“英特尔MKL”或类似的库是否提供了一种矢量化方法来计算满足C中某些条件的数组中的元素数？ 问题 我正在用一些相当大的数组（从数以百万计的浮点和UP）来执行和优化优化算法，并且主要使用英特尔MKL在C（不是C++中，至少到目前为止）来压缩每一个可能的性能位。现在我遇到了一个愚蠢的问题——我有一个参数，它为一组（数千万）系数的子集设置最大值和最小值。实际上，使用MKL函数应用这些最大值和最小值是很容易的——我可以为每个元素创建大小相等的向量，并使用V？Fmax和V？Fmin来应用它们。但我还需要在我的误差度量中考虑这种剪裁，这要求我计算超出这些约束的元素数量

但是，我找不到一个MKL函数，它允许我计算满足某些条件的元素数量，以及使用Python或MATLAB中的NumPy创建和求和逻辑数组的方式。令人恼火的是，当我尝试用谷歌搜索这个问题时，我只得到了与Python和R相关的答案

显然，我可以编写一个循环，为满足其中一个条件的每个元素增加一个计数器，但是如果有一个已经优化的实现允许我实现这一点，那么我更愿意这样做，因为我的数组太大了

是否有人知道一种聪明的方法，可以通过使用“英特尔MKL”（可能使用统计工具箱或一些创造性地使用初等函数？），一种类似的优化库，或者一种高度优化的手工编码方法，来实现这一点？我一直绞尽脑汁想想出一些开箱即用的方法，但结果却是空的

请注意，我必须能够在C中完成这项工作，将这项任务转移到Python前端是不可行的，我确实需要首先用C编写这个特定的子程序

谢谢

> P>如果使用C++，从算法库中执行“代码> > PARIONSEQ 可以并行化并计数计数。至少在Linux上，它通常使用Intel TBB来实现这一点

---

在c语言中，这可能不那么容易。因为c没有模板、可调用项或lambda之类的概念，所以专门化泛型（提供的库）

count（）

-函数的唯一方法是将函数指针作为回调传递（就像

qsort（）

那样）。除非编译器设法对回调进行设备化和内联，否则根本无法进行矢量化，留下（可能是线程并行化的）标量代码。OTOH，如果您使用gcc vector（我最喜欢的！）作为示例，您可以得到矢量化，但不能得到并行化。你可以试着把这些方法结合起来，但我想说的是自己克服了，使用C++。 然而，如果您只需要矢量化，几乎可以肯定的是，您可以只编写顺序代码并让编译器自动矢量化，除非应该计算的谓词编写得不好，或者编译器被损坏

因为。如果至少有sse4指令可用（

-msse4

），gcc将x86上的代码矢量化。使用AVX[2/512]（

-mavx/-mavx2/-mavx512f

）可以获得更宽的向量，一次生成更多元素。通常，如果您在运行程序的同一硬件上编译，我建议让gcc自动检测最佳的指令集扩展（

-march=native

）

请注意，在提供的代码中，条件不应使用短路或（

|

），因为如果当前元素与

min

-向量的比较已为真，则从

max

-向量读取的内容在语义上是禁止的，这严重阻碍了向量化（尽管avx512可能会以某种灾难性的减速将其矢量化）

我很确定gcc在为avx512生成的代码中并不是最理想的，因为它可以使用

kor[b/w/d/q]

在掩码寄存器中执行k-reg（掩码寄存器）

或

，但可能是对avx512有更多经验的人（*cougth*Peter Cordes*cough*）如果你使用C++，从算法库中执行“代码> > PARIONSEQ 可以并行化和计数计数。在Linux上，至少它通常使用英特尔TBB来完成。

---

在c中这可能不那么容易。因为c没有模板、可调用项或lambda之类的概念，所以专门化泛型（库提供的）

count（）

-函数的唯一方法是将函数指针作为回调传递（如

qsort（）

所做的）。除非编译器设法对回调进行设备化和内联，否则您根本无法进行矢量化，留下（可能是线程并行化的）标量代码。OTOH，如果您使用gcc vector（我最喜欢的！）你可以得到矢量化，但不是并行化。你可以尝试将这些方法结合起来，但我想说一下自己，使用C++。 然而，如果您只需要矢量化，几乎可以肯定的是，您可以只编写顺序代码并让编译器自动矢量化，除非应该计算的谓词编写得不好，或者编译器被损坏

如果至少有sse4指令可用（

-msse4

），则.gcc将x86上的代码矢量化。使用AVX[2/512]（

-mavx/-mavx2/-mavx512f

）您可以使用更宽的向量一次执行更多的元素。通常，如果您在运行程序的同一硬件上编译，我建议让gcc自动检测最佳的指令集扩展（

-march=native

）

请注意，在提供的代码中，这些条件不应使用短路或（

|

），因为如果compa