当我运行这行代码时：
tf.config.optimizer.set_jit(True)
要启用XLA in TensorFlow 2.1，我收到以下错误：
InternalError: libdevice not found at ./libdevice.10.bc
[[{{node cluster_1_1/xla_compile}}]]
我在这里查看了这篇文章： https: //github.com/google/jax/issues/989
但我似乎无法弄清楚如何通过Anaconda和使用来做到这一点os.environ['XLA_FLAGS']，而不是必须symlink command事先运行。
例如，我尝试过：
os.environ['XLA_FLAGS'] = "--xla_gpu_cuda_data_dir=/anaconda_path/envs/env/lib/libdevice.10.bc"
但我仍然遇到同样的错误。任何提示将非常感谢！
我在用着Ubuntu 18.04, TensorFlow 2.1, and Python 3.7.7。
我有一个 NumPy 数组，每行代表一些 (x, y, z) 坐标，如下所示：
a = array([[0, 0, 1],
[1, 1, 2],
[4, 5, 1],
[4, 5, 2]])
我还有另一个 NumPy 数组，其中包含该数组的 z 坐标的唯一值，如下所示：
b = array([1, 2])
如何将函数（我们称之为“f”）应用于 a 中与 b 中的值相对应的每个行组？例如，b 的第一个值是 1，因此我将获取 a 中 z 坐标为 1 的所有行。然后，我将一个函数应用于所有这些值。
最后，输出将是一个与 b 形状相同的数组。
我正在尝试对其进行矢量化以使其尽可能快。谢谢！
预期输出示例（假设 f 是 count()）：
c = array([2, 2])
因为数组 a 中有 2 行，数组 b 中的 z 值为 1，数组 a 中有 2 行，数组 b 中的 z 值为 2。
一个简单的解决方案是像这样迭代数组 b：
for val in b: …