eigen

-1熱度

2回答

有這樣的： https://codeyarns.com/2016/02/16/how-to-compare-eigen-matrices-for-equality/ 但沒有isApprox的張量。以下沒有做我想要的東西： #include <Eigen/Core> #include <unsupported/Eigen/CXX11/Tensor> #include <array> #inc

0熱度

1回答

爲什麼下面的段錯誤？

下面我賽格故障因某種原因與編譯後： g++ 1.cpp -I/path_to_eigen/eigen -std=c++0x 它應該做同樣長度的等級1的兩個張量之間的點積（並因此給1級的張量維度1）。 #include <Eigen/Core> #include <unsupported/Eigen/CXX11/Tensor> #include <iostream> #include <a

1熱度

1回答

Eigen：對矩陣的列訪問速度很慢4

我使用Eigen進行類似於Cholesky更新的操作，這意味着在固定大小矩陣（通常是Matrix4d）的列上存在大量AXPY（總和加上標量乘）。簡而言之，它是3倍更昂貴的訪問的矩陣4的列比到Vector 4. 典型地，下面的代碼： for(int i=0;i<4;++i) L.col(0) += x*y[i]; 比下面的代碼少3倍高效： for(int i=0;i<4;++i) l4 += x

1熱度

2回答

Eigen的實現是否依賴於標準容器？

Eigen是一個很棒的代數/矩陣計算C++庫，我在開發項目中使用它。但是有人告訴我不要使用它，因爲它取決於標準容器，這對我來說是有疑問的。不使用標準容器的原因很複雜，我們現在只是忽略它。我的問題是，eigen的實現是否真的取決於標準容器？我在Eigen主頁上搜索過，但沒有找到。誰能幫我？

0熱度

1回答

Eigen MatrixX聲明失敗，雖然調用了調整大小

我對Eigen庫有一些問題。雖然我打電話的調整大小功能，當我嘗試牛逼訪問矩陣中的第二個for循環，我得到的徵斷言指數= 0 & &指數大小（）失敗錯誤矩陣。 Eigen::Matrix<float, 1, 2> linearRegression(Eigen::Vector2f *p, int pointCount) { Eigen::MatrixXf M; Eigen::

0熱度

1回答

如何在特徵中做張量的外積？

在本徵，可以使用做很容易張量收縮： Tensor<double, 1> tensor1; Tensor<double, 2> tensor2; // fill with data so that // tensor1 is of dimensions [10] and tensor2 of dimensions [5,10] std::array<Eigen::IndexPair<in

1熱度

1回答

奇怪的結果當使用Eigen :: Array對象的自動說明符

我在Windows機器上使用Eigen lib版本3.2.7。我得到了奇怪的結果，當我跑下面的代碼： auto a = Eigen::Array4i{ 95,95,95,95 }-Eigen::Array4i{ 0,1,0,1 }; Eigen::Array4i b = Eigen::Array4i{ 95,95,95,95 }-Eigen::Array4i{ 0,1,0,1 }; std:

1熱度

1回答

使用eigen3（和SIMD支持希望獲利），涉及MaxRowsAtCompileTime/MaxColsAtCompileTime

在追求最佳的矩陣的矩陣乘法矩陣，矩陣乘法性能問題，我寫了下面的測試： #include <iostream> #include <Eigen/Dense> #include <ctime> using namespace Eigen; using namespace std; const int test_size= 13; const int test_size_16b= tes

1熱度

1回答

特徵矩陣乘法比cblas慢嗎？

我使用下面的代碼來測試Eigen性能。 #include <iostream> #include <chrono> #define EIGEN_NO_DEBUG #include <eigen3/Eigen/Dense> #include <cblas.h> using namespace std; using namespace std::chrono; int main()

3熱度

1回答

不能使用特徵根據兩個維度進行收縮？

我試圖用兩個階張量（1 x 1）在最後兩維上做第三階張量（1 x 1 x 1）的張量收縮。結果應該是一個向量。下面給出的斷言：如預期0： #include <Eigen/Core> #include <unsupported/Eigen/CXX11/Tensor> #include <iostream> #include <array> #include <iostream> #inc