问题标签 [vectorization]

我希望if对每个案例进行操作，而不是对整个向量进行操作。我必须改变什么？

我试图将两个向量相乘，其中一个向量的每个元素乘以另一个向量的相同索引中的元素。然后我想对结果向量的所有元素求和以获得一个数字。例如，向量 {1,2,3,4} 和 {5,6,7,8} 的计算如下所示：

本质上，我正在取两个向量的点积。我知道有一个 SSE 命令可以执行此操作，但该命令没有与之关联的内在函数。此时，我不想在我的 C 代码中编写内联汇编，所以我只想使用内部函数。这似乎是一个常见的计算，所以我对自己在谷歌上找不到答案感到惊讶。

注意：我正在针对支持 SSE 4.2 的特定微架构进行优化。

我希望能深入了解为什么会发生这种情况，以及我如何才能更有说服力地做到这一点。

当我使用 sapply 时，我希望它返回一个 3x2 矩阵，但它返回一个 2x3 矩阵。为什么是这样？为什么很难将它附加到另一个数据框？

当我尝试附加这些时，

我得到的错误是：

尽管以下似乎给出了预期的结果：

我无法对变量进行操作：

返回

谢谢！

我正在用 R 编写一个期望最大化算法。为了加快计算速度，我想对这个瓶颈进行矢量化。我知道N大约是k的一百倍。

还有这个矩阵列表：

我使用以下方法加快了速度：

和：

最近关于使用 require 与 :: 的问题提出了在 R 中编程时使用哪种编程风格以及它们的优点/缺点是什么的问题。浏览源代码或上网浏览，您会看到很多不同的样式显示。

我的代码中的主要趋势：

• 重向量化我经常使用索引（和嵌套索引），这有时会导致代码相当模糊，但通常比其他解决方案快得多。例如：x[x < 5] <- 0而不是x <- ifelse(x < 5, x, 0)

• 我倾向于嵌套函数以避免因需要清理的临时对象而使内存过载。特别是对于处理大型数据集的函数，这可能是一个真正的负担。例如：y <- cbind(x,as.numeric(factor(x)))而不是y <- as.numeric(factor(x)) ; z <- cbind(x,y)

• 我编写了很多自定义函数，即使我在例如只使用了一次代码。一个sapply。我相信它可以使它更具可读性，而不会创建可以留在周围的对象。

• 我不惜一切代价避免循环，因为我认为矢量化更干净（更快）

然而，我注意到对此的看法不同，有些人倾向于放弃他们所谓的“Perl”编程方式（甚至是“Lisp”，所有这些括号都在我的代码中飞来飞去。我不会不过不要走那么远）。

您认为 R 中的良好编码实践是什么？

你的编程风格是什么，你如何看待它的优点和缺点？

Tm和tau是先前计算的相同长度的 NumPy 向量，希望创建一个新向量T。i仅包含用于指示所需内容的元素索引。

这种情况下是否需要 for 循环？

是否可以绕过 FORTRAN 中的循环矢量化？我正在为特定项目编写 F77 标准，但 GNU gfortran 通过现代 FORTRAN 编译，例如 F95。有谁知道某些 FORTRAN 标准是否避免了循环矢量化，或者 gfortran 中是否有任何标志/选项可以关闭它？

更新：所以，我认为我的具体问题的最终解决方案必须“DO”与 FORTRAN DO 循环不允许更新迭代变量。可以在@High Performance Mark 对此相关线程的回复中找到对此的提及...循环矢量化以及如何避免它

[进入堡垒，让菜鸟躲避。]

循环向量化是在开始时计算所有右侧表达式。我刚刚发现我的循环正在被矢量化（在 FORTRAN 77 中......不要问）。我需要在每次迭代中更新循环条件变量，但是如何重写以解决这个向量化？

在相关帖子中，我正在寻找一种方法来专门禁用 FORTRAN 中的此优化“功能”，但在这里我正在寻找针对一般情况的更算法解决方案。

我编写了一个程序来解决 3n + 1 问题（又名“奇妙的数字”和其他各种问题）。但它有一个双循环。我怎么能矢量化它？

代码是

谢谢！

numpyvectorize函数很有用，但是当函数参数是列表而不是标量时，它的表现就不好。举个例子：

给出：

我知道函数 f无需ing 它就可以正常vectorize工作，但我想知道（通常）如何矢量化其参数采用列表而不是标量的函数。