问题标签 [numpy-ufunc]

我对修改后的FitzHugh-Nagumo 模型的向量函数进行了lambdify-ied （没有扩散项）：

但是尝试以ufunc相同的方式生成 a 会导致错误：

我收到的错误消息以：

有人知道ufuncify向量函数的正确方法是什么？

我很惊讶地看到这里numpy.ones_like的 ufunc 列表中列出了。这只是一个疏忽，还是有特定的用例？

这两个看起来应该非常等价，因此对一个有效的应该对另一个有效？那么为什么累积只适用于最大值而不适用于argmax？

编辑：一个自然的后续问题是如何以最pythonic / numpy-esque的方式创建有效的argmax累积？

以下代码返回一个数组而不是预期的浮点值。

如果输入是标量而不是奇怪的数组类型，有没有办法强制它返回简单的标量值？

我觉得很奇怪它默认不这样做，因为所有其他 ufunc （如 np.cos、np.sin 等）确实返回常规标量

编辑：这是有效的代码：

print(f(11.5)) # 打印 12.5

我想使用类似np.dotor 的东西（最好）np.einsum来有效地执行它们的相同功能，但使用替代ufunc而不是np.multiply. 例如，考虑这两个数组：

现在假设我想计算每行中的元素数a等于b. 我希望能够执行以下等效操作（注意：下面的输出是捏造的，但值是我希望看到的）：

有没有办法做到这一点？

我想使用Numba 的guvectorize方法在我的 CUDA 卡上运行代码。我首先定义了一个CPU方法

它给出了测试矩阵的预期输出

实际上，当以 CPU 为目标时，Anew它已就地突变，因此无需将输出分配给res_cpu

将目标更改为以未针对 Generalized CUDA ufuncs'cuda'记录的方式彻底改变guvectorize行为。这是修改后的 ufunc 定义

现在该函数不接受第二个输入矩阵

而是创建一个空矩阵将值放入

我希望通用 ufunc 更新输入矩阵的适当值，而不是填充空矩阵。以 CUDA 设备为目标时，有没有办法将变量指定为输入和输出？

如何将 np.add.at 语句转换为 tensorflow？

编辑

self.dW.shape 是 (V, D)，self.D.shape 是 (N, D)，self.x.size 是 N

我想初始化一个只能包含零或一的大小为 (n,m) 的 numpy 数组。此外，我想稍后将 np.bitwise_or 与数组一起使用。

例如，如果我尝试：

它失败：

我怎样才能以类似的方式做到这一点但没有错误？

如果我尝试，

它确实有效。

这段代码

抛出以下错误，这些错误显然来自\alphaPython/C 代码中的。不幸的是，仅将其替换\alpha为aSympy 符号并非易事，因为在我的实际代码库中，此代码是更大程序的一部分，该程序还显示/写出大量 LaTeX 输出。

假设我有一个 (400,10) 数组x和一个 (400,10) 数组y。是否可以在没有迭代的情况下将每一行的 polyfity插入到相应的行中？如果使用循环，它将类似于x for

因为 400 行x完全不同，所以我不能只将具有相同x坐标的 np.polyfit 应用于多维数组y。