小编Jon*_*Nir的帖子

我有3个矩阵(np数组):
A是形状(n,m); B的形状为(m,k); 和C的形状(n,k)

矩阵C只有集合{-1,0,1}中的值,它是某种类型的"指标":如果C [i,j] == 1那么我想将第i行添加到b的第j列; 如果C [i,j] ==( - 1)则减去(0不做任何事).

它可以很容易地用循环来完成,但我想知道是否有一种矢量化的方式可以做得更快？

示例代码:

C = np.array([[-1,  0,  0,  0,  1],
              [ 0,  0,  0,  0, -1],
              [ 0,  0,  0,  0, -1],
              [-1,  0,  0,  1,  1]])
a,b = np.where(C==1)
#here a=[0,3,3] and b=[4,3,4]
A[a,:] = [[0, 1, 2, 3, 4, 5, 6],
          [3, 3, 3, 3, 3, 3, 3],
          [3, 3, 3, 3, 3, 3, 3]]
B[:,b] += A[a]  #B is all 0.0 before  

预期结果:

array([[ 0., …

我有一个PANDAS DF对象，其中每个“单元格”都是元组列表：

d = {"seen":[[('A', 4)], [], [('B', 4), ('C',3)], [('A', 1), ('C',4)]],\
 'unseen':[[('B', 2), ('C',2)], [('A', 4), ('B', 2), ('C',2)], [('A', 4)], 
[('C',1)]]}
df = pd.DataFrame(d)
df  

结果是：

    seen                 unseen
0   [(A, 4)]            [(B, 2), (C, 2)]
1   []                  [(A, 4), (B, 2), (C, 2)]
2   [(B, 4), (C, 3)]    [(A, 4)]
3   [(A, 1), (C, 4)]    [(B, 1)]

我需要创建一个包含4列的新DF：每个元组列表的长度+每个单元格中所有数字的总和：

    seen_count    seen_sum    unseen_count    unseen_sum
0   1             4           2               4  
1   0             0           3               8  
2   2             7           1               4 …

我请求并收到了可抢占式K80 GPU的配额。

在控制台中，我可以看到可用的配额（在“ us-east1”区域中）。但是，我位于同一区域的VM找不到此GPU：

tensorflow-1-vm：{“ ResourceType”：“ compute.v1.instance”，“ ResourceErrorCode”：“ 404”，“ ResourceErrorMessage”：{“ code”：404，“ errors”：[{“ domain”：“ global “，”消息“：”找不到资源'projects / dlp-project-212017 / zones / us-east1-b / acceleratorTypes / nvidia-tesla-k80'“，”原因“：” notFound“}]，”消息”：“未找到资源'projects / dlp-project-212017 / zones / us-east1-b / acceleratorTypes / nvidia-tesla-k80'”，“ statusMessage”：“未找到”，“ requestPath”：“ https://www.googleapis.com/compute/v1/projects/dlp-project-212017/zones/us-east1-b/instances “，” httpMethod“：” POST“}}

当我使用命令行检查是否有配额时，我还看到我没有可用的配额。

有人知道如何处理这些差异吗？主要是，现在如何使用我的GPU运行VM？