我應該如何使用Eigen的數據結構？

更確切地說，我想知道我是否應該通過他們爲指針，或者他們實際上使用了智能指針。

例如，將下面的功能意義：

SparseVector<double> retVector() 
{ 
    SparseVector<Double> vec(3); 
    return vec; 
}

還是會存在問題，因爲VEC是一個局部變量，而斯帕塞夫克託不在身邊VEC只是一個智能指針包裝類？

含義，也許是更好的使用：

SparseVector<double>* retVector() 
{ 
    SparseVector<Double> *vec = new SparseVector<double>(3); 
    return vec; 
}

來源

2015-06-19 kloop

在第一段，不，你不要返回局部變量。你返回* deep *局部變量的副本 - 意味着它們是具有相同初始內容的不同向量。 – Anycorn

這是比這更復雜。如果我們在談論任何對象，@Anycorn是正確的，因爲未經優化的版本會在返回時在函數中創建對象的深層副本。然而，隨着優化啓用copy elision允許編譯器來構建返回的對象到位。這不是特定於Eigen的。作爲一個例子，我們可以看一個類似於你的函數返回一個Eigen對象。在調試

Eigen::MatrixXd retMat() 
{ 
    Eigen::MatrixXd inMat = Eigen::MatrixXd::Random(1000,1000); 
    std::cout << &inMat << "\t" << inMat.data() << "\t" << *(inMat.data() + rand() * 20) << "\n"; 
    return inMat; 
} 

Eigen::SparseMatrix<double> retSMat() 
{ 
    Eigen::MatrixXd denseMat = Eigen::MatrixXd::Random(100,100); 
    Eigen::SparseMatrix<double> inMat = denseMat.sparseView(); 
    std::cout << &inMat << "\t" << "\n"; 

    return inMat; 
} 

int main(int argc, char *argv[]) 
{ 
    srand(time(NULL)); 
    Eigen::MatrixXd outMat(5,5); 
    std::cout << "Dense matrix addresses (1):\n"; 
    std::cout << &outMat << "\t" << outMat.data() << "\n"; 
    outMat = retMat(); 
    std::cout << &outMat << "\t" << outMat.data() << "\n\n"; 

    std::cout << "Dense matrix addresses (2):\n"; 
    Eigen::MatrixXd outMat2 = retMat(); 
    std::cout << &outMat2 << "\t" << outMat2.data() << "\n\n"; 

    std::cout << "Sparse matrix addresses:\n"; 
    Eigen::SparseMatrix<double> outMatSp = retSMat(); 
    std::cout << &outMatSp << "\n"; 
    return 0; 
}

運行（優化關閉），我們得到：

Dense matrix addresses (1): 
00000032B6A8EF58  00000032B6BDB870 
00000032B6A8EEA8  00000032B6CDA070  -0.620289 
00000032B6A8EF58  00000032B6CDD070 

Dense matrix addresses (2): 
00000032B6A8EEA8  00000032B7481070  0.157872 
00000032B6A8EF88  00000032B7C3F070 

Sparse matrix addresses: 
00000032B6A8EE60 
00000032B6A8EFC0

我們看到，沒有一個地址是相同的，如將由代碼的天真解釋可以預期的。如果優化被接通時，圖像有一點不同：

Dense matrix addresses (1): 
0000009BEB0AF700  0000009BEB14BBF0 
0000009BEB0AF780  0000009BEB2C1040  0.862606 
0000009BEB0AF700  0000009BEBA7B040 

Dense matrix addresses (2): 
0000009BEB0AF718  0000009BEB2CC040  -0.601367 
0000009BEB0AF718  0000009BEB2CC040 

Sparse matrix addresses: 
0000009BEB0AF740 
0000009BEB0AF740

我們看到，在情況（2）和所述稀疏矩陣實施例中，對象的地址是相同的，這表明該對象在所創建的目標對象地址。請注意，這是比move semantics不同，這需要一個書面move constructor（我敢肯定徵還沒有一個實施的一個）。

關於Eigen，由於它的lazy evaluation，有些表達式立即是not evaluated，但是當它被認爲是謹慎/必要時。在這個簡單的例子中情況並非如此，但如果例子中有一些計算的話。在這樣的情況下，返回的對象威力是被所附的表達式樹/中生成的對象進行評估。

來源

2015-06-21 16:32:35

我應該如何使用Eigen的數據結構？

回答

相關問題