eigen

0熱度

1回答

將cv :: Mat1f轉換爲Eigen :: MatrixXf與cv2eigen時出錯？

我有這樣的代碼： #include "opencv2/core.hpp" #include "opencv2/core/eigen.hpp" #include <Eigen/Dense> void CloudCache::DoPcaEigen(int dim){ cv::Mat1f codes; ... Eigen::MatrixXf X = Eigen::

1熱度

2回答

Eigen：給地圖賦值

我正在使用opencv和Eigen。這裏是如何將OpenCV的墊鏈接到的特徵矩陣樣本： OpenCV CV::Mat and Eigen::Matrix 的關鍵是使用本徵的地圖類型，它可以指向由OpenCV的分配的內存。根據Eigen文檔，Map應該是透明的，實際上所有在矩陣上工作的操作都應該在Map上工作。 https://eigen.tuxfamily.org/dox/group__Tut

0熱度

1回答

乘以（n×m個）矩陣係數a（NX 1）矩陣明智

我試圖實現使用徵以下貝塞爾曲線度仰角方程庫：下面的代碼段是工作來計算新的控制點。在這個代碼中，degree是來自等式的變量n。 const size_t dimension = 3; // 2d or 3d points const size_t degree = 3; const size_t order = degree + 1; // Create and fill Eigen::

0熱度

1回答

SparseQR for Least Squares

對於我正在構建的應用程序，我需要在大型數據集上運行線性迴歸以獲得殘差。例如，一個數據集的維數超過100萬x 20k。對於較小的數據集，我使用的是RcppArmadillo軟件包中的fastLm，這對於那些目前來說非常適用。隨着時間的推移，這些數據集也將增長超過100萬行。我的解決方案是使用稀疏矩陣和特徵。我無法找到在RcppEigen中使用SparseQR的好例子。基於很多小時的閱讀（例如：rc

0熱度

1回答

OpenACC - 稀疏矩陣庫

我在C++中使用OpenACC進行稀疏矩陣計算。我需要在OpenACC區域內使用矩陣運算。是否有與OpenACC兼容的稀疏矩陣庫？我已經習慣了徵，但它似乎是不兼容OpenACC的，除非我手動修改源代碼，這聽起來不是個好主意......

2熱度

1回答

Eigens惰性評估與中間變量

在特徵文檔中，我沒有找到一個確切的說明，當一個表達式被懶評估。對我而言，只有係數式表達纔是有趣的，也就是說沒有混疊的可能性。以ArrayXXf a(10000, 10000);，然後 a = a.cube() * a.cube(); 評估我在250毫秒〜PC上一樣，同樣 auto aCube = a.cube(); a = aCube * aCube; 而 ArrayXXf aCube

0熱度

1回答

如何交換C++特徵中對稱稀疏矩陣中的列和行？

我試圖實現以下稠密矩陣運算爲稀疏對稱矩陣： dm.col(j).swap(dm.col(i)); dm.row(j).swap(dm.row(i)); 爲了交換兩列（和行）在稀疏對稱矩陣，我試圖生成的置換矩陣，使得我可以把它傳遞給.twistedBy（）： Eigen::PermutationMatrix<Eigen::Dynamic, Eigen::Dynamic> P;

2熱度

2回答

在C++中重構張量

TensorFlow的C++接口似乎沒有重構方法。有沒有人有一個想法如何轉換[A,B,C,D]分成[A*B,C,D]？它看起來像這樣做的唯一方法是使用Eigen？然而，那裏的文檔非常渺茫，代碼是模板地獄，不容易解析。

0熱度

1回答

徵PartialPivLU例如不會編譯

我試圖編譯Eigen3 PartialPivLU example MatrixXd A（2,2）; A < < 2，-1,1,3; 部分封閉>> lu（A）; 但我得到編譯器錯誤（見下文）。如果我刪除「參考<>它編譯OK。有誰知道如何使用PartialPivLU與參考<>？感謝史蒂夫 In file included from /apps/eigen/3.2.8/include/eigen3

1熱度

1回答

陣列操作中的C++特徵多線程

我有一個關於特徵陣列操作的問題（基本上是矩陣元素操作）。這些操作（+， - ，*，/）是否在Eigen中並行化（使用OpenMP時）？文檔沒有指定它（c.f. here），但是這樣的操作預計會被並行化，因爲我猜它會非常簡單。例子： MatrixXd A = MatrixXd::Zero(100,100); MatrixXd B = MatrixXd::Ones(100,100); Mat