C++ 特征矩阵运算与内存分配性能

Question

我有一个算法，需要在函数内构建 NxN 矩阵，该函数将返回该矩阵与同样动态构建的 Nx1 向量的乘积。（N 通常为 8 或 9，但对于大于该值的值必须进行概括）。

我正在使用 Eigen 库来执行更复杂的代数运算（最小二乘和其他几个约束问题），因此不能选择切换它。

我对这些函数进行了基准测试，由于密集的内存分配，存在巨大的瓶颈。我的目标是构建一个线程安全的应用程序，因此，在某些情况下，我将这些矩阵和向量替换为对全局向量中元素的引用，该全局向量充当无法存储在堆栈上的对象的提供者。这避免了调用特征矩阵和向量的构造函数/析构函数，但这不是一个优雅的解决方案，如果不小心的话，可能会导致巨大的问题。

因此，Eigen 是否提供了一种解决方法，因为我没有看到将分配器作为这些对象的模板参数传递的选项，或者是否有更明显的事情要做？

Answer 1

您可以以适合您的需求的方式管理自己的内存并使用它Eigen::Map，而不是Eigen::Matrix用它来执行计算。只需确保数据正确对齐，如果未正确对齐，请通知 Eigen。

有关详细信息，请参阅参考Eigen::Map。

这是一个简短的例子：

#include <iostream>
#include <Eigen/Core>


int main() {
    int mydata[3 * 4]; // Manage your own memory as you see fit
    int* data_ptr = mydata;

    Eigen::Map<Eigen::MatrixXi, Eigen::Unaligned> mymatrix(data_ptr, 3, 4);

    // use mymatrix like you would any another matrix
    mymatrix = Eigen::MatrixXi::Zero(3, 4);
    std::cout << mymatrix << '\n';

    // This line will trigger a failed assertion in debug mode
    // To change it see
    // http://eigen.tuxfamily.org/dox-devel/TopicAssertions.html
    mymatrix = Eigen::MatrixXi::Ones(3, 6);


    std::cout << mymatrix << '\n';
}