小编Kes*_*sel的帖子

我偶尔会where在 numpy 的 ufunc 中使用该子句。例如，以下内容：

import numpy as np
a = np.linspace(-1, 1, 10)
np.sqrt(a, where=a>0) * (a>0)

在 Numpy 1.12 及更早版本中，这曾经在可能的情况下给我平方根值，否则为零。

不过，最近我升级到 numpy 1.13。上面的代码现在给了我以下错误：

Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
ValueError: Automatic allocation was requested for an iterator operand, and it was flagged as readable, but buffering  without delayed allocation was enabled

我认为这正是该where条款应该使用的方式，但也许我错了。所以我有两个问题：第一，这段代码有什么问题；其次，实现我的目标的推荐方法是什么？

Cuda 支持内在函数。有些映射到设备指令，例如融合乘法加法，无法用正常语法表示。其他函数是近似值，应该比“标准”函数更快（尽管可能不太准确）。

似乎后一种类型的内在函数不支持双精度参数，而仅支持单精度浮点数。这是有道理的：如果您使用双打，那么根据定义，您对准确性而不是速度感兴趣。

然而，令我惊讶的是，__saturatef()将其参数限制在 0 和 1 之间的内在函数没有双精度版本。

__saturatef()如果我在简单的实现中使用内在函数，是否会有任何潜在的数据丢失？如果是这样，有人知道这个内在是如何工作的吗？如果不是，为什么 nvidia 会忽略双精度版本？