_size: , :]
        yield (mini_x.T, mini_y.T)

方案2：使用内存视图（Memoryview）作为参数类型 #

内存视图是Cython中推荐的numpy数组传递方式，既支持类型标注，又能获得更好的性能优化：

import numpy as np
cimport cython
cimport numpy as np

ctypedef np.float64_t DTYPE_t

@cython.boundscheck(False)
def create_mini_batches(DTYPE_t[:, ::1] X, DTYPE_t[:, ::1] y, int batch_size):
    cdef int m
    cdef int num_of_batch
    # 将内存视图转换为numpy数组进行转置等操作
    cdef np.ndarray[DTYPE_t, ndim=2] X_arr = np.asarray(X).T
    cdef np.ndarray[DTYPE_t, ndim=2] y_arr = np.asarray(y).T

    m = X_arr.shape[0]
    num_of_batch = m // batch_size

    cdef list permutation = list(np.random.permutation(m))
    cdef np.ndarray[DTYPE_t, ndim=2] shuffle_X = X_arr[permutation, :]
    cdef np.ndarray[DTYPE_t, ndim=2] shuffle_y = y_arr[permutation, :]

    for t in range(num_of_batch):
        mini_x = shuffle_X[t * batch_size: (t + 1) * batch_size, :]
        mini_y = shuffle_y[t * batch_size: (t + 1) * batch_size, :]
        yield (mini_x.T, mini_y.T)
    
    if m % batch_size != 0:
        mini_x = shuffle_X[num_of_batch * batch_size: , :]
        mini_y = shuffle_y[num_of_batch * batch_size: , :]
        yield (mini_x.T, mini_y.T)

额外说明：原代码中num_of_batch声明为double不合理，它是整数除法结果，改用int类型更合适；permutation之前错误声明为int，实际是list类型，也需修正。

内容的提问来源于stack exchange，提问作者Jeremy Koay