Questions tagged «vectorization»

假设a1，b1，c1，并d1指向堆内存和我的数字代码具有下列核心循环。 const int n = 100000; for (int j = 0; j < n; j++) { a1[j] += b1[j]; c1[j] += d1[j]; } 该循环通过另一个外部for循环执行了10,000次。为了加快速度，我将代码更改为： for (int j = 0; j < n; j++) { a1[j] += b1[j]; } for (int j = 0; j < n; j++) { c1[j] += …

2246 c++  c  performance  compiler-optimization  vectorization 

您能否通过基本示例告诉我何时使用这些矢量化方法？ 我看到这map是一种Series方法，而其余都是DataFrame方法。我糊涂了约apply和applymap，虽然方法。为什么我们有两种将函数应用于DataFrame的方法？同样，简单的例子可以很好地说明用法！

465 python  pandas  dataframe  vectorization 

在R中，我有一个element x和一个vector v。我想找到一个v等于的元素的第一个索引x。我知道执行此操作的一种方法是：which(x == v)[[1]]，但这似乎效率太低。有更直接的方法吗？ 对于奖励积分，如果x是矢量，是否存在可以使用的功能？也就是说，它应返回索引向量，指示xin 中每个元素的位置v。

324 r  indexing  match  vectorization 

现在好几次，我在matlab，fortran等中都遇到过这个术语……但我从未找到任何解释，它的意思是什么，它的作用是什么？所以我在这里问，什么是向量化？例如，“循环被向量化”是什么意思？

188 vectorization 

因此，我们习惯对每个R的新用户说“ apply不是矢量化的，请查看Patrick Burns R Inferno Circle 4 ”，其中说（我引用）： 常见的反射是在apply系列中使用功能。这不是 向量化，而是循环隐藏。apply函数的定义中包含一个for循环。lapply函数掩盖了循环，但是执行时间往往近似等于显式的for循环。 的确，快速查看apply源代码可以发现循环： grep("for", capture.output(getAnywhere("apply")), value = TRUE) ## [1] " for (i in 1L:d2) {" " else for (i in 1L:d2) {" 到目前为止还可以，但是看看lapply还是vapply实际上可以看到完全不同的图片： lapply ## function (X, FUN, ...) ## { ## FUN <- match.fun(FUN) ## if (!is.vector(X) || is.object(X)) ## …

138 r  performance  loops  vectorization  apply 

给定一个NumPy数组A，将相同的函数f应用于每个单元的最快/最有效的方法是什么？ 假设我们将分配给A（I，J）的F（A（I，J）） 。 函数f没有二进制输出，因此mask（ing）操作将无济于事。 “显而易见的”双循环迭代（通过每个单元）是否是最佳解决方案？

124 python  performance  function  numpy  vectorization 

例如，v + 1您可以说出一个功能，将其应用于向量中的每个项目，也可以使用函数arrayfun。如何在不使用for循环的情况下为矩阵的每一行/每一列执行此操作？

106 matlab  function  matrix  vectorization 

是for循环真正的“坏”？如果不是，在什么情况下它们会比使用更常规的“矢量化”方法更好？1个 我熟悉“矢量化”的概念，以及熊猫如何利用矢量化技术来加快计算速度。向量化功能在整个系列或DataFrame上广播操作，以实现比传统上迭代数据快得多的加速。 但是，我很惊讶地看到很多代码（包括来自Stack Overflow的答案）提供了解决问题的解决方案，这些问题涉及使用for循环和列表推导来遍历数据。文档和API指出循环是“不好的”循环，并且“绝不能”循环访问数组，序列或DataFrame。那么，为什么有时我会看到用户建议基于循环的解决方案？ 1-虽然问题听起来似乎有些宽泛，但事实是，在某些非常特殊的情况下，for循环通常比传统上遍历数据更好。这篇文章的目的是为了后代。

106 python  pandas  iteration  vectorization  list-comprehension 

可以说，我的Java程序的瓶颈实际上是一些紧密的循环，无法计算一堆矢量点积。是的，我已经进行了概要分析，是的，它是瓶颈，是的，它很重要，是的，这就是算法的方式，是的，我已经运行了Proguard来优化字节码，等等。 实质上，这是点产品。float[50]与之类似，我有两个，我需要计算成对乘积之和。我知道处理器指令集可以像SSE或MMX一样快速且批量地执行此类操作。 是的，我可能可以通过在JNI中编写一些本机代码来访问它们。JNI调用结果非常昂贵。 我知道您不能保证JIT将编译或不编译。有没有人曾经听说过使用这些指令的JIT生成的代码？如果是这样，那么有关Java代码的任何内容都可以使它以这种方式编译吗？ 可能是“否”；值得一问。

95 java  floating-point  jit  sse  vectorization 

我正在与Matlab合作。 我有一个二进制方阵。对于每一行，都有一个或多个1。我想遍历此矩阵的每一行，并返回这些1的索引，并将其存储在单元格的条目中。 我想知道是否有一种方法可以不循环遍历该矩阵的所有行，因为在Matlab中循环确实很慢。 例如我的矩阵 M = 0 1 0 1 0 1 1 1 1 然后最终，我想要类似 A = [2] [1,3] [1,2,3] A细胞也是如此。 是否有一种无需使用for循环即可实现此目标的方法，目的是更快地计算结果？

10 matlab  vectorization 

我有数组，需要动态窗口最大滚动差异。 a = np.array([8, 18, 5,15,12]) print (a) [ 8 18 5 15 12] 所以首先我自己创造差异： b = a - a[:, None] print (b) [[ 0 10 -3 7 4] [-10 0 -13 -3 -6] [ 3 13 0 10 7] [ -7 3 -10 0 -3] [ -4 6 -7 …

9 python  numpy  max  vectorization  diagonal