PyBind11将C++多维数组返回为Numpy数组时数值异常如何解决

你遇到的数值异常变动问题和数组形状、步长配置无关，本质是内存生命周期不匹配：

• 你传入py::array_t的指针指向的是C++函数内的栈上局部数组（也就是你定义的int array[100][100][3]），函数执行完成后栈帧会被销毁，对应的内存空间会被系统回收复用。
• Python侧拿到的numpy数组只是持有了这个已经失效的野指针，访问的是已经被释放的内存，自然会出现随机变动的异常数值。你尝试的reshape、view操作都是数组结构层面的调整，不会解决内存本身失效的问题。

根据你C++侧数组的存储场景，选择对应方案即可完全避免数据拷贝：

方案1：动态分配堆内存，交由Python管理生命周期 #

如果数组不需要在C++侧长期留存，直接在堆上分配数组，同时给py::array_t传入自定义回收器，Python侧numpy数组销毁时会自动释放对应内存，不会出现泄漏：

// 堆上分配内存，不要用栈数组
int* data_ptr = new int[100 * 100 * 3];
// 此处写入你的数组赋值逻辑

return py::array_t<int>(
    {100, 100, 3}, // 直接指定目标shape，不需要后续reshape
    {100*3*sizeof(int), 3*sizeof(int), sizeof(int)}, // 用sizeof代替硬编码4，兼容不同平台
    data_ptr,
    // 自定义回收逻辑，numpy数组销毁时自动释放堆内存
    py::capsule(data_ptr, [](void* ptr) {
        delete[] static_cast<int*>(ptr);
    })
);

方案2：绑定C++侧对象的生命周期 #

如果数组是C侧某个类的成员变量，你可以将类对象的引用绑定到numpy数组上，只要numpy数组还在使用，对应的C对象就不会被销毁，内存自然有效：

// 示例类，持有目标数组
class DataHolder {
public:
    int arr[100][100][3];
    // 类的其他逻辑
};

// 函数内逻辑
DataHolder* holder = new DataHolder();
// 此处写入holder->arr的赋值逻辑

return py::array_t<int>(
    {100, 100, 3},
    {100*3*sizeof(int), 3*sizeof(int), sizeof(int)},
    &holder->arr[0][0][0],
    py::cast(holder) // 绑定holder对象的引用，和numpy数组生命周期同步
);

方案3：数组为全局/静态变量 #

如果你的数组是C++侧的全局变量、静态变量，生命周期和整个程序运行周期一致，不会被提前释放，直接传指针即可，不需要额外配置：

// 全局数组，函数返回后内存依然有效
static int global_arr[100][100][3];

// 函数内逻辑，直接传指针即可
return py::array_t<int>(
    {100, 100, 3},
    {100*3*sizeof(int), 3*sizeof(int), sizeof(int)},
    &global_arr[0][0][0]
);

内容的提问来源于stack exchange，提问作者Krishna Teja Nuthalapati