Swift中使用Accelerate实现二维数组与向量逐元素相乘的问题

NumPy示例（预期行为） #

以下NumPy代码实现了二维数组与列向量的广播逐元素相乘：

import numpy as np

a = np.array([[3, 5, 8, 7, 2],
              [1, 4, 9, 1, 3],
              [2, 7, 3, 1, 2],
              [5, 4, 9, 1, 6],
              [4, 2, 9, 6, 7]])

b = np.array([[2],
              [0.5],
              [9],
              [1],
              [18]])

c = a * b

print(c)

输出结果：

[[  6.   10.   16.   14.    4. ]
 [  0.5   2.    4.5   0.5   1.5]
 [ 18.   63.   27.    9.   18. ]
 [  5.    4.    9.    1.    6. ]
 [ 72.   36.  162.  108.  126. ]]

原Swift代码的问题 #

你尝试用Accelerate实现，但输出结果错误：

import Foundation
import Accelerate

let a: [Float] = [3, 5, 8, 7, 2,
                  1, 4, 9, 1, 3,
                  2, 7, 3, 1, 2,
                  5, 4, 9, 1, 6,
                  4, 2, 9, 6, 7]

let b: [Float] = [2,
                  0.5,
                  9,
                  1,
                  18]

var c: [Float] = Array(repeating: 0, count: 25)
vDSP_vmul(a, 1, b, 1, &c, 1, 25)

print(c)

错误输出：

[6.0, 2.5, 72.0, 7.0, 36.0, 0.0, 0.0, 0.0, 1.104904e-39, 4.7331654e-30, 3.7740115e-24, 6.737052e-37, 1.806498e-35, 1.19422e-39, 5.1722454e-26, 5.9787867e-25, 2.7286e-41, 0.0, 0.0, 0.0, 1.6543612e-24, 0.0, 0.0, 5.533857e-39, 3.73e-43]

问题根源：vDSP_vmul是等长向量逐元素相乘，但你的场景需要NumPy的广播机制——将列向量b的每个元素对应到a的整行，再逐元素相乘。直接用vDSP_vmul会因为b长度远小于a而越界访问内存，导致后续结果为垃圾值。

正确的Accelerate实现 #

方法1：逐行执行标量乘法（高效推荐） #

使用vDSP_vsmul函数，它可以将一个向量的所有元素乘以同一个标量。遍历a的每一行，用b中对应的元素作为标量完成乘法：

import Foundation
import Accelerate

let a: [Float] = [3, 5, 8, 7, 2,
                  1, 4, 9, 1, 3,
                  2, 7, 3, 1, 2,
                  5, 4, 9, 1, 6,
                  4, 2, 9, 6, 7]

let b: [Float] = [2, 0.5, 9, 1, 18]

let rowCount = 5
let columnCount = 5
var c: [Float] = Array(repeating: 0, count: rowCount * columnCount)

for i in 0..<rowCount {
    let rowStart = i * columnCount
    let rowRange = rowStart..<rowStart + columnCount
    let scalar = b[i]
    // 对a的当前行执行标量乘法，结果存入c的对应位置
    vDSP_vsmul(a[rowRange], 1, &scalar, &c[rowRange], 1, vDSP_Length(columnCount))
}

print(c)

输出结果与NumPy一致：

[6.0, 10.0, 16.0, 14.0, 4.0, 0.5, 2.0, 4.5, 0.5, 1.5, 18.0, 63.0, 27.0, 9.0, 18.0, 5.0, 4.0, 9.0, 1.0, 6.0, 72.0, 36.0, 162.0, 108.0, 126.0]

方法2：先扩展向量再相乘（直观但内存占用高） #

先将b扩展为和a等长的扁平化数组（每行重复b[i]对应次数），再用vDSP_vmul完成逐元素相乘：

import Foundation
import Accelerate

let a: [Float] = [3, 5, 8, 7, 2,
                  1, 4, 9, 1, 3,
                  2, 7, 3, 1, 2,
                  5, 4, 9, 1, 6,
                  4, 2, 9, 6, 7]

let b: [Float] = [2, 0.5, 9, 1, 18]

let rowCount = 5
let columnCount = 5
var c: [Float] = Array(repeating: 0, count: rowCount * columnCount)

// 扩展b为与a等长的数组：每行重复b[i] 5次
var expandedB: [Float] = []
for scalar in b {
    expandedB.append(contentsOf: Array(repeating: scalar, count: columnCount))
}

// 执行逐元素相乘
vDSP_vmul(a, 1, expandedB, 1, &c, 1, vDSP_Length(rowCount * columnCount))

print(c)

这种方法需要额外内存存储扩展后的b，适合小数据量场景，大数据量下推荐方法1。

内容的提问来源于stack exchange，提问作者wigging