eigen

-1熱度

1回答

我試圖將SCNNode的convertTransform轉換爲Eigen，但我顯然不知道幕後會發生什麼。 let targetNodeTransform = targetNode?.convertTransform(transform, from: nil) 我使用Eigen，所以我認爲變換的逆將是相同的。這似乎並非如此，那麼當從世界座標空間轉到對象座標空間時，convertTransform

0熱度

1回答

爲什麼Eigen的示例代碼傾向於使用<float>類？

我想在C++中使用Eigen進行矩陣處理。它看起來像我可以選擇float或double類型的實數，如Eigen :: Matrix4f或Eigen :: Matrix4d。在正常的C++代碼中，我認爲double比float更受歡迎。但是，在Eigen的文檔中，float似乎比double更頻繁使用。有沒有什麼特別的理由？我知道這是非常不成熟的問題，但我需要幫助...... 先謝謝您。

5熱度

1回答

稀疏X稠密矩陣乘法性能下高效

上下文：我使用本徵人工神經網絡，其中典型的尺寸是每層的周圍1000個節點。因此，大部分操作是將大小爲（1000,1000）的矩陣M與大小爲1000的矢量或一批B矢量相乘，其表示爲大小爲Bx1000的矩陣。訓練神經網絡之後，我使用修剪 - 這是一種常見的壓縮技術，該技術與稀疏矩陣（在10和50％之間的非空參數密度）結束。目標：我想用稀疏矩陣壓縮的目的，其次爲性能優化，但它是不是主要目標問題：

0熱度

1回答

乘法 - 由虛數單位

矩陣我想問一下是否有人知道這是爲什麼不工作：例如，讓 SparseMatrix<int> A 和 SparseMatrix<std::complex<float> > B 我想做下面的數學計算： B = i * A 作爲代碼： std::complex<float> c; c=1.0i; B=A.cast<std::complex<float> >()*c; 或等效的： B=A.

0熱度

1回答

存儲特徵陣列列表

我想將一列特徵陣列存儲在std::list或std::vector中。我的數組有不同的類型，有的Array<Scalar, 1, Dynamic>，有的Array<Scalar, Dynamic, Dynamic>，所以我不確定什麼模板參數給std::list。思路：鑄一切Dynamic並存儲爲std::list<Array<Scalar, Dynamic, Dynamic>>，但這種感覺就

0熱度

1回答

不徵有自己的 <a href="https://eigen.tuxfamily.org/dox-devel/group__TutorialMatrixArithmetic.html" rel="nofollow">https://eigen.tuxfamily.org/dox-devel/group__TutorialMatrixArithmetic.html</a></p> <p>轉像H.transpose乘法優化（）* H

我瀏覽過的本徵教程它說「注：BLAS用戶擔心性能，表情如c。 noalias（） - = 2 * a.adjoint（）* b;被完全優化並觸發一個類gemm函數調用。「但是如何計算像H.transpose（）* H，因爲它的結果是一個對稱矩陣，所以它應該只需要一半的時間作爲正常的A * B，但在我的測試中，H.transpose（）* H花費同時H.transpose（）* B.特徵對這種情

0熱度

1回答

重用徵表達式模板

比方說，我有4個矩陣是常數，1個矩陣是可變的： Eigen::MatrixXf M,N,O,P; // Fixed Eigen::MatrixXf Q; // Value changes 而且我有希望評估的表達式： auto myExpression = M*N*O*P*Q; 如果我要做到以下幾點： for (int i = 0; i<5; ++i) { Q = MatrixXf::Random(

1熱度

2回答

當用Boost.Python包裝它時，Eigen運算符的重載解析（）（）

我正在使用Boost.Python封裝一個C++庫。其中的一些功能返回Eigen::MatrixXd對象（a dynamically sized double-precision matrix class）。在Python方面，我只需要訪問矩陣的維數，這很容易，並用Eigen的重載operator()()方法檢索一些矩陣元素。不幸的是有4種這樣的重載方法，一個必須手動選擇是正確的，即給予Boost

0熱度

1回答

使用特徵的高效塊稀疏矩陣乘法

假設我有一個稀疏矩陣，除了沿着對角線（固定大小）的塊。 Eigen::SparseMatrix<float> lhs; LHS是大約2％的非稀疏，也可以是非常大的。那麼，讓我們說我有一個向量： Eigen::MatrixXf rhs = Eigen::MatrixXf::Random(SomeSz, 1); 就目前而言，我們假設它是密集。我想有效地計算： result.noalias() = l

2熱度

1回答

讓Eigen運行在多線程中

我有一些關於Eigen並行化的問題。據我瞭解，Eigen處理其內部並行化，但我想激活多線程。我剛剛開始用G ++編譯，使用標誌「-fopenmp」並運行OMP_NUM_THREADS = 4 ./exec的可執行文件。僅運行用C代碼的某些部分++代碼我使用： #pragma omp parallel { } 看着我的系統監視器，我可以看到，有時我用了一個多線程的，但大多數時間它不是」噸