我正在尝试使用Cython的numpy中提供的点积，矩阵求逆和其他基本线性代数运算。诸如numpy.linalg.inv（求反），numpy.dot（点积），X.t（矩阵/数组的转置）之类的函数。numpy.*从Cython函数进行调用会产生很大的开销，而该函数的其余部分是用Cython编写的，因此我想避免这种情况。

如果我假设用户已numpy安装，是否可以执行以下操作：

#include "numpy/npy_math.h"

作为extern，并调用这些函数？或者直接调用BLAS（或者这些核心操作的numpy调用是什么）？

举个例子，假设您在Cython中有一个函数可以完成很多事情，最后需要进行涉及点积和矩阵逆的计算：

cdef myfunc(...):
  # ... do many things faster than Python could
  # ...
  # compute one value using dot products and inv
  # without using 
  #   import numpy as np 
  #   np.*
  val = gammaln(sum(v)) - sum(gammaln(v)) + dot((v - 1).T, log(x).T)

如何才能做到这一点？如果已经有一个库可以在Cython中实现这些功能，我也可以使用它，但是什么也没找到。即使这些过程没有直接比BLAS进行优化，但没有numpy从Cython调用Python模块的开销仍然可以使整个过程更快。

我想调用的示例函数：

• 点积（np.dot）
• 矩阵求逆（np.linalg.inv）
• 矩阵乘法
• 进行转置（相当于x.Tnumpy）
• γ函数（与scipy.gammaln等效函数一样，应在C语言中可用）

我意识到，正如在numpy邮件列表（https://groups.google.com/forum/?fromgroups=#!topic/cython-
users/XZjMVSIQnTE）上所说的那样，如果您在大型矩阵上调用这些函数，则毫无意义从Cython执行此操作，因为从numpy调用它只会导致大部分时间花费在numpy调用的优化C代码中。但是，就我而言，我
在小型矩阵上多次调用这些线性代数运算
-在这种情况下，反复从Cython返回numpy再回到Cython所带来的开销将远远超过实际计算BLAS。因此，对于这些简单的操作，我想将所有内容都保持在C
/ Cython级别，而不要使用python。

我不希望通过GSL，因为这会增加另一个依赖关系，并且目前尚不清楚GSL是否得到积极维护。因为我假设代码的用户已经安装了scipy /
numpy，所以我可以放心地假设他们具有所有与这些库一起的关联C代码，因此我只想能够使用该代码并对其进行调用来自Cython。

编辑
：我发现一个库，将BLAS包装在Cython（https://github.com/tokyo/tokyo）中，这很接近，但不是我要找的东西。我想直接调用numpy
/ scipy C函数（我假设用户已经安装了这些函数。）