Julia 使用Arrayfire.jl的向量叉积的可能解决方法？

我尝试使用ArrayFire.jl进行向量数学运算，但ArrayFire中没有实现向量叉积函数。 使用Julia的Arrayfire.jl包装器以高性能的方式计算它是否有解决方法？由于设备和主机之间的所有数据传输，以简单的方式定义函数的速度非常慢，而且我对包装器函数的理解还不足以解决这个问题

cross(a::ArrayFire.AFArray, b::ArrayFire.AFArray) = ArrayFire.AFArray([a[2]*b[3]-a[3]*b[2]; a[3]*b[1]-a[1]*b[3]; a[1]*b[2]-a[2]*b[1]]);

---

我认为以下措施应该有效：

function cross!(c::AFArray, a::AFArray, b::AFArray)
    c[1] = a[2]*b[3]-a[3]*b[2]
    c[2] = a[3]*b[1]-a[1]*b[3]
    c[3] = a[1]*b[2]-a[2]*b[1]
end

c = AFArray(zeros(3))
a = AFArray([1.0, 2, 3])
b = AFArray([3.0, 4, 5])

cross!(c, a, b)

---

为了回答我自己的问题，可以使用circshift（）函数在GPU中创建移位向量，然后进行元素乘法和减法。这不是最优雅的方式，但它很有效

function cross(a::ArrayFire.AFArray{Float32,1}, b::ArrayFire.AFArray{Float32,1})
    ashift = circshift(a, [-1]);
    ashift2 = circshift(a, [-2]);
    bshift = circshift(b, [-2]);
    bshift2 = circshift(b, [-1]);
    c::ArrayFire.AFArray{Float32,1} = ashift.*bshift - ashift2.*bshift2;
end

---

那么您是想使用array fire还是仅仅使用julia的linalg（它有一个内置的交叉函数，速度非常快…）我想使用ArrayFire来完成这项工作，这样我就可以将计算转移到GPU并加速我的代码。你能不能编写一个版本，使用3个AFArray并使用你给出的定义来设置第一个AFArray的元素？如果我了解ArrayFire.jl包的较低级别包装功能，也许可以，但是使用像[I]这样的索引功能是的，它应该能提供相当大的加速。我需要计算大约175000个实例，大多数代码都可以利用并行化。我在加速代码方面取得了很好的成功，但现在遇到了这个问题，不幸的是，我无法摆脱交叉产品。