问题标签 [inner-product]

我正在寻找最有效的方法来将两个对齐的 int16_t 数组相乘，其长度可以用 AVX2 除以 16。

在乘以一个向量后x，我从 开始，_mm256_extracti128_si256得到_mm256_castsi256_si128的低部分和高部分，x然后将它们与_mm_add_epi16.

我复制了结果寄存器并应用于_mm_move_epi64原始寄存器并再次添加了两者_mm_add_epi16。现在，我认为我有：
-, -, -, -, x15+x7+x11+x3, x14+x6+x10+x2, x13+x5+x9+x1, x12+x4+x8+x0 在 128 位寄存器内。但是现在我被卡住了，不知道如何有效地总结剩余的四个条目以及如何提取 16 位结果。

我正在尝试使用Gekko 方程中的 Gekkonp.inner维数数组来执行维数 (30,34) 的 numpy 数组的内积，(34,34)但它会抛出错误，即“没有等式 (=) 或不等式 (>,<) 的等式” . 不允许在 Gekko 方程中使用 numpy 函数吗？如果不是，那么执行诸如等操作的替代方法是np.inner什么np.diag？

我想使用 SSE/AVX2 实现快速相关系数计算。操作数是两个unsigned char向量。该功能应与此大致等效：

参数length范围从 1 到小于 1000。

为了做到这一点，我研究了如何实现两个无符号字节数组的内积。但是，我想不出不涉及将所有无符号 8 位值转换为有符号 16 位值的解决方案。

内在_mm256_maddubs_epi16(a, b)期望b是一个有符号字节。在这种情况下，这不是问题，因为从 b 中减去某个常数（此处为：127）不会改变相关系数。不幸的是，我找不到允许我从产生有符号字节的无符号字节中减去 127 的内在函数（不依赖于一些二进制补码魔法）。

这里计算内积（最后是相关系数）的最佳方法是什么？

附录：

下面是我目前对纯内积的实现。我决定转换为 16 位整数以避免溢出错误。 更新：从一次读取 128 位更改为 256 位。

这大约需要简单 C++ 实现的 20% 时间（见下文）。考虑到 AVX 代码同时适用于 16 个 16 位整数这一事实，我预计会有更高的增益。- 这是合理的还是我错过了什么？

展开 AVX 代码中的最后一个循环不会减少计算时间。

我std::inner_product用来计算 2 中公共前缀的长度strings：

我希望它的大小a小于b. 如果大小大于
大小，为什么它会起作用？ 这是一个标准实现（无效，但仍然可以）：ab
first2first1

这是未指明行为的情况吗？
std::inner_product

接受两个函数参数和两个数组的 APL 风格的内积运算符（高阶函数）如何推广到两个以上的维度？我看到结果数组的维数等于数组维数之和减去 2，并且第一个数组m的最后一个维的大小必须等于第二个数组n的第一个维的大小.

我将不失一般性假设函数是加法和乘法。然后，在一维中，向量的相应元素相乘并将这些乘积相加以产生向量点积（标量）。

同样，在二维中，结果矩阵的 [ m, n ] 元素是第一个矩阵的第m列和第二个矩阵的第n行的点积。

但是当我在内积函数的描述中达到这一点时，他们通常会说“具有对更多维度的明显概括”，或者根本不提及更高维度。这不是很有帮助。谁能解释它是如何计算的？

我得到一个 TypeError: list indices must be integers or slices, not float on the Fourth line of code 当我运行它时。nums 和 nums2 只是要求用户提供一个数字列表，这些数字将用于计算我提供的代码中的内积。

我不确定为什么会发生此错误以及如何解决此问题，因此不胜感激。

我的代码在下面，但是我的内积代码得到了这个奇怪的输出，不知道为什么它没有计算正确的内积。nums 和 nums2 要求用户提供一个相等的数字列表，其中将计算内积。任何援助将不胜感激。

我想计算表（矩阵）和列（向量）之间的内积。以下是示例数据集。

我想v1*0.1 + v2*0.2 + v3*0.3按每一行计算。最终结果将如下所示：

作为一列。

其中分别计算

谢谢。

我尝试proc transpose了tempdf数据集并合并数据集中的coef列，testcoef然后通过与列相乘对所有列进行数组处理coef，并最终将所有列相加。

但是如果数据集很大，这个过程会很慢，我想知道是否有更聪明或更快的方法来做到这一点。

final_out表将像：