タグ付けされた質問 「vectorization」

仮定a1、b1、c1、およびd1ヒープメモリと私の数値コードのポイントは、以下のコアループを有しています。 const int n = 100000; for (int j = 0; j < n; j++) { a1[j] += b1[j]; c1[j] += d1[j]; } このループは、別の外部forループを介して10,000回実行されます。スピードアップするために、コードを次のように変更しました。 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 

基本的な例でこれらのベクトル化方法をいつ使用するか教えてもらえますか？ 私は見mapているSeries残りの部分であるのに対し、法DataFrame方法。applyとapplymap方法について混乱しました。関数をDataFrameに適用する方法が2つあるのはなぜですか？繰り返しになりますが、使用法を説明する簡単な例はすばらしいでしょう。

465 python  pandas  dataframe  vectorization 

Rでは、要素xとベクトルがありvます。にv等しい要素の最初のインデックスを見つけたいのですがx。これを行う方法の1つは次のとおりwhich(x == v)[[1]]です。それを行うためのより直接的な方法はありますか？ ボーナスポイントについてx、ベクトルなら機能する機能はありますか？つまり、xin の各要素の位置を示すインデックスのベクトルを返す必要がありvます。

324 r  indexing  match  vectorization 

今、何度か、MATLAB、Fortranでこの用語に出会ったことがあります...その他... だから私はここで、ベクトル化とは何か、そしてたとえば「ループはベクトル化されている」とはどういう意味ですか？

190 vectorization 

したがって、私たちはすべてのRの新規ユーザーに「applyベクトル化されていません。パトリックバーンズRインフェルノサークル4をチェックしてください」と言っています（引用します）。 一般的な反射は、適用ファミリーで関数を使用することです。これは ベクトル化ではなく、ループ非表示です。apply関数の定義にはforループがあります。lapply関数はループを埋めますが、実行時間は明示的なforループとほぼ同じになる傾向があります。 実際、applyソースコードをざっと見てみると、ループがわかります。 grep("for", capture.output(getAnywhere("apply")), value = TRUE) ## [1] " for (i in 1L:d2) {" " else for (i in 1L:d2) {" これまでのところ、わかりましたが、見てみるとlapply、vapply実際にはまったく異なる画像が表示されます。 lapply ## function (X, FUN, ...) ## { ## FUN <- match.fun(FUN) ## if (!is.vector(X) || is.object(X)) ## X <- as.list(X) ## .Internal(lapply(X, FUN)) ## …

138 r  performance  loops  vectorization  apply 

与えられたnumpyのの配列A、適用する最速/最も効率的な方法何同じ機能を、Fに、すべてのセル？ A（i、j）にf（A（i、j））を割り当てると仮定します。 関数fにはバイナリ出力がないため、マスク（）演算は役に立ちません。 「すべてのセルを通る」「明白な」二重ループ反復は最適なソリューションですか？

124 python  performance  function  numpy  vectorization 

たとえば、と発声することで、ベクター内のすべてのアイテムに関数を適用できます。また、関数をv + 1使用することもできますarrayfun。forループを使用せずに、行列のすべての行/列に対してどのように実行できますか？

106 matlab  function  matrix  vectorization 

あるforループは、実際には「悪いですか」？そうでない場合、どのような状況で、従来の「ベクトル化された」アプローチを使用するよりも優れていますか？1 私は「ベクトル化」の概念と、パンダが計算を高速化するためにベクトル化された手法をどのように使用するかをよく知っています。ベクトル化された関数は、シリーズ全体またはDataFrame全体に操作をブロードキャストし、従来のデータの反復よりはるかに高速化します。 しかし、forループとリスト内包表記を使用してデータをループすることを含む問題の解決策を提供する多くのコード（Stack Overflowでの回答を含む）を提供していることに驚いています。ドキュメントとAPIは、ループは「悪い」ものであり、配列、系列、またはデータフレームを反復することは「決して」すべきではないと述べています。それで、ループベースのソリューションを提案しているユーザーを時々見るのはなぜですか？ 1-質問がいくぶん広範に聞こえることは事実ですが、forループは通常、従来のデータの反復よりも優れているという非常に特殊な状況があります。この投稿は、後世のためにこれを捉えることを目的としています。

105 python  pandas  iteration  vectorization  list-comprehension 

私のJavaプログラムのボトルネックは、ベクトルドット積の束を計算するためのいくつかのタイトなループであるとしましょう。はい、プロファイリングしました、はい、それがボトルネックです、はい、それは重要です、はい、それはまさにアルゴリズムです。はい、Proguardを実行してバイトコードを最適化しました。 仕事は本質的に、ドット積です。同様に、2つfloat[50]あり、ペアワイズ積の合計を計算する必要があります。SSEやMMXのように、この種の操作をすばやく大量に実行するためのプロセッサ命令セットが存在することは知っています。 はい、おそらくJNIでネイティブコードを書くことでこれらにアクセスできます。JNIの呼び出しにはかなりの費用がかかります。 JITがコンパイルするものまたはコンパイルしないものを保証できないことはわかっています。誰もがしている、これまで、これらの命令を使用してJIT生成コードのことを聞きましたか？もしそうなら、このようにコンパイル可能にするのに役立つJavaコードについて何かありますか？ おそらく「ノー」です。尋ねる価値があります。

95 java  floating-point  jit  sse  vectorization 

私はMatlabと協力しています。 バイナリ正方行列があります。各行には、1の1つ以上のエントリがあります。この行列の各行を調べて、それらの1のインデックスを返し、セルのエントリに格納します。 Matlabではforループが本当に遅いので、この行列のすべての行をループしないでこれを行う方法があるかどうか疑問に思っていました。 たとえば、私の行列 M = 0 1 0 1 0 1 1 1 1 そして、最終的に、私は次のようなものが欲しい A = [2] [1,3] [1,2,3] A細胞もそうです。 より迅速に結果を計算する目的で、forループを使用せずにこの目標を達成する方法はありますか？

10 matlab  vectorization 

私は配列を持っていて、動的ウィンドウで最大のローリング差分が必要です。 a = np.array([8, 18, 5,15,12]) print (a) [ 8 18 5 15 12] だから私は最初に自分で違いを生み出します： 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