小编Gas*_*ton的帖子

我想知道如何键入提示 matplotlib-subplots 的轴对象的“最佳”方法。

跑步

from matplotlib import pyplot as plt

f, ax = plt.subplots()
print(type(ax))

返回

<class 'matplotlib.axes._subplots.AxesSubplot'>

和跑步

from matplotlib import axes
print(type(axes._subplots))
print(type(axes._subplots.AxesSubplot))

产量

<class 'module'>
AttributeError: module 'matplotlib.axes._subplots' has no attribute 'AxesSubplots'

到目前为止，有效的类型提示解决方案如下：

def multi_rocker(
                 axy: type(plt.subplots()[1]), 
                 y_trues: np.ndarray,
                 y_preds: np.ndarray,
                 ):
  """
  One-Vs-All ROC-curve:
  """
  fpr = dict()
  tpr = dict()
  roc_auc = dict()
  n_classes = y_trues.shape[1]
  wanted = list(range(n_classes))
  for i,x in enumerate(wanted):
    fpr[i], tpr[i], _ = roc_curve(y_trues[:, i], y_preds[:, i])
    roc_auc[i] = round(auc(fpr[i], tpr[i]),2) …

当前示例显示在三层循环内执行 N=10 个独立操作，但不幸的是，英特尔编译器自动向量化在循环级别计算成本，当在最内层成功时，它拒绝考虑两个“外部”的向量化。 ' 循环。

一种解决方案是仅使用一个循环来表达相同的内容，其中允许但可能不鼓励使用“if-else”条件。

索引涵盖了所有可能组合的一个子集，如果有人知道它的正式名称那就太好了。

下面是 L=5（即 10 种可能的组合）的最小工作示例。生产代码大量使用了 L=6 的情况，其中有 20 个操作被执行约 100k 次（即对于长度为 6 的不同数组）。

std::cout注意：最内层循环的自动矢量化已经过测试，没有在每次迭代中使用打印:-)

注意：出于好奇，预先计算元素的（当前）策略（仅内循环矢量化，英特尔报告显示“估计潜在加速：1.8”）而不是仅在需要时动态计算它们，使该部分占 12%慢点。

#include <iostream>

int vectorizable_function(int &A, int &B, int &C) { return A + B - C; }


void populate_combinations(int *container, int L, int *data){

    // Intel vectorization report provides feedback
    // 
    //

    int counter=0;
    for (int i=0; i<L-2; i++){
        for (int j=i+1; j<L-1; j++){
            for (int k=j+1; k<L; k++){
                // std::cout << "i,j,k are " << i …