【taichi】使用snode来指定内存布局和稀疏数据结构

于 2022-11-27 02:14:04 发布
阅读量419 收藏
点赞数
分类专栏： # taichi 文章标签： 数据结构 python 算法
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43940314/article/details/128060067
版权 
import taichi as ti
ti.init()
x = ti.field(ti.f32)
snode = ti.root.dense(ti.ij,(10,10))
snode.place(x)
# same as 
# x = ti.field(ti.f32, (10,10))

print(x.shape)


x[1,3] = 1
x[1,5] = 2.1
x[2,3] = 3.5
x[3,3] = 2

@ti.kernel
def test():
    for i,j in x:
        print('x[{},{}]={}'.format(i,j,x[i,j]))
        
test()

x[0,0]=0.000000
x[0,1]=0.000000
x[0,2]=0.000000
x[0,3]=0.000000
x[0,4]=0.000000
x[0,5]=0.000000
x[0,6]=0.000000
x[0,7]=0.000000
x[0,8]=0.000000
x[0,9]=0.000000
x[1,0]=0.000000
x[1,1]=0.000000
x[1,2]=0.000000
x[1,3]=1.000000
x[1,4]=0.000000
x[1,5]=2.100000
x[1,6]=0.000000
x[1,7]=0.000000
x[1,8]=0.000000
x[1,9]=0.000000
x[2,0]=0.000000
x[2,1]=0.000000
x[2,2]=0.000000
x[2,3]=3.500000
x[2,4]=0.000000
x[2,5]=0.000000
x[2,6]=0.000000
x[2,7]=0.000000
x[2,8]=0.000000
x[2,9]=0.000000
x[3,0]=0.000000
x[3,1]=0.000000
x[3,2]=0.000000
x[3,3]=2.000000
x[3,4]=0.000000
x[3,5]=0.000000
x[3,6]=0.000000
x[3,7]=0.000000
x[3,8]=0.000000
x[3,9]=0.000000
x[4,0]=0.000000
x[4,1]=0.000000
x[4,2]=0.000000
x[4,3]=0.000000
x[4,4]=0.000000
x[4,5]=0.000000
x[4,6]=0.000000
x[4,7]=0.000000
x[4,8]=0.000000
x[4,9]=0.000000
x[5,0]=0.000000
x[5,1]=0.000000
x[5,2]=0.000000
x[5,3]=0.000000
x[5,4]=0.000000
x[5,5]=0.000000
x[5,6]=0.000000
x[5,7]=0.000000
x[5,8]=0.000000
x[5,9]=0.000000
x[6,0]=0.000000
x[6,1]=0.000000
x[6,2]=0[Taichi] Starting on arch=arm64
.000000
x[6,3]=0.000000
x[6,4]=0.000000
x[6,5]=0.000000
x[6,6]=0.000000
x[6,7]=0.000000
x[6,8]=0.000000
x[6,9]=0.000000
x[7,0]=0.000000
x[7,1]=0.000000
x[7,2]=0.000000
x[7,3]=0.000000
x[7,4]=0.000000
x[7,5]=0.000000
x[7,6]=0.000000
x[7,7]=0.000000
x[7,8]=0.000000
x[7,9]=0.000000
x[8,0]=0.000000
x[8,1]=0.000000
x[8,2]=0.000000
x[8,3]=0.000000
x[8,4]=0.000000
x[8,5]=0.000000
x[8,6]=0.000000
x[8,7]=0.000000
x[8,8]=0.000000
x[8,9]=0.000000
x[9,0]=0.000000
x[9,1]=0.000000
x[9,2]=0.000000
x[9,3]=0.000000
x[9,4]=0.000000
x[9,5]=0.000000
x[9,6]=0.000000
x[9,7]=0.000000
x[9,8]=0.000000
x[9,9]=0.000000
(10, 10)

import taichi as ti
ti.init()
x = ti.Vector.field(3,ti.f32)
snode = ti.root.dense(ti.ij,(10,10))
snode.place(x)
# same as 
# x = ti.field(ti.f32, (10,10))

print(x.shape)


x[1,3] = ti.Vector([1,2,3])
x[1,5] = ti.Vector([1,2,3])
x[2,3] = ti.Vector([1,2,3])
x[3,3] = ti.Vector([1,2,3])

@ti.kernel
def test():
    for i,j in x:
        print('x[{},{}]'.format(i,j),end='\t')
        print(x[i,j])
        
test()

x[0,0]	[0.000000, 0.000000, 0.000000]
x[0,1]	[0.000000, 0.000000, 0.000000]
x[0,2]	[0.000000, 0.000000, 0.000000]
x[0,3]	[0.000000, 0.000000, 0.000000]
x[0,4]	[0.000000, 0.000000, 0.000000]
x[0,5]	[0.000000, 0.000000, 0.000000]
x[0,6]	[0.000000, 0.000000, 0.000000]
x[0,7]	[0.000000, 0.000000, 0.000000]
x[0,8]	[0.000000, 0.000000, 0.000000]
x[0,9]	[0.000000, 0.000000, 0.000000]
x[1,0]	[0.000000, 0.000000, 0.000000]
x[1,1]	[0.000000, 0.000000, 0.000000]
x[1,2]	[0.000000, 0.000000, 0.000000]
x[1,3]	[1.000000, 2.000000, 3.000000]
x[1,4]	[0.000000, 0.000000, 0.000000]
x[1,5]	[1.000000, 2.000000, 3.000000]
x[1,6]	[0.000000, 0.000000, 0.000000]
x[1,7]	[0.000000, 0.000000, 0.000000]
x[1,8]	[0.000000, 0.000000, 0.000000]
x[1,9]	[0.000000, 0.000000, 0.000000]
x[2,0]	[0.000000, 0.000000, 0.000000]
x[2,1]	[0.000000, 0.000000, 0.000000]
x[2,2]	[0.000000, 0.000000, 0.000000]
x[2,3]	[1.000000, 2.000000, 3.000000]
x[2,4]	[0.000000, 0.000000, 0.000000]
x[2,5]	[0.000000, 0.000000, 0.000000]
x[2,6]	[0.00[Taichi] Starting on arch=arm64
0000, 0.000000, 0.000000]
x[2,7]	[0.000000, 0.000000, 0.000000]
x[2,8]	[0.000000, 0.000000, 0.000000]
x[2,9]	[0.000000, 0.000000, 0.000000]
x[3,0]	[0.000000, 0.000000, 0.000000]
x[3,1]	[0.000000, 0.000000, 0.000000]
x[3,2]	[0.000000, 0.000000, 0.000000]
x[3,3]	[1.000000, 2.000000, 3.000000]
x[3,4]	[0.000000, 0.000000, 0.000000]
x[3,5]	[0.000000, 0.000000, 0.000000]
x[3,6]	[0.000000, 0.000000, 0.000000]
x[3,7]	[0.000000, 0.000000, 0.000000]
x[3,8]	[0.000000, 0.000000, 0.000000]
x[3,9]	[0.000000, 0.000000, 0.000000]
x[4,0]	[0.000000, 0.000000, 0.000000]
x[4,1]	[0.000000, 0.000000, 0.000000]
x[4,2]	[0.000000, 0.000000, 0.000000]
x[4,3]	[0.000000, 0.000000, 0.000000]
x[4,4]	[0.000000, 0.000000, 0.000000]
x[4,5]	[0.000000, 0.000000, 0.000000]
x[4,6]	[0.000000, 0.000000, 0.000000]
x[4,7]	[0.000000, 0.000000, 0.000000]
x[4,8]	[0.000000, 0.000000, 0.000000]
x[4,9]	[0.000000, 0.000000, 0.000000]
x[5,0]	[0.000000, 0.000000, 0.000000]
x[5,1]	[0.000000, 0.000000, 0.000000]
x[5,2]	[0.000000, 0.000000, 0.000000]
x[5,3]	[0.000000, 0.000000, 0.000000]
x[5,4]	[0.000000, 0.000000, 0.000000]
x[5,5]	[0.000000, 0.000000, 0.000000]
x[5,6]	[0.000000, 0.000000, 0.000000]
x[5,7]	[0.000000, 0.000000, 0.000000]
x[5,8]	[0.000000, 0.000000, 0.000000]
x[5,9]	[0.000000, 0.000000, 0.000000]
x[6,0]	[0.000000, 0.000000, 0.000000]
x[6,1]	[0.000000, 0.000000, 0.000000]
x[6,2]	[0.000000, 0.000000, 0.000000]
x[6,3]	[0.000000, 0.000000, 0.000000]
x[6,4]	[0.000000, 0.000000, 0.000000]
x[6,5]	[0.000000, 0.000000, 0.000000]
x[6,6]	[0.000000, 0.000000, 0.000000]
x[6,7]	[0.000000, 0.000000, 0.000000]
x[6,8]	[0.000000, 0.000000, 0.000000]
x[6,9]	[0.000000, 0.000000, 0.000000]
x[7,0]	[0.000000, 0.000000, 0.000000]
x[7,1]	[0.000000, 0.000000, 0.000000]
x[7,2]	[0.000000, 0.000000, 0.000000]
x[7,3]	[0.000000, 0.000000, 0.000000]
x[7,4]	[0.000000, 0.000000, 0.000000]
x[7,5]	[0.000000, 0.000000, 0.000000]
x[7,6]	[0.000000, 0.000000, 0.000000]
x[7,7]	[0.000000, 0.000000, 0.000000]
x[7,8]	[0.000000, 0.000000, 0.000000]
x[7,9]	[0.000000, 0.000000, 0.000000]
x[8,0]	[0.000000, 0.000000, 0.000000]
x[8,1]	[0.000000, 0.000000, 0.000000]
x[8,2]	[0.000000, 0.000000, 0.000000]
x[8,3]	[0.000000, 0.000000, 0.000000]
x[8,4]	[0.000000, 0.000000, 0.000000]
x[8,5]	[0.000000, 0.000000, 0.000000]
x[8,6]	[0.000000, 0.000000, 0.000000]
x[8,7]	[0.000000, 0.000000, 0.000000]
x[8,8]	[0.000000, 0.000000, 0.000000]
x[8,9]	[0.000000, 0.000000, 0.000000]
x[9,0]	[0.000000, 0.000000, 0.000000]
x[9,1]	[0.000000, 0.000000, 0.000000]
x[9,2]	[0.000000, 0.000000, 0.000000]
x[9,3]	[0.000000, 0.000000, 0.000000]
x[9,4]	[0.000000, 0.000000, 0.000000]
x[9,5]	[0.000000, 0.000000, 0.000000]
x[9,6]	[0.000000, 0.000000, 0.000000]
x[9,7]	[0.000000, 0.000000, 0.000000]
x[9,8]	[0.000000, 0.000000, 0.000000]
x[9,9]	[0.000000, 0.000000, 0.000000]
(10, 10)

import taichi as ti
ti.init()
x = ti.field(ti.f32)
snode = ti.root.pointer(ti.ij,(10,10))
snode.place(x)
# print(x.shape)

x[1,3] = 1.3
x[1,5] = 1.6
x[2,3] = 1.4
x[3,3] = 1.0

@ti.kernel
def test():
    for i,j in x:
        print('x[{},{}]={}'.format(i,j,x[i,j]))
        
test()

x[1,3]=1.300000
x[1,5]=1.600000
x[2,3]=1.400000
x[3,3]=1.000000
[Taichi] Starting on arch=arm64
beidou111
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
数据结构之链栈
xuanliang_cpy的博客
10-07 309
链栈的相关操作
数据结构笔记（八）-- 链式栈
m0_43609475的博客
06-01 490
链表实现栈 一、链式栈的结构 二、链式栈的指针指向 链式栈的指针指向栈的顶部 三、结点和栈的结构定义 typedef int ElemType;//定义存储的数据类型 typedef struct SNode //定义链结点结构 { ElemType data; SNode *next; }SNode ,*pSNode; typedef struct Stack //定义栈结构 { pSNode pTop; pSNode pBottom; }Stack, *pStack; 三、栈操作
数据结构总结
oShanZi1的专栏
10-24 503
线性表（vector）： 数据类型相同。有限序列。内存地址相邻。直接理解为数组即可。 链表： 数据类型相同。有指针域表示直接后继的位置。 struct SNode  //单链表 {     int nData;        //数据     SNode* pNext;    //下个元素位置 };内存地址可以不相连。插入与删除操作，只改动指针域指定的直接后
数据结构笔记(五）
Admnbl的博客
10-01 255
栈(顺序存储) typedef int Position; struct SNode{ ElemType *data; //存储元素的数组 Postion top; //栈顶指针 int max; //最大容量 }; typedef struct SNode *Stack; Stack CerateStack(int max){ ...
【数据结构】线性表链接存储结构
Leopold_1996的博客
08-12 562
线性表的链接存储 链接存储中，每个存储结点不仅含有所存元素本身的信息，而且含有元素之间的逻辑关系信息， 其中data表示值域，用来存储一个元素，p1,p2,…pm(m>1)均为指针域，每个指针的值为其对应后继元素或前驱元素所在结点的存储位置。 单链表中的结点类型 ： struct sNode{ ElemType data ; struct sNode* next...
taichi：生产和便携式编程语言，用于在CPU和GPU上进行高性能，稀疏和差异化计算
02-17
Taichi （太极）是为高性能计算机图形学而设计的一种编程语言。 它深深地嵌入在Python中，并且它的即时编译器将计算密集型任务转移到多核CPU和大规模并行GPU上。 太极拳的高级功能包括和 。 请查看有关太极拳基础...
zygisk-taichi-v8.1.0.zip
03-14
总的来说，Zygisk-taichi-v8.1.0.zip是一个用于Android设备的高级系统增强工具，它提供了一种安全、高效的方式来修改和扩展Android的功能。用户可以通过安装这个模块，享受到更个性化的系统体验，但需要注意的是，...
wcsph:使用taichi创建sph模拟
05-25
其次，您需要安装语言， pip安装taichi 最后，您输入ti dfsph.py ，仅此而已 该项目产生的一些图像 位置盘样本（完全并行），用于边界处理 隐式粘度求解器 使用前提条件cg解决粘度： 表面张力（不带和带）： 各...
taichi_blend:Taichi Blender集成，用于物理模拟和动画
05-08
太极混合Taichi Blender集成，用于创建基于物理的动画。 范例： : 。 太极回购： : 。 太极文档： : 。 太极中文文档： : 。 太极论坛： ： 。视频教程系列（双语）EP3-简单的SDF射线追踪仪EP4-物理节点系统EP5-实时...
docs.taichi.graphics:Taichi 文档站点的主页
08-05
使用为文档构建的静态文档网站。 :light_bulb: 在继续之前，请确保您了解以下内容： 如果您想更新任何 Taichi 文档，请转到，请不要在此工作！ 此 repo 仅托管文档的镜像版本，以便构建和部署文档网站。 如果您...
太极图形课S1第04讲：稀疏矩阵和 taichi 的性能调优
averagePerson的博客
07-01 222
太极图形课S1第04讲：稀疏矩阵和 taichi 的性能调优_哔哩哔哩_bilibili都是神仙……
C语言typedef
Dean_Deng的专栏
03-12 1062
最近看数据结构的书，发现自己C语言的语法不是很好，查资料琢磨了一下数据结构中的typedef typedef关键字在c语言中用来为已有数据类型创建一个新名字 如typedef int DataType; 如在一个结构体数据结构中： typedef int DataType; typedef struct snode { DataType data;        struct
c语言中node是数据类型吗,lnode(数据结构lnode是什么类型)
热门推荐
weixin_32916125的博客
05-23 2万+
请问LNode在C语言中代表什么，英语全称是什么是数据结构中定义链表的英文名称，代表链表中的结点， 可以查阅c中链表那一章的相关内容.数据结构Lnode *是代表什么！？？大侠 谢谢！！是一个 指针类型是吗？？？.你好！再清楚一些 Lnode应该是 结构、枚举、共用体、自定义类型等 (要看程序怎么定义的) Lnode*表示相应的结构指针或其它的指针 从命名方式来看 应该是.typedef stru...
关于数据结构（c语言）中结构体声明的LNode, *LinkList
ChunkWen的博客
09-12 7995
typedef int ElemType; typedef struct LNODE{//这里的LNODE称为结构标记 ElemType data;//节点的数据域 struct LNODE* next;//定义一个指向结构体的指针变量，保存下一个节点的地址信息 }LNode,*LinkList; //这里的LNode是结构体的别名，不是结构变量名 //而LinkList是struct LNode * 的别名 //整个上述结构体可等价为： struct LNODE{}; typedef
单链表(结构)
weixin_52827539的博客
04-07 1289
单链表(结构) 题目描述 单链表结点的存储结构SNode包含两部分：数据、下一结点指针。单链表首个结点的地址head为表头指针,定义SNode *head=NULL表示单链表初始为空。 单链表的创建：createList(SNode *&head, int *value, int n)，用value数组中的n个数据生成一个单链表(表头指针为head)。 单链表的输出：printList(SNode *head),从头至尾遍历以head为表头的单链表，输出每个结点的数据值。 单链表数据插入: inse
数据结构
只愿做你的君王的博客
06-16 8975
转自：http://blog.csdn.net/u013925378/article/details/51725670?locationNum=3&fps=1 C语言中堆、栈和队列： 1.堆和栈 （1）数据结构的堆和栈 堆栈是两种数据结构。 栈（栈像装数据的桶或箱子）：是一种具有后进先出性质的数据结构，也就是说后存放的先取，先存放的后取。这就如同要取出放在箱子里面
数据结构定义
差一分先生的博客
05-08 2166
线性表/*线性表的顺序存储类型*/ typedef struct { data[MaxSize];                 //存放顺序表中元素 int length;                    //存放顺序表中长度 }SqList;                           //顺序表的类型定义/*线性表的链式存储结构——单链表*/ typedef st...
太极 计算机图形学,Taichi(太极)0.6.38 发布，为高性能计算机图形学设计的编程语言...
weixin_28680865的博客
07-02 760
Taichi(太极)0.6.38已经发布，这是专为高性能计算机图形学设计的编程语言。此版本具体更新内容如下：HighlightsExamples修复cornell_box.py的rounding错误Language and syntax添加@ti.materialize_callback以便在rootmaterialization之后立即调用函数Full changelog[doc]使用“docs...
taichi stable fluid
最新发布
01-05
太极稳定流体是指一种流体的运动形态，其特点是稳定、平缓且连续无断裂。太极是一种古老的中国武术，强调柔和而平衡的动作，体现了阴阳的哲学思想。太极稳定流体的概念就是借鉴了太极的理念，将其运用到流体力学中。 太极稳定流体的主要特点是具有均匀的流动速度和连续的流动性。不论流体处于何种状态，其运动都会保持稳定，不会产生剧烈的扰动或湍流现象。这种稳定流动的特点使得太极稳定流体在各种工程应用中具有广泛的应用前景。 太极稳定流体的应用领域涉及到许多重要的工程领域。例如，在船舶和飞机的设计中，太极稳定流体可以用来模拟流体在其外表面上的流动情况，从而提高其性能和安全性。此外，太极稳定流体还可以应用于液体计量和输送系统，以确保流体的稳定输送和流量控制。 总而言之，太极稳定流体是一种稳定、平缓且连续无断裂的流体运动形态。它借鉴了太极的理念，具有均匀的流动速度和连续的流动性。太极稳定流体在工程领域有着广泛的应用，包括船舶和飞机设计，液体计量和输送系统等。它的特点使得流体的运动更为稳定，提高了工程系统的性能和安全性。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值