将一维“扁平化”索引转换为N维数组的N维向量索引

Question

将一维“扁平化”索引转换为N维数组的N维向量索引

c++carrayscudaindexing

5

我有一个N维数组，每个维度中都有相同数量的项（即每个维度具有相同的“长度”）。

给定一个对数组的一维索引，我想要一个函数，该函数返回与该索引相关联的坐标。实际上，数组的索引方式并不重要（在算法操作该数组时，所有维度都是相等的，没有任何优先级）。

因此，例如，如果我有一个4x4x4的数组，索引63应返回[3,3,3]，索引0应返回[0,0,0]，索引5应返回[1,1,0]。

我编写了以下函数，其中nDim是维数，nBin是每个维度的长度：

def indicesOf(x,nDim,nBin) :
    indices = []
    for i in arange(0,nDim) :   
        index = (x/nBin**(i))%nBin
        indices.append(index)
        x -= index*nBin**i
    return indices

似乎这个计算是有效的 - 但是否有更高效的方法来进行计算呢？说实话，我提出了这个问题只是为了分享这个解决方案，因为我在网上找不到解决方案。但如果有更有效的方法，那就太好了 - 请分享！

上面的函数是用python编写的，但我只是用它来原型化一个C（实际上是CUDA）函数，所以我无法使用Python的精彩库。

以下是将JackOLantern和Eric关于下面两个幂次大小的评论结合起来的解决方案。对于我尝试过的少数测试用例，它似乎可行。

def indicesPowOf2(x,nDim,nBin) :
    logWidth = math.log(nBin,2)         
    indices = [0]*nDim
    for i in arange(nDim) :
        indices[i] = x & (nBin-1)
        x = x >> int(logWidth)
    return indices

- weemattisnot

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- kangshiyin · Accepted Answer

如果您需要将此代码添加到CUDA内核中，可以避免使用**（幂运算符）以减少计算成本。

以下方法可能更有效：

void indices(int x, int nDim, int nBin, int indices[]) {
    for(int i=0;i<nDim;i++) {
        indices[i] = x % nBin;
        x /= nBin;
    }
}

如果你的 nBin 是 2 的幂次方，你可以使用 >> 和 & 来替代 / 和 %。