我正在尝试将我的代码设置为自动向量化,但它无法正常工作.
int _tmain(int argc, _TCHAR* argv[])
{
const int N = 4096;
float x[N];
float y[N];
float sum = 0;
//create random values for x and y
for (int i = 0; i < N; i++)
{
x[i] = rand() >> 1;
y[i] = rand() >> 1;
}
for (int i = 0; i < N; i++){
sum += x[i] * y[i];
}
}
这里没有循环矢量化,但我真的只对第二个循环感兴趣.
我正在使用visual studio express 2013并且正在编译/O2和/Qvec-report:2(报告循环是否被矢量化)选项.编译时,我收到以下消息:
--- Analyzing function: main
c:\users\...\documents\visual studio 2013\projects\intrin3\intrin3\intrin3.cpp(28) …我有两列我存储在我的数据帧中.
我想使用快速矢量化操作在两列上执行set union
df['union'] = df.set1 | df.set2
但错误TypeError: unsupported operand type(s) for |: 'set' and 'bool'阻止我这样做,因为我np.nan在两列中都输入了.
有一个很好的解决方案来克服这个问题吗
player_ids = c(34, 87, 27, 34, 87, 9, 29, 25, 24, 25, 34, 37)
end = length(player_ids)
unique_players_list = list()
for(i in 1:end) {
unique_players_list[[i]] = unique(player_ids_unlisted[1:i])
}
这是我试图矢量化的for循环(缩短版本).我不知道如何发布代码输出,但是unique_players_list列表应该具有以下输出:
unique_players_list[[1]] == c(34)
unique_players_list[[2]] == c(34)
unique_players_list[[3]] == c(34, 87)
unique_players_list[[4]] == c(34, 87, 27)
unique_players_list[[5]] == c(34, 87, 27)
"等等.输出不必在列表中,我实际上更喜欢数据帧,但是我需要这个矢量化,因为我当前的for循环需要永远,我需要运行这个代码数万次."
谢谢!
如何使用Numpy对此for循环进行向量化？
count=0
arr1 = np.random.rand(184,184)
for i in range(arr1.size[0]):
for j in range(arr1.size[1]):
if arr1[i,j] > 0.6:
count += 1
print count
我试过了:
count=0
arr1 = np.random.rand(184,184)
mask = (arr1>0.6)
indices = np.where(mask)
print indices , len(indices)
我期望len(指数)给予计数,但事实并非如此.请给我任何建议.
我有两个数据框,下面是每个的一个小样本:
df1 <- data.frame(a1= c(3,4), a2 = c(8, 8), a3 = c(4, 18), a4 = c(9,9), a5 = c(17, 30))
df2 <- data.frame(a1 = c(2,2,2,3,3,3,4,4,4), a2 = c(7,7,7,7,7,7,7,7,7),
a3 = c(4,4,4,4,4,4,4,4,4), a4 = c(10,10,10, 10, 10, 10, 10,10,10),
a5 = c(15,16,17, 15, 16, 17, 15, 16, 17))
我想检查,对于每一行df1,它是否有"邻居" df2,其中,邻居我的意思是每列中最多1个(绝对值)不同的观察.因此,例如,第2行df2是第1行的邻居df1.
我目前这样做的方式如下:
sweep(as.matrix(df2), 2, as.matrix(df1[1,]), "-")
对于第1行df1,我必须为df1的每一行重复此操作.请注意,df2和df1的行数不同.
但是,我真正想要的是避免"按行"这样做,因为我的数据框有很多行.有没有办法矢量化？
我正在使用 python 创建一个应用程序来计算管道胶带重叠（建模分配器将产品应用到旋转鼓上）。
我有一个可以正常工作的程序，但速度真的很慢。我正在寻找一种解决方案来优化for用于填充 numpy 数组的循环。有人可以帮我矢量化下面的代码吗？
import numpy as np
import matplotlib.pyplot as plt
# Some parameters
width = 264
bbddiam = 940
accuracy = 4 #2 points per pixel
drum = np.zeros(accuracy**2 * width * bbddiam).reshape((bbddiam * accuracy , width * accuracy))
# The "slow" function
def line_mask(drum, coef, intercept, upper=True, accuracy=accuracy):
"""Masks a half of the array"""
to_return = np.zeros(drum.shape)
for index, v in np.ndenumerate(to_return):
if upper == True:
if index[0] * coef + intercept > …我已经编写了一些函数的矢量化版本，这些函数目前是算法的瓶颈，使用 Eigen 的工具来做到这一点。
我还通过确保EIGEN_VECTORIZE_AVX在包含 Eigen 之后定义了 AVX 来检查是否启用了 AVX 。
但是，Packet8f如果数据大小不是 8 的倍数，我的函数似乎永远不会被(AVX)调用。相反，它被Packet4f(SSE)调用 。
这是一个小副本：https : //gist.github.com/bitonic/e89561cb21837b4dee8b5f49e1303919。在这里，我使用Packet4fand定义了一个操作Packet8f，然后计算每个使用大小为 8 和 9 的数组调用的次数。当数组大小为 8 时，Packet8f版本将按预期调用一次。当它的大小为 9 时，该Packet4f版本会被调用两次，再加上一次对非矢量化版本的调用。我已经在 Eigen 的当前 master 上测试了这段代码1d0c45122a5c4c5c1c4309f904120e551bacad02。
我挖了一点，我相信数据包选择发生在这里：https : //gitlab.com/libeigen/eigen/blob/1d0c45122a5c4c5c1c4309f904120e551bacad02/Eigen/src/Core/util/XprHelper.h#L197。
如果我理解正确，如果数据的大小不是动态的并且不是 8 的倍数（即 的值unpacket_traits<Packet8f>::size），则将选择半数据包，这与上面的再现显示的内容相匹配。
如果我的理解是正确的，为什么会这样？不应该选择完整的数据包，其余元素使用非矢量化操作吗？
可能是那个条件是错误的，应该是一个 >= 比较，例如类似的东西
template<int Size, typename PacketType,
bool Stop = Size==Dynamic || Size >= unpacket_traits<PacketType>::size || is_same<PacketType,typename unpacket_traits<PacketType>::half>::value>
struct find_best_packet_helper;
代替 …
我试图找到一种矢量化方法来查找数组中的第一个位置，其中的值不会高于 n 个先前数字的最大值。我想过使用 scipy.signal 的 find_peaks 方法来查找局部最大值。我认为如果你定义距离，假设 10 n 是 10，那么它确实如此。但不幸的是，距离的条件必须在两个方向上都满足 - 以前的和即将到来的数字。有没有其他方法或方法可以找到这样的东西？
例子：
arr1 = np.array([1. , 0.73381293, 0.75649351, 0.77693474, 0.77884614,
0.81055903, 0.81402439, 0.78798586, 0.78839588, 0.82967961,
0.8448 , 0.83276451, 0.82539684, 0.81762916, 0.82722515,
0.82101804, 0.82871127, 0.82825041, 0.82086957, 0.8347826 ,
0.82666665, 0.82352942, 0.81270903, 0.81191224, 0.83180428,
0.84975767, 0.84044236, 0.85057473, 0.8394649 , 0.80000001,
0.83870965, 0.83962262, 0.85039371, 0.83359748, 0.84019768,
0.83281732, 0.83660132])
from scipy.signal import find_peaks
peaks, _ = find_peaks(arr1, distance=10)
在这种情况下，它会找到位置 10 和 27。但位置 0 也有 10 个不高的后续元素。我怎样才能找到那些？
我使用了一个程序来绘制曼德布罗图，并使用 njit 让它在 CPU 线程上运行。现在我想生成一个 32k 的图像，但即使是整个线程也太慢了。所以我试图让代码在 GPU 上运行。这是代码：
from numba import njit, cuda, vectorize
from PIL import Image, ImageDraw
@vectorize(['complex128(complex128)'], target='cuda')
def mandelbrot(c):
z = 0
n = 0
while abs(z) <= 2 and n < 80:
z = z*z + c
n += 1
return n
def vari(WIDTH, HEIGHT, RE_START, RE_END, IM_START, IM_END, draw):
for x in range(0, WIDTH):
for y in range(0, HEIGHT):
print(x)
# Convert pixel coordinate to complex number
c = complex(RE_START + (x / …我有一个 2D numpy.ndarray。给定位置列表，我想找到同一行中给定元素右侧的第一个非零元素的位置。是否可以将其矢量化？我有一个巨大的数组，循环花费了太多时间。
例如：
matrix = numpy.array([
[1, 0, 0, 1, 1],
[1, 1, 0, 0, 1],
[1, 0, 0, 0, 1],
[1, 1, 1, 1, 1],
[1, 0, 0, 0, 1]
])
query = numpy.array([[0,2], [2,1], [1,3], [0,1]])
预期结果：
>> [[0,3], [2,4], [1,4], [0,3]]
目前我正在使用 for 循环执行此操作，如下所示
for query_point in query:
y, x = query_point
result_point = numpy.min(numpy.argwhere(self.matrix[y, x + 1:] == 1)) + x + 1
print(f'{y}, {result_point}')
PS：我也想找到左边的第一个非零元素。我想，找到正确点的解决方案可以很容易地找到左点。