ArrayFire Python 如何实现等价于NumPy的行级逐元素加法与乘法
ArrayFire 逐元素运算的维度规则与行级运算实现
NumPy 原生广播运算效果
NumPy 支持隐式广播机制,形状不匹配的数组在执行逐元素加减乘时,会按照广播规则自动对齐维度完成计算,典型示例如下:
>>> a = np.array([1,2,3]) >>> a array([1, 2, 3]) >>> b = np.arange(9).reshape((3, 3)) >>> b array([[0, 1, 2], [3, 4, 5], [6, 7, 8]]) >>> a + b array([[ 1, 3, 5], [ 4, 6, 8], [ 7, 9, 11]]) >>> a * b array([[ 0, 2, 6], [ 3, 8, 15], [ 6, 14, 24]])
早期ArrayFire的维度匹配要求
在广播能力未作为正式特性内置的ArrayFire版本中,执行逐元素运算的数组必须满足形状完全一致,不会做自动的维度对齐适配。这也是将上述NumPy数组直接转换为ArrayFire数组后,直接执行加法、乘法会触发维度不匹配错误的原因,报错示例如下:
>>> a = af.from_ndarray(a) >>> b = af.from_ndarray(b) >>> a + b Invalid dimension for argument 1 Expected: ldims == rdims >>> a * b Invalid dimension for argument 1 Expected: ldims == rdims
基于af.tile的行级运算实现
在内置广播特性上线前,可以通过af.tile接口手动复制向量维度,模拟NumPy广播的行级运算效果。核心逻辑是将一维行向量调整为与目标矩阵同形状的二维数组,保证每一行的值与原向量一致,即可完成逐元素运算:
>>> a = np.array([1,2,3]) >>> a = af.tile(af.transpose(af.from_ndarray(a)),3,1) >>> af.display(a) [3 3 1 1] 1 2 3 1 2 3 1 2 3 >>> b = np.arange(9).reshape((3, 3)) >>> b = af.from_ndarray(b) >>> af.display(a + b) [3 3 1 1] 1 3 5 4 6 8 7 9 11 >>> af.display(a * b) [3 3 1 1] 0 2 6 3 8 15 6 14 24
内容的提问来源于stack exchange,提问作者Daniel Farrell
相关产品推荐
相关产品推荐

