在GPU上实现分段多项式的批量求值
是一种利用图形处理器进行高性能计算的方法。分段多项式是由多个不同的多项式段组成的函数，每个段在不同的区间上定义。通过在GPU上进行并行计算，可以加速分段多项式的批量求值过程。
优势：
- 高性能计算：GPU具有大量的并行计算单元，可以同时处理多个数据。对于分段多项式的批量求值，GPU可以同时计算多个输入值，提高计算效率。
- 并行计算：GPU的并行计算能力可以同时处理多个多项式段，加速分段多项式的求值过程。
- 灵活性：通过在GPU上实现分段多项式的批量求值，可以灵活地调整多项式段的数量和区间，以适应不同的应用需求。
应用场景：
- 图像处理：在图像处理中，常常需要对图像的不同区域应用不同的滤波器或变换。通过在GPU上实现分段多项式的批量求值，可以高效地对图像进行处理。
- 科学计算：在科学计算中，常常需要对复杂的函数进行求值。通过在GPU上实现分段多项式的批量求值，可以加速科学计算的过程。
- 机器学习：在机器学习中，常常需要对大量的数据进行处理和计算。通过在GPU上实现分段多项式的批量求值，可以提高机器学习算法的训练和推理速度。
推荐的腾讯云相关产品和产品介绍链接地址： 腾讯云提供了一系列适用于GPU计算的产品和服务，包括云服务器GPU、GPU容器服务、GPU集群等。这些产品可以帮助用户在GPU上实现分段多项式的批量求值，并提供高性能的计算能力。
腾讯云产品介绍链接地址：https://cloud.tencent.com/product/gpu
相关·内容
1回答
我正在尝试计算一个大的分段多项式中的点，它是从三次样条中获得的。我试图在GPU上做这件事，但我遇到了内存限制。
因此，我想分批计算分段多项式。
原始代码：
Y = some_matrix_of_data_values ;
X = some_vector_of_data_sites ;
pp = spline(X, Y) ; % get the piecewise polynomial form of the cubic spline. The resulting structure is very large.
for t = 1: big_number
hcurrent = ppv
浏览 4提问于2017-02-14得票数 0
回答已采纳
1回答
我有一组数据，我想使用matlab中的曲线拟合工具箱来绘制数据的样条图。我所做的是：
x =
Columns 1 through 10
0 1.2500 1.8800 2.5000 5.0000 6.2500 6.8800 7.1900 7.5000 10.0000
Columns 11 through 13
12.5000 15.0000 20.0000
y =
Columns 1 through 10
-85.9300 -78.8200 -56.9500 -34.5600
浏览 1提问于2013-09-24得票数 0
我遇到的情况是，我在一台只有一块GPU卡的服务器上同时运行几个OpenGL程序。它们在FPS为60的情况下工作得很好。
但问题是，当我重新启动其中一个时，其他的FPS会下降很多，可能会降到3倍甚至1倍
如果我同时重启2个或更多，情况可能会更糟，FPS只能是个位数
我想知道是否有任何OpenGL初始化(创建上下文/设置纹理)操作可能会花费大量的GPU资源？
环境:Linux(Ubuntu14.04)NVIDIAGTX770，X11视窗系统
浏览 0提问于2015-05-20得票数 0
2回答
我有一段代码，它包含一个带有模型的类和Huggingface的标记器。在Google上，这段代码工作得很好，它在GPU内存上加载模型，没有问题。在Google平台上，它不起作用，它在gpu上加载模型，无论我尝试什么。
class OPT:
def __init__(self, model_name: str = "facebook/opt-2.7b", use_gpu: bool = False):
self.model_name = model_name
self.use_gpu = use_gpu and torch.cuda.i
浏览 70提问于2022-06-13得票数 0
2回答
我需要添加从多个数据集导出的分段多项式。有没有一种简单的方法可以在不插值的情况下将分段多项式相加？换句话说，在给定PP1和PP2的情况下，是否有一种方法可以生成PP3 (其中PP3保持分段多项式形式)？例如……
t1 = linspace(0,1,5);
t2 = linspace(0,1,7);
pp1 = spline(t1,sin(pi*t1));
pp2 = spline(t2,t2.^2);
close all
hold on
tnew = linspace(0,1,50);
h(:,1) = plot(tnew,ppv
浏览 0提问于2015-06-23得票数 2
回答已采纳
Matlab函数mkpp/ppval允许构造分段多项式。函数y(t) =t为t=0.7传递正确的结果y(0.7) = 0.7，如果范围设置为0 1，则结果应该是相同的。但是，Matlab返回的值为1.7
MATLAB版本: 8.3.0.532 (R2014a)
MATLAB许可证号:演示操作系统: Mac版本: 10.9.5版本: 13F34
Java版本:Java1.7.0_11-B21与甲骨文公司Java HotSpot(TM) 64位服务器VM混合模式
% Get the value of the polynom y(t) = t in the section [0 1]
y =
浏览 1提问于2014-10-08得票数 1
1回答
哪些程序/算法在运行时改变其数据结构的表示以获得更好的性能？
上下文：数据结构“定义”如何在计算机内存中构造和表示真实世界的概念。对于不同类型的计算，应该/可以使用不同的数据结构来实现可接受的性能(例如，链接列表与数组实现)。
自适应的数据结构是根据具体的使用模式(例如，自平衡树)改变内部状态的数据结构。这些更改是内部的，即取决于数据。此外，这些变化是预期的设计。
其他算法可以从表示的外部变化中受益。例如，在矩阵乘法中，转置“第二矩阵”(使缓存被更有效地使用)是一种众所周知的性能技巧。这实际上是将矩阵表示从主要行更改为列的主要顺序。由于"A“与" transposed (A)”
浏览 4提问于2014-07-03得票数 11
1回答
我有一个我正在尝试的艺术应用程序，它使用OpenGL来加速图形渲染。我希望能够添加绘制任意分段曲线的功能-几乎与SVG 'path‘元素定义的形状相同。
与其在CPU上将路径细分为多边形，我认为将缓冲区中的值数组传递给定义曲线片段的着色器，然后使用输入/输出测试来检查哪些像素实际在内部可能会更好。换句话说，我将遍历描述路径中每个段的潜在的大型数据数组。
我记得几年前我学习着色器编程时，GPU通过评估两个分支，然后丢弃不使用的分支来处理if语句。这将有效地意味着，即使我只使用了其中的一小部分，它也会静默地运行在我的整个缓冲区中(即，我的缓冲区有能力处理1024个曲线段，但我绘制的简单矩形
浏览 30提问于2017-12-24得票数 0
我正在使用Visual Studio 2019。当我输入一个数字作为参数时，我已经写了一个简单的代码来计算和打印正弦值。当我使用math.h和cmath.h作为headers.It右键单击sin()调用时，首先将我带到第234行cmath.h头文件中sin的定义，如下所示： _NODISCARD _Check_return_ inline float sin(_In_ float _Xx) noexcept /* strengthened */ {
return _CSTD sinf(_Xx);
} 现在，当我右键单击sinf()，它位于函数的返回部分，我将看到corecrt_mat
浏览 23提问于2020-10-06得票数 0
回答已采纳
我使用的是NVIDIA GPU上的TensorFlow 1.9，内存为3 GB。我的小批量的大小是100MB。因此，我可能会同时在我的GPU上安装多个迷你批次。所以我的问题是，这是否可能，这是否是标准做法。
例如，当我训练我的TensorFlow模型时，我在每个时期运行类似这样的东西：
loss_sum = 0
for batch_num in range(num_batches):
batch_inputs = get_batch_inputs()
batch_labels = get_batch_labels()
batch_loss, _ = sess.run([
浏览 22提问于2018-08-06得票数 4
回答已采纳
我找了很多，但没有找到任何准确的答案。一些网站说，模型参数和训练数据存储在ram上，并在需要时获取，但这不会使训练过程变慢吗？另外，如果参数要存储在GPU上，为什么训练一个模型要消耗我所有的gpu内存？谢谢。
浏览 5提问于2019-03-06得票数 0
1回答
我正在写一个状态栏，它应该占用尽可能少的资源，即应该节省电力，并且不会从更重要的进程中窃取cpu-/io-/gpu-时间，并将内存使用率保持在可接受的水平。我期望该栏主要渲染简单的形状，图标，文本，但也透明效果或彩虹效果应该是可能的。状态栏总是可见的，但在大多数情况下，它并不像用户实际看到的那样重要。 问题是 Vulkan (或任何其他gpu-api)是否比软件渲染器更适合我的需求？ 考虑因素和由此产生的问题 如果我理解正确的话，软件渲染器必须将其帧上传到gpu才能显示它们。只需使用gpu直接渲染，就可以消除数据复制。此外，一些渲染技术(例如透明度、模糊)在gpu上显然更有效。除了实现的简单
浏览 23提问于2020-12-24得票数 1
回答已采纳
1回答
如何以人类可读的方式打印出GNU Octave中的分段函数？
以某种方式在控制台或文件中生成类似以下内容的输出:对于分段函数中的每个多项式，x^(4) + x^(3) + x^(2) +x+1。
浏览 0提问于2017-06-05得票数 0
2回答
我在一个架构上工作，它没有浮点硬件，但只有16位ALU和40位MAC。
我已经在这个架构上用软件实现了32位单精度浮点加/减、乘法、余弦、正弦、除法、平方根和范围缩减。
为了实现余弦和正弦，我首先使用了使用论文中描述的方法的范围缩减，然后实现了余弦和正弦函数，它们是范围-pi/4到+pi/4上的余弦和正弦函数的多项式逼近。我参考了Hart等人的“计算机近似”一书。对于多项式。
我还听说我应该考虑CORDIC算法。然而，我想知道是否有人知道它的效率(在吞吐量、内存开销和所需指令数量方面)会比我已经使用的方法更高还是更低？我在一个多核架构上实现了我的软件功能，每个核只有128个字的指令存储器和一个
浏览 0提问于2013-03-15得票数 7
回答已采纳
1回答
给定一些三维坐标(x轴，y轴和z轴)，我想要做的是得到一个多项式(五阶)。我知道如何通过numpy在2D中(例如，仅在x和y方向上)进行此操作。所以我的问题是:有没有可能用第三个(z-)轴也这样做？如果我在什么地方漏掉了一个问题，很抱歉。
谢谢。
浏览 0提问于2016-01-05得票数 0
我目前正在进行一个项目，其中包括使用raspberry的GPU加密图像。
我想使用LFSR在GPU的每个核心中生成一个流密码。在维基百科的文章中，他们推荐使用几个LFSR的组合，我们可以使用2 LFSR，一个可以判断我们是否使用来自另一个收缩发生器的当前输出位。
它说：“尽管这样简单，但在反馈多项式是秘密的情况下，目前没有比穷尽搜索更好的攻击了。”
你觉得这是个好选择吗？
处理图像使我可以处理大范围的数据、Kb文件。我看到，如果我们选择一个好的多项式，我们可以有一个大周期，所以在理论上，如果我有一个32位的LFSR寄存器，我使用这个页面的多项式多项式。
我能生成2^32伪随机位(不是字节)吗？
浏览 0提问于2016-11-25得票数 1
回答已采纳
我很难确切地理解为什么GPU和CPU的速度与小尺寸的网络相似(CPU有时更快)，而GPU在大尺寸的网络中更快。问题底部的代码在i7-6700k上运行103.7s，但当使用tensorflow-gpu时，代码运行29.5秒。
然而，当我训练一个有100个隐藏神经元的网络时，而不是下面例子中的1000个，当使用GPU时，我得到大约20秒，使用CPU时，我得到大约15秒。
我在另一个堆栈溢出答案上读到CPU->GPU传输需要很长时间，我假设这是在参考在GPU上加载数据示例。
谁能解释一下为什么会发生这种情况，并可能参考代码中的一些更改，以便最大限度地提高速度？
import numpy as
浏览 0提问于2017-02-08得票数 14
我想我可以将这个问题总结为：“当我有两个唯一的网络时，我如何使用批处理标准化？”
我正在训练本质上是GAN的GAN，鉴别器和生成器都有Batch Norm层。这有点不同，因为与普通的GAN框架不同，这两个网络都有各自完全独立的损失函数。第二个网络基本上只是用来测量生成器在任务中的“错误程度”，但它们都应该完全独立地进行更新。
我的网络都是在单独的GPU上定义的，因为它们非常大。
我将网络放置在每个GPU上，并在以下代码中分配依赖关系：
with tf.device("/gpu:0"):
pred = uNet2D(X, BETA[j], KERNEL_SIZE, is_
浏览 2提问于2018-09-13得票数 0
1回答
我一直在读关于Shamir秘密共享算法的文章。在研究过程中，我仍然不确定秘密是如何分裂的。
因此，让我们假设我们遵循这里的例子。秘密是1234，我们选择随机数a1 = 166和a2 = 94，所以秘密多项式是：
f(x) = 1234 + 166*x + 94*x^2
现在我明白以下几点：
(1,1494)；(2,1942)；(3,2578)；(4,3402)；(5,4414)；(6,5614)
但我不明白这些(粗体)点是从何而来的。如果我有另一个多项式，我将如何创建新的一组点？
我知道有一个公式写的，但考虑到我根本不懂外星数学，你能用简单的语言描述这个方法吗？
浏览 0提问于2018-05-08得票数 -3
回答已采纳
我正在研究一个函数，它将为给定的有序对集生成多项式插值。您当前在一个向量中输入节点的索引，在第二个向量中输入要插值的函数值。然后，我为插值这组点的拉格朗日多项式生成一个符号表达式。我希望能够从这个符号形式转到矢量形式，以便与测试函数等进行比较。也就是说，我有一些东西可以生成一些关于符号变量x的多项式P(x)，然后我想把这个多项式采样到一个向量，并得到(例如)线性空间(-1，1,1000)上的多项式的值。如果这是可能的，我该怎么做？
我想我将包括我到目前为止拥有的代码：
function l_poly = lpoly(x,f)
% Returns the polynomial interpo
浏览 2提问于2011-02-10得票数 0
回答已采纳
我目前正在使用TFJS3.8在客户端加载一个分段模型(作为tf.GraphModel加载)。为了创建输入Tensor，我调用了browser.fromPixels(imageData)，它从同样位于CPU上的Tensor对象创建CPU上的ImageData。由于我使用的是tfjs的webgl后端，所以在调用model.predict(tensor)函数时，数据会被发送到GPU。所有这些都运行得很好，除了我的ImageData对象是从带有WebGLRenderingContext的画布上的图像创建的，这意味着它来自GPU。这种GPU->CPU->GPU数据传输正在减慢我的进程，我正
浏览 42提问于2021-10-22得票数 1
回答已采纳
1回答
我在将霍纳算法的伪代码翻译成MatLab中的正确代码时遇到了一些问题。我认为我的困惑源于这样一个事实，即代码假设第一个向量条目可以被0引用，而在MatLab中，这必须是1。我已经尝试相应地修改我的代码，但我没有让它正常工作。伪代码如下：
input n, (a_i, : 0 ≤ i ≤ n), z_0
for k = 0 to n-1 do
for j = n-1 to k step -1 do
a_j = a_j + z_0*a_(j+1)
end do
end do
output (a_i: 0 ≤ i ≤ n)
下面是我尝试用MatLab
浏览 2提问于2012-08-15得票数 1
回答已采纳
我想在一个节点上的多个GPU上用链接器在CIFAR10数据集上训练一个CNN。我尝试用与相同的方式调整以使用ParallelUpdater，但是训练性能非常差--比在一个GPU上训练还要慢，即使所有8个GPU都被利用了。我换成了MultiprocessUpdater，性能(iters/sec)好多了。
不好：
num_gpus = 8
chainer.cuda.get_device_from_id(0).use()
train_iter = chainer.iterators.SerialIterator(train, batch_size)
if num_gpus > 0:
浏览 0提问于2018-05-04得票数 1
我使用的是Sagemath / Cocalc (你可以在你的中运行它，不需要注册，也不需要任何东西)。据我所知，Sagemath只是Python之上的一个库，Sagemath notebook隐含地从Sagemath库中导入了许多东西。
然而，让我困惑的是下面的语法：
R.<x,y> = AA[]
I = R.ideal(x^2 * y - 18,x * y^3 - 24, x * y - 6)
I.variety()
(这解决了多项式系统x^2 * y - 18=0, x * y^3 - 24=, x * y - 6=0，并返回x=2,y=3，很好！)
运行type(AA)
浏览 0提问于2020-05-26得票数 5
谁能告诉我为什么Arrayfun在GPU上比for循环快得多？(不是在CPU上，实际上For循环在CPU上更快)
Arrayfun：
x = parallel.gpu.GPUArray(rand(512,512,64));
count = arrayfun(@(x) x^2, x);
和等效的For循环：
for i=1:size(x,1)*size(x,2)*size(x,3)
z(i)=x(i).^2;
end
可能是因为For循环在GPU上不是多线程的？谢谢。
浏览 0提问于2012-04-14得票数 3
回答已采纳
1回答
我正在做一个建造牛顿盆地的老项目，我正努力使它尽快完成。我要加快的第一件事是如何在给定的复点x0上求多项式函数。我想出了4种不同的方法，并用timeit对它们进行了测试。我使用的代码如下：
import timeit
import numpy as np
import random
from numpy import polyval
class Test(object):
re = random.randint(-40000, 40000)/10000
im = random.randint(-40000, 40000)/10000
x0 = complex(re,
浏览 2提问于2020-11-11得票数 2
回答已采纳
我训练了一个对象检测API模型(使用动物园的COCO / Inception v2的Mask RCNN )，具有相同的配置，TensorFlow和模型版本，以及相同数量的步骤的相同(自定义)数据集。
在本地机器(1080TI上的tensorflow-gpu)上，我使用了object_object/Train.py，而在云上，我使用了调用object_detection.train模块的google ml-engine作业。两者使用相同的学习率。
云运行使用了5个工作进程，而本地运行只有1个GPU。它们都被设置为批处理大小为1。
为什么本地训练的模型的准确性要低得多？本地训练的模型往往比云训练的
浏览 28提问于2018-08-23得票数 0
回答已采纳
关于这个问题，
https://stackoverflow.com/questions/51895278/how-to-know-when-to-use-fit-generator-in-keras-when-training-data-gets-too-big
当由于训练数据过大而报告内存错误时，内存错误是由于缺少正常的PC RAM还是缺少GPU造成的？我想知道哪一个，这样我才能买到合适的RAM。
Keras被配置为使用GPU进行培训。
浏览 0提问于2018-08-20得票数 0
回答已采纳
2回答
从一组数据点，我希望生成一个单一的三次样条函数，它最适合这些点。
也就是说，寻求一个单三阶多项式函数，它最适合于数据，而不是分段多项式。(最终目标是找到这个函数的二阶导数的最大值)
我尝试过，但它似乎只允许生成分段三次样条。
是否有另一个函数，或另一个库，将生成单个三次样条最佳拟合给定的数据点？
背景:数据点来自一个负载传感器(称重传感器)，它代表两个相互接触的物理物体。其目的是为数据平滑提供一个立方体脊柱，然后计算二阶导数的最大值，以便找到它们与给定传感器接触的准确时刻。(如果在这一方法中发现任何缺陷，则表示欢迎)
原始数据：
分段三次样条生成
期望的结果应该会产生一条曲线，如下所示：
浏览 2提问于2019-08-17得票数 1
回答已采纳
我在MATLAB中实现卷积网络，我增加了对GPU的支持(我使用的是gpuArrays)。我实现了前馈部分。当我使用标准数组运行它(我已经准备好了工作空间中的数组)时，需要花费0.15秒。然而，当我运行完全相同的东西时，但是数组是gpuArrays，在运行提要转发脚本之前它们都在我的工作区中，这需要1.39秒。有人能解释一下这里发生了什么吗？谢谢
更新:我测试了运行时间，一切都表明主要的瓶颈是我的卷积部分，所以我将在这里粘贴这部分代码：
pad = (size(layers_W{layerNum}, 1)-1) / 2;
for imageNum
浏览 2提问于2017-06-11得票数 0
我在工作之余解决这个问题主要是出于好奇心。
想象一下正常的0-1背包问题，除了所有的物品要么是黄色，要么是红色，要么是蓝色，要么是绿色，而且由于你的强迫症，你的背包里必须有两件每种颜色的物品。因此，与普通项目不同，每个项目都有3个属性:权重、值、颜色。
这仍然是一个背包问题，还是用其他方式更好地定义它？
浏览 2提问于2012-11-21得票数 2
作为我的项目，我有兴趣在GPU上使用位片方法对HPC应用程序进行AES批量加密。在这方面，我找到了许多论文，讨论使用Lookup Table approach在图形处理器上进行批量加密。我没有找到任何关于在图形处理器上使用Bitslice approach进行批量加密的论文。有一篇由Jason Yang和James Goodman撰写的题为"Symmetric Key Cryptography on Modern Graphics Hardware“的论文，讨论了用于密钥搜索应用的AES和DES在GPU上的位片实现。
一篇题为"Fast, Scalable and Secure
浏览 0提问于2013-07-08得票数 3
你好朋友
我试图对下面MATLAB中给出的数据进行分段三次Hermite插值，然后我想得到x轴多项式所覆盖的面积。我想，我误解了pchip命令返回的系数的含义，但不确定。有谁知道会有什么问题吗？
x = [5.8808 6.5137 7.1828 7.8953];
y = [31.2472 33.9977 36.7661 39.3567];
pp = pchip(x,y)
如果我看到pp，它给了pp
form: 'pp'
breaks: [5.8808 6.5137 7.1828 7.8953]
coefs: [3x4 double]
pie
浏览 10提问于2013-06-17得票数 1
1回答
我正在编写一个定制的TensorFlow op，它需要能够读取OpKernel计算()实现中张量的当前值，以便决定如何继续。不受支持的特征 ( tensorflow::TTypes类型)提供了函数调用操作符的多个重载，当op在主机上运行时，我可以使用它。实际上，"“教程示例代码使用函数调用操作符重载将值赋值到张量中。
问题是，当op在GPU上运行时，调用函数调用操作符重载会导致分段错误。这是因为函数调用操作符重载了一个m_data成员指针，但是当张量驻留在GPU上时，这是一个设备指针。而且，与不同，我不认为我可以使用HostMemory()，因为张量是临时的，是由GPU代码使用的。
我
浏览 1提问于2017-03-12得票数 2
回答已采纳
通常，在我训练完模型后，我会使用相同的GPU来完成。
但是，如果我想在线作为服务提供GPU实例，我们还需要GPU实例进行推断吗？或者一个CPU实例就足够了吗？
谢谢。
浏览 2提问于2016-11-15得票数 1
1回答
假设您有一个凸多边形P(由一组点p定义)和一组点S(所有这些点都在P之外)，如何选择点s in S以使其最大限度地增加P的面积。示例
我有一个O(|P|)公式来计算面的面积，但我不能对S中的每个点都这样做
3 ≤ |P|, |S| ≤ 10^5
大点是S中的点
P u S中没有3个点是共线的
浏览 2提问于2017-03-16得票数 1
我正在学习PyCUDA上的图形处理器编程。我对块上的矩阵运算的计算有点困惑。像下面的例子一样，我想要重做计算 a = np.array([1,2,3,4,5,6])
c = a[:,np.newaxis] - a 这应该是 c = [[0,-1,-2,-3,-4,-5],
[1,0,-1,-2,-3,-4],
[2,1,0,-1,-2,-3],
[3,2,1,0,-1,-2]] 在GPU上。 如果我为矩阵和块分配相同的大小，请遵循下面的代码。一切都很好。但是为了在多个块中测试计算，我给块的大小分配了4，结果出了问题。我已经检查了输出c中每个条目的blockDim
浏览 8提问于2019-01-07得票数 0
我想要了解的是，我们怎样才能有基于有限域之上的秘密共享和建立在椭圆曲线群之上的双线性映射的密码方案。
这方面的一个例子是秘密共享方案中对对的公共可验证性中的第4节，其中使用双线性映射作为正确性的证明，获得了可公开验证的秘密共享。有关计划的有关部分如下：
安装程序：q是素数，h生成一个顺序为q的组G。每个参与者发布公钥h_i = h^{d_i}，其中d_i是F^*_q中的随机数。
分配:经销商选择一个带有系数的随机多项式的度t -1，\alpha_j在F_q：P(x) = \sum^{t-1}_{j=0} \alpha_j x^j中，并发布加密的共享：Y_i = h_i^{P(i)}。并发布对系
浏览 0提问于2019-10-16得票数 0
回答已采纳
在我的代码中，我有这样一行：
f(t->a, t->b, destroy(t));
其中f是函数，t是指向结构的指针，destroy是释放指针t并返回NULL的函数。正如我所期望的那样，代码在一些编译器(cc、gcc、clang on OS X和clang on Linux)上成功编译和运行-在释放t之前，对t->a和t->b进行了评估。然而，当在Linux上使用cc/gcc编译时，我得到了一个分段错误，就像我试图取消引用空指针一样。这是什么原因造成的？
谢谢!
浏览 0提问于2015-04-29得票数 0
2回答
对于我的任务，我必须为在区间0,1上定义的Bernstein多项式实现一个算法。
我的实验需要包括以下函数: f(x) =x，为了代码的简单起见，我让a= 1。在实现算法时，我使用了这本书中的Matlab代码(第一幅图)和教授在注释中定义的方式(第二幅图)：
我的输出有相同的数字，我想问题是我不确定公式中的k值需要多少。总之，这是我的代码：
#include <iostream>
#include <math.h>
using namespace std;
int combinations(int n, int k);
int fact(int n);
// B
浏览 5提问于2015-10-06得票数 1
回答已采纳
2回答
为了得到一个包含D-dimensional正定矩阵C (在我的例子中是多元高斯微分熵)的行列式的可微项，我可以使用：
torch.log2(torch.potrf(C).diag()).sum() + D / 2.0 * (np.log2(2 * np.pi * np.e))
potrf(C)执行Cholesky分解，其对角线元素的日志值之和为日志行列式除以2。
我想在一小批矩阵上调用potrf，这样在形状(N, D, D)的张量上调用potrf就会产生N不同的Cholesky分解。
目前，我只能在Python循环中反复调用potrf()，这是对GPU并行计算能力的拙劣使用，因此运行速度比CP
浏览 2提问于2018-07-10得票数 1
回答已采纳
2回答
多项式的最大值
、、、、
我有一个N阶多项式(其中N是偶数)。这个多项式等于x减/加无穷大的负无穷大(因此它有一个最大值)。我现在做的是用polyder求多项式的导数，然后用Matlab语言中的roots函数求N-1阶多项式的根，得到N-1个解。然后我选择真正最大化多项式的实根。问题是，我经常更新我的多项式，并且在每个时间步，我使用上面的过程来寻找最大化。因此，root函数占用了太多的计算时间，使我的应用程序变得很慢。在Matlab或提出的算法中，有没有一种方法可以以计算高效的方式实现这种最大化(即只找到一个解，而不是N-1个解)？谢谢。
编辑:我还想知道Matlab中是否有一个例程只返回实数根，而不是返回所有实数/复
浏览 3提问于2012-10-25得票数 6
回答已采纳
我意外地为Ubuntu/Linux64位安装了TensorFlow，GPU启用了。当我只安装Linux 64位CPU时，我在从python控制台导入tensorflow时遇到了分段错误。
浏览 0提问于2016-04-27得票数 16
我有一个训练Batch Norm (BN)层的网络。我的批处理大小是16，因此，我必须使用多个GPU。我遵循了的例子，总结如下
with tf.Graph().as_default(), tf.device('/cpu:0'):
images_splits = tf.split(axis=0, num_or_size_splits=FLAGS.num_gpus, value=images)
labels_splits = tf.split(axis=0, num_or_size_splits=FLAGS.num_gpus, value=labels)
f
浏览 20提问于2018-01-08得票数 0
1回答
R中插值样条的多项式系数
、、、
我有一组测量值，我希望在R中使用三次样条插值。因为这些只是分段多项式，所以我想把插值函数进行代数积分。所以我需要系数。有什么办法可以得到这些吗？
调用splines::interpSpline(foo, bar)$coef似乎不返回实际的多项式系数。
浏览 1提问于2016-01-29得票数 3
回答已采纳
2回答
我需要以一种相当间接的方式来拟合数据。在拟合中要恢复的原始数据是一些线性函数，上面有小的振荡和漂移，我想要识别它。让我们称其为f(t)。我们不能在实验中直接记录这个参数，而只能间接地记录，比如说g(f) = sin(a f(t))。(真正的转移函数比较复杂，但它在这里不应该起作用)
因此，如果f(t)改变方向朝向sin函数的转折点，这是很难识别的，我尝试了一种替代方法来恢复f(t)，而不仅仅是g的反函数和一些数据继续猜测：
我创建了一个模型函数fm(t)，它经历相同的已知传递函数g()，并将g(fm(t))拟合到数据。由于数据集很大，我对连续的数据块进行分段，以保证整个数据集的fm的连续性。
浏览 3提问于2012-07-05得票数 0
回答已采纳
谁知道如何获得GPU负载(百分比)和GPU温度的Radeon视频卡使用一些API从一些AMD SDK？看起来AGS不需要API。例如，NVIDIA有NVAPI，但是AMD呢？在Windows平台上寻找解决方案
浏览 2提问于2018-07-09得票数 3
3回答
我正在用GPU训练深度神经网络。如果我的样本太大，批次太大，或者网络太深，我会得到一个内存不足的错误。在这种情况下，有时可以生产较小的批次并仍然进行训练。 是否可以计算训练所需的GPU大小，并预先确定要选择的批量大小？ 更新 如果我打印网络摘要，它会显示"trainable parameters“的数量。我不能根据这个值进行估算吗？例如，以此为例，乘以批处理大小，乘以双倍渐变等？
浏览 57提问于2017-07-17得票数 18
1回答
主机与码头集装箱的差异
、、、
我一直试图训练一个具有特定架构的3 3DCNN网络。我想要创建一个dockerfile，其中包含网络工作所需的所有步骤。问题是，如果我在主机上运行神经网络，我没有问题，一切都很好。但是，在码头容器上执行几乎相同的操作，我总是会得到“分段错误(核心抛出)”错误。
这两种安装并不完全相同，但是变体(可能安装了一些额外的包)不应该是一个问题，对吗？此外，在开始迭代之前，我没有任何错误，因此似乎是内存问题。GPU工作在码头容器上，与主机是同一个GPU。python代码是相同的。
码头集装箱神经网络开始对数据进行训练，但在第一阶段得到“分段故障(核倾卸)”。
因此，我的问题是:即使主机和码头容器安装的包
浏览 0提问于2018-01-28得票数 1
回答已采纳
1回答
Durand-Kerner根查找方法的修正项是
$w_k = -\frac{f(z_k)}{\prod_{j\not=k}(z_k - z_j)}$
维基百科提到，它也有可能使用衍生产品的分母，而不是上述产品。
如何形成这样的导数？我只有多项式的系数和根的逼近。如何求出导数的系数，以便像对多项式( $f(z_k)$)的求值一样，用霍纳方案来计算它？
我是否正确地假设导数可能类似于$g'(x)$ $g(x) = \prod(z_k - z_j)$？
PS:我试着从Talk页面实现Bo Jacoby的表达式，但我无法让它起作用:我试图将所有近似式的所有积之和起来，并将结果放入分母，但它似乎
浏览 6提问于2015-08-23得票数 2
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
