问题标签 [elementwise-operations]

cublas中是否有元素乘法？我正在尝试执行这些 Matlab 操作

我有使用 for 循环和另一个 CUDA 的主机实现，但我想知道我是否错过了可以以优化方式完成它的 cublas 库函数。

这是我的 CUDA 内核

我想在 tensorflow 中定义一个运算，计算如下：

x 由张量提供。最后，应该将操作与已知值进行比较，并学习参数 alpha、beta i 和 b。

（我猜）所有输入的乘积会导致麻烦。这是我尝试部署的一个版本，但没有成功。# 输入 X = tf.placeholder(tf.float32, [None, 2], name="X") Y = tf.placeholder(tf.float32, [None, 1], name="Y")

从 gist https://gist.github.com/anonymous/c17d45b4e997bfccb5275dffa44512d6运行完整脚本 会导致错误消息：

文件“h2o_test_opti.py”，第 13 行，在 productLayer = tf.contrib.keras.layers.multiply(powered) ValueError：应在输入列表上调用合并层。

我认为 tf.contrib.keras.layers.multiply 的功能描述符合我的需要。我还尝试找到一种像 for 循环这样的简单方法来计算所有传入张量元素的乘积，但没有成功，因为我无法想象一种以正确方式访问张量的方法。选择正确的指标是不可能的（？），因为我不知道当前步骤，因此不知道要处理的正确张量？

我想将此作为“激活函数”进行测试（更确切地说是优化/拟合过程）

如果需要更多信息来帮助解决此问题，请告诉我。

Preface: Element-wise addition of 2 lists?

I want to write to code to have the following behavior:

in python. Is this possible without very messy comprehensions and mapping?

我有一个单列 Pandas 数据框：

我想把它变成一个具有相同索引和列的方阵掩码，如果列和索引的值相同，则每个s.index元素都相同。TruesFalse

我的实际s有 10K+ 行。生成该maskDataFrame 的最快方法是什么？

我尝试过的一种方法是创建一个带有两个for循环的 2 级字典。（例如dict['A']['B'] = dict['B']['A'] = True if s.loc['A'] == s.loc['B'] else False，等）。然后将底层转换dict为 Pandas 系列（例如row = pd.Series(dict[A])），然后将该系列附加到mask. mask逐行迭代构造。

这需要很长时间，并且必须显式循环遍历 10K x 10K / 2 = 50M 元素……不理想？

我了解 Julia 可以在 v0.6 中通过 f.(x) 将元素参数应用于函数

现在，我将 f 定义为 Array{Function, 1}。

我想像上面的语法一样将参数应用于逐元素函数，而不是使用map,[_f(x) for _f in f]

有人可以熟悉这个问题吗？

我有两个使用tf.sparse_placeholder. 我需要在两个矩阵之间执行逐元素乘法。但我在tensorflow. 最相关的函数是tf.sparse_tensor_dense_matmul，但这是一个在一个稀疏矩阵和一个密集矩阵之间执行矩阵乘法的函数。

我希望找到的是在两个稀疏矩阵之间执行元素乘法。中是否有任何实现tensorflow？

我展示了以下在密集矩阵之间执行乘法的示例。我期待看到解决方案。

非常感谢！！！

我想在 Python 中比较两个相同大小的 int 有序 numpy 数组，并在相同位置输出相同值的公共元素：

逐元素比较将给出：[35]

你能帮助我吗 ？

我有一个 16x10 的熊猫数据框，每个单元格中有 1x35000 个数组（或 NaN）。我想对每列的行取元素平均值。

为避免误解：取第一列中每个数组的第一个元素并取均值。然后取第一列中每个数组的第二个元素并再次取平均值。最后，我想要一个 1x10 数据框，每列一个 1x35000 数组。该数组应该是我以前的数组的元素平均值。

您是否有一个想法可以在没有 for 循环的情况下优雅地到达那里？

我有一个相当大的数据框（df），每个单元格中都包含数组和 NaN，前 3 行如下所示：

我已经知道（感谢 piRSquared）如何在每列的行上取元素平均值，以便我得到这个：

现在我想知道如何获得各自的标准偏差，知道吗？另外，我还不明白 groupby() 在做什么，有人可以更详细地解释它的功能吗？

df

element_wise_mean

element_wise_sd

像这样进行乘法的最简洁的方法是什么？

要得到

c 是标量，A 是 NumPy 数字多维数组（比如说，矩阵）。

示例代码：