我试图使用Eigen和C++ 11"auto"类型对其转置矩阵的乘积进行cholesky分解.我试图做的时候出现问题
auto c = a * b
auto cTc = c.tranpose() * c;
auto chol = cTc.llt();
我正在使用XCode 6.1,Eigen 3.2.2.我得到的类型错误在这里.
这个最小的例子显示了我的机器上的问题.更改的类型c从auto到MatrixXd看到它的工作.
#include <iostream>
#include <Eigen/Eigen>
using namespace std;
using namespace Eigen;
int main(int argc, const char * argv[]) {
MatrixXd a = MatrixXd::Random(100, 3);
MatrixXd b = MatrixXd::Random(3, 100);
auto c = a * b;
auto cTc = c.transpose() * c;
auto chol = cTc.llt();
return 0;
}
有没有办法让这个工作仍然使用自动？
作为一个侧面问题,是否有一个表现理由不断言矩阵是MatrixXd …
我正在实现一个谱聚类算法,我必须确保矩阵(laplacian)是正半正定的.
检查矩阵是否为正定(PD)就足够了,因为可以在特征值中看到"半"部分.矩阵非常大(nxn,其中n约为数千),因此特征分析是昂贵的.
在Eigen中是否有任何检查可以在运行时产生bool结果？
chol()如果矩阵不是PD,Matlab可以通过抛出异常来给出结果.遵循这个想法,Eigen返回一个没有抱怨的结果LLL.llt().matrixL(),虽然我期待一些警告/错误.Eigen也有这种方法isPositive,但是由于一个bug,它对于具有旧Eigen版本的系统是不可用的.
在C++ 11中,我需要递归地调用一个函数0,...,n(其中n是编译时常量).这是问题的结构,似乎存在致命缺陷:
#include "Eigen/Dense"
template<size_t i>
struct Int {
};
template<size_t d, typename C, typename X>
constexpr X eval(const C &c, const X &x, const Int<d> &, const Int<C::SizeAtCompileTime - 1 - d> &) {
return 1;
}
template<size_t d, typename C, typename X, size_t i>
constexpr X eval(const C &c, const X &x, const Int<d> &, const Int<i> &) {
return x * eval(c, x, Int<d>(), Int<i + 1>());
}
int main() {
const size_t …作为Eigen的新手，我要努力应对一些问题。
使用矩阵乘法，Eigen默认情况下会创建一个临时文件以避免混叠问题：
matA = matA * matA; // works fine (Eigen creates a temporary before assigning)
如果可以安全地假定没有混叠，则可以使用.noalias()进行优化：
matB = matA * matA; // sub-optimal (due to unnecessary temporary)
matB.noalias() = matA * matA; // more efficient
因此，Eigen在默认情况下会避免做出不安全的假设，除非明确告诉您可以假设没有混叠是安全的。到目前为止，一切都很好。
但是，对于许多其他表达式，例如a = a.transpose()Eigen，默认情况下会做出不安全的假设（没有混叠问题），并且需要显式干预以避免该不安全的假设：
a = a.transpose().eval(); // or alternatively: a.transposeInPlace()
因此，如果我们关注效率，则仅当存在潜在的混叠时才注意不够，而在没有潜在的混叠时则不足以注意。我们必须要小心，既当有潜在的混淆，并且在没有潜在的混淆，并决定一个特殊的干预措施是有保证的基础上，表达是否涉及矩阵乘法与否。在Eigen中，对于Eigen界面中的这种“默认期望混合”是否有一些设计依据？
我试图在遵循等差数列的索引中对矩阵进行索引。根据官网的 Eigen 教程，我应该使用 Eigen::seq(firstVal, lastVal, step) 来生成这个序列。调用此错误后，会弹出此线程的标题中粘贴的错误。
我检查了本地 eigen 文件夹的所有文件，以获取“seq”方法，但没有运气。它不在任何地方。我想这意味着某些文件丢失了，对吧？
代码就像这样。
顶部的标题
#include <iostream>
#include <string>
#include <chrono>
#include "Eigen/Dense"
#include "Eigen/Core"
#include <cmath>
#include <random>
#include <iostream>
#include <string>
#include <chrono>
#include "Eigen/Dense"
#include "Eigen/Core"
#include <cmath>
#include <random>
当然，m1.cols() >> m2.cols()
错误输出：
error: 'seq' is not a member of 'Eigen'
预期的结果是从矩阵 m2 中获取行（其中 m2.cols() < m1.cols()）并将行的值分配给 m1 相同行号中的某些索引。
虽然Eigen是C++库并且C/C++使用行优先存储结构，但为什么Eigen更喜欢使用列优先存储顺序？来自为什么 MATLAB 使用列优先顺序？帖子中，我了解到 MATLAB 使用它是因为历史（由于 FORTRAN）原因。但据我所知，Eigen 一开始是基于 C++ 构建的。
在 Eigen 图书馆网站上写道：
Eigen 中的默认值是列优先。当然，Eigen 库的大部分开发和测试都是通过列主矩阵完成的。这意味着，即使我们的目标是透明地支持列主和行主存储顺序，Eigen 库也可能最适合列主矩阵。（取自https://eigen.tuxfamily.org/dox/group__TopicStorageOrders.html）
也许是因为经常使用 C++ 和 OpenCV，我的大脑倾向于以行优先的形式思考。使用列主矩阵开发和测试 Eigen 库是否存在任何性能（缓存局部性、加载/存储速度等）原因？
我正在尝试编译为Eigen::JacobiSVD提供的示例，但出现以下错误，
\n/usr/local/include/eigen3/Eigen/src/SVD/JacobiSVD.h: In instantiation of \xe2\x80\x98Eigen::JacobiSVD<MatrixType, QRPreconditioner>& Eigen::JacobiSVD<MatrixType, QRPreconditioner>::compute(const MatrixType&, unsigned int) [with _MatrixType = Eigen::Matrix<float, -1, -1>; int QRPreconditioner = 40; Eigen::JacobiSVD<MatrixType, QRPreconditioner>::MatrixType = Eigen::Matrix<float, -1, -1>]\xe2\x80\x99:\n/usr/local/include/eigen3/Eigen/src/SVD/JacobiSVD.h:549:14: required from \xe2\x80\x98Eigen::JacobiSVD<MatrixType, QRPreconditioner>::JacobiSVD(const MatrixType&, unsigned int) [with _MatrixType = Eigen::Matrix<float, -1, -1>; int QRPreconditioner = 40; Eigen::JacobiSVD<MatrixType, QRPreconditioner>::MatrixType = Eigen::Matrix<float, -1, -1>]\xe2\x80\x99\ndemo.cpp:9:55: required from here\n/usr/local/include/eigen3/Eigen/src/SVD/JacobiSVD.h:692:27: error: \xe2\x80\x98struct Eigen::internal::qr_preconditioner_impl<Eigen::Matrix<float, -1, -1>, 40, 0, true>\xe2\x80\x99 has no member named \xe2\x80\x98run\xe2\x80\x99\n m_qr_precond_morecols.run(*this, m_scaledMatrix);\n ~~~~~~~~~~~~~~~~~~~~~~^~~\n/usr/local/include/eigen3/Eigen/src/SVD/JacobiSVD.h:693:27: error: \xe2\x80\x98struct Eigen::internal::qr_preconditioner_impl<Eigen::Matrix<float, -1, -1>, 40, 1, true>\xe2\x80\x99 …更新到 GCC 12.1 后，我的项目中出现array subscript \xe2\x80\x98__m256d_u[0]\xe2\x80\x99 is partly outside array bounds错误（或者更确切地说带有 的警告-Werror），因此我尝试隔离问题。
这是一个 MWE，我也将其放在godbolt上（改为矢量类型__m512d_u，但否则是相同的错误）：
#include <Eigen/Dense>\n#include <iostream>\n\nusing Eigen::Array;\n\nArray<double, 3, 2> foo(){\n\n Array<double, 2, 2> a;\n a.setRandom();\n\n Array<double, 3, 2> b;\n b.col(0).tail(2) = a.col(1);\n // b.col(0).template tail<2>() = a.col(1);\n\n return b;\n}\n\nint main(){\n std::cout << foo() << \'\\n\';\n return 0;\n}\n相关的编译选项有-Wall -Wextra -Werror -O3 -march=native，以及错误信息注释note: at offset [16, 24] into object \xe2\x80\x98a\xe2\x80\x99 of size 32。
在以下情况下不会出现该错误： …
我正在将2D Eigen::Array用于项目,我喜欢在大型2D阵列的情况下继续使用它们.
为了避免内存问题,我想使用内存映射文件来管理(读取/修改/写入)这些数组,但我找不到工作示例.
我发现最近的例子是此基础上boost::interprocess,但它使用的共享内存(而我更愿意有持久存储).
缺乏示例让我担心是否有更好的主流替代解决方案来解决我的问题.是这样的吗？一个最小的例子非常方便.
编辑:
这是在评论中解释我的用例的最小示例:
#include <Eigen/Dense>
int main()
{
// Order of magnitude of the required arrays
Eigen::Index rows = 50000;
Eigen::Index cols = 40000;
{
// Array creation (this is where the memory mapped file should be created)
Eigen::ArrayXXf arr1 = Eigen::ArrayXXf::Zero( rows, cols );
// Some operations on the array
for(Eigen::Index i = 0; i < rows; ++i)
{
for(Eigen::Index j = 0; j < cols; ++j)
{
arr1( i, …