A module that was compiled using NumPy 1.x cannot be run in NumPy 2.2.3 as it may crash. To support both 1.x and 2.x versions of NumPy, modules must be compiled with NumPy 2.0. Some module may need to rebuild instead e.g. with 'pybind11>=2.12'.

### NumPy 版本兼容性和 Pybind11 编译需求 为了确保模块能够兼容不同版本的 NumPy（1.x 和 2.x），并利用 `pybind11` 进行有效编译，可以采取以下措施： #### 使用条件导入处理 API 差异 由于 NumPy 的主要变化通常涉及内部函数签名或新增特性，在编写扩展时应考虑这些差异。通过 Python 的内置机制来检测当前使用的 NumPy 版本，并相应调整代码逻辑。 ```cpp #include <pybind11/pybind11.h> #include <numpy/arrayobject.h> namespace py = pybind11; PYBIND11_MODULE(example_module, m) { import_array(); // Initialize the NumPy C-API // Detect Numpy version at runtime and adapt accordingly. auto np_version_str = py::module_::import("numpy").attr("__version__"); if (np_version_str.cast<std::string>().compare(0, 3, "1.") == 0){ // Code path for handling older versions of numpy here... } else { // Newer code paths that take advantage of features introduced after v1.x } } ``` #### 配置 setup.py 支持多版本依赖管理 在项目的安装脚本中指定最低限度的支持范围，这样即使用户环境中存在较新的库也不会影响程序正常工作。同时建议设置合理的最大边界以防止意外引入不向后兼容的变化。 ```python from setuptools import Extension, setup import numpy as np ext_modules = [ Extension( name="example_module", sources=["src/example.cpp"], include_dirs=[np.get_include()], language='c++', extra_compile_args=['-std=c++17'] ) ] setup( ext_modules=ext_modules, install_requires=[ 'numpy>=1.0,<2.0', # Ensure compatibility within this range only ], ) ``` #### 利用 CI 测试矩阵验证跨平台稳定性 持续集成服务可以帮助开发者自动测试项目针对多种环境配置的表现情况。对于希望支持多个操作系统和解释器版本的应用来说尤其重要。GitHub Actions 或 TravisCI 等工具允许定义复杂的作业流程图，从而覆盖尽可能广泛的目标场景。 ```yaml name: Build & Test Matrix on: push: branches: [ main ] pull_request: jobs: build-test: runs-on: ${{ matrix.os }} strategy: fail-fast: false matrix: os: [ubuntu-latest, windows-latest, macos-latest] python-version: ['3.6', '3.7', '3.8', '3.9'] steps: - uses: actions/checkout@v2 - name: Set up Python ${{ matrix.python-version }} uses: actions/setup-python@v2 with: python-version: ${{ matrix.python-version }} - run: pip install --upgrade pip wheel setuptools cython pytest && pip install .[test] - run: | export PYTHONPATH=$(pwd):$PYTHONPATH pytest tests/ ``` #### 关于 Pybind11 构建过程中的注意事项 当涉及到使用 `pybind11` 来创建 C++ 绑定时，需要注意的是该库本身已经很好地抽象出了许多底层细节，使得大多数情况下无需担心具体的操作系统差异。不过仍然推荐遵循官方文档指导完成初始化步骤，并保持更新至最新稳定版以便获得最佳性能和支持[^1]。