vectorization

2熱度

1回答

我有三個矩陣WH和V。我想得到keep，它存儲V的所有列和W的每列之間的元素乘法，並逐行進行。（V具有6行，W也有6行。的W每一列（其具有6個元件），用6個元素相乘的V柱逐列中的每個柱。然後總結由行結果） W = np.random.randint(4,6, size=(6, 4)) H = np.random.randint(1,3, size=(4, 5)) V = np.dot(W,H

1熱度

2回答

向量化的方法來將1維布爾數組更改爲2維，python 3

我有一個向量布爾型，維數爲1 * n，假設爲n = 6。 vec = [1, 0, 1, 0, 0, 1] 我想將其更改爲n * 2矩陣。對於vec中的每個元素，如果它是1，那麼在矩陣中對應的行應該是[1, 0];如果是0，那麼相應的行應該是[0, 1]。因此，所產生的基質應 matr = [[1, 0], [0, 1], [1, 0], [0, 1],

2熱度

3回答

有4位，如何產生AVX寄存器的掩碼？

_mm256_blendv_pd()查看位置63,127,191和255中的位。是否有有效的方法將uint8_t的4個低位分散到AVX寄存器的這些位置？或者，是否有一種有效的方式來廣播這些位，這樣就像_mm256_cmp_pd()的結果一樣，在AVX寄存器的相應64位組件中重複每個位？指令集是AVX2（Ryzen CPU，如果需要其他功能的話）。

0熱度

1回答

分流/片向量爲子向量，並得到他們的規範，沒有一個循環

我有兩個向量在MATLAB，vectorA和vectorB - 無論是1280元的長度相等。我想將矢量分成長度爲256的子矢量，給出5個子矢量。一旦我有切片，比如sliceA和sliceB，我需要在兩個切片上執行norm。此刻，我有以下代碼： for i = 1:N sliceA = vectorA(i:round(i*1280/N); sliceB = vectorB(i

2熱度

2回答

向量化消除數據幀中重複數據的for循環R

我正在R中處理一個困難的數據操作問題。我目前使用for-loop來處理這個問題，但是我想對它進行向量化處理規模更好。我有以下數據框可以使用： dput(mydf) structure(list(team_id = c(14L, 14L, 7L, 7L, 21L, 21L, 15L, 15L ), opp_team_id = c(7L, 7L, 14L, 14L, 15L, 15L, 21L,

3熱度

1回答

1D矢量和3D陣列的乘法求和的矢量化

alpha是M×1矢量，並且R是尺寸爲n×n×M的大陣列。在我的情況下，n和M約爲3000.如何在MATLAB中矢量化以下求和？我想到的 alpha(1)*R(:,:,1) + alpha(2)*R(:,:,2) + ... + alpha(M)*R(:,:,M) 的一種方法是使阿爾法相同的大小，做一個元素智能操作，最後做一個總結的第三維 sum(reshape(kron(alpha, one

1熱度

4回答

困難的數據操作來填充R數據框中的值

我有一個相當難以矢量化/加速問題的手。我能夠用一個可以縮放的嵌套for循環來解決這個問題。我正在使用的數據是NBA擁有數據，我正在分析它在多個NBA賽季（100K-1M）的行中，這在我的嵌套循環中非常緩慢（多分鐘）。我創建的測試數據突出問題： mydf = data.frame(id1 = c(100, 100, 100, 150, 150, 150), id2 = c(110,

0熱度

1回答

如何讓DTW跑得更快？

我有一個包含4500個長度爲1800的向量的矩陣，爲此我需要計算矩陣中每兩個向量之間的DTW（動態時間翹曲）距離。我已經使用一個嵌套循環填滿一個4500x4500矩陣（其看起來像一個三角形）的一半： matr = zeros(4500,4500); %initializing empty matrix to fill dtw distance for i=1:4500 x = new

2熱度

3回答

向列分配R data.table單元格，列中行數不同

我在思考如何通過引用高效地分配data.table的單個單元格時遇到問題。每一列（除了id）都表明該科目在特定的日子處於狀態。爲了便於說明，將每行切換的列存儲在單獨的列表或向量中。以下for循環可以完成這項工作，但實際數據非常大（因此也可以通過引用進行分配），而更原生的解決方案將是理想的。 dt = data.table(id = letters[1:5], `1`=0,`2`=

0熱度

2回答

更改值

非常基本的問題：假設我有含有5個元件1D numpy的陣列（A）： A = np.array([ -4.0, 5.0, -3.5, 5.4, -5.9]) 我需要添加， 5給A中小於零的所有元素。什麼是無法循環的方式來做到這一點？