网页上本地网站搜索怎样做,网络营销案例分析1000字,前端网页培训班,app研发费用整理下Eigen库的教程#xff0c;参考#xff1a;http://eigen.tuxfamily.org/dox/index.html 混淆 在Eigen中#xff0c;当变量同时出现在左值和右值#xff0c;赋值操作可能会带来混淆问题。这一篇将解释什么是混淆#xff0c;什么时候是有害的#xff0c;怎么使用做。 … 整理下Eigen库的教程参考http://eigen.tuxfamily.org/dox/index.html 混淆 在Eigen中当变量同时出现在左值和右值赋值操作可能会带来混淆问题。这一篇将解释什么是混淆什么时候是有害的怎么使用做。 例子 MatrixXi mat(3,3);
mat 1, 2, 3, 4, 5, 6, 7, 8, 9;
cout Here is the matrix mat:\n mat endl;
// This assignment shows the aliasing problem
mat.bottomRightCorner(2,2) mat.topLeftCorner(2,2);
cout After the assignment, mat \n mat endl;输出 Here is the matrix mat:
1 2 3
4 5 6
7 8 9
After the assignment, mat
1 2 3
4 1 2
7 4 1在 mat.bottomRightCorner(2,2) mat.topLeftCorner(2,2); 赋值中展示了混淆。 mat(1,1) 在bottomRightCorner(2,2)和topLeftCorner(2,2)都存在。赋值结果中mat(2,2)本应该赋予操作前mat(1,1)的值5。但是最终程序结果mat(2,2)1。原因是Eigen使用了lazy evaluation懒惰评估上面等价于 mat(1,1) mat(0,0);
mat(1,2) mat(0,1);
mat(2,1) mat(1,0);
mat(2,2) mat(1,1);下面会解释如何通过eval()来解决这个问题。 混淆还会在缩小矩阵时出现比如 vec vec.head(n) 和 mat mat.block(i,j,r,c)。 一般来说混淆在编译阶段很难被检测到。比如第一个例子如果mat再大一些可能就不会出现混淆了。但是Eigen可以在运行时检测某些混淆如前面讲的例子。 Matrix2i a; a 1, 2, 3, 4;
cout Here is the matrix a:\n a endl;
a a.transpose(); // !!! do NOT do this !!!
cout and the result of the aliasing effect:\n a endl;Here is the matrix a:
1 2
3 4
and the result of the aliasing effect:
1 2
2 4我们可以通过EIGEN_NO_DEBUG宏在编译时关闭运行时的断言。 解决混淆问题 Eigen需要把右值赋值为一个临时matrix/array然后再将临时值赋值给左值便可以解决混淆。eval()函数实现了这个功能。 MatrixXi mat(3,3);
mat 1, 2, 3, 4, 5, 6, 7, 8, 9;
cout Here is the matrix mat:\n mat endl;
// The eval() solves the aliasing problem
mat.bottomRightCorner(2,2) mat.topLeftCorner(2,2).eval();
cout After the assignment, mat \n mat endl;输出 Here is the matrix mat:
1 2 3
4 5 6
7 8 9
After the assignment, mat
1 2 3
4 1 2
7 4 5同样 a a.transpose().eval(); 当然我们最好使用 transposeInPlace()。如果存在xxxInPlace函数推荐使用这类函数它们更加清晰地标明了你在做什么。提供的这类函数 OriginIn-placeMatrixBase::adjoint()MatrixBase::adjointInPlace()DenseBase::reverse()DenseBase::reverseInPlace()LDLT::solve()LDLT::solveInPlace()LLT::solve()LLT::solveInPlace()TriangularView::solve()TriangularView::solveInPlace()DenseBase::transpose()DenseBase::transposeInPlace()而针对vec vec.head(n)这种情况推荐使用conservativeResize()。 混淆和component级的操作。 组件级是指整体的操作比如matrix加法、scalar乘、array乘等这类操作是安全的不会出现混淆。 MatrixXf mat(2,2);
mat 1, 2, 4, 7;
cout Here is the matrix mat:\n mat endl endl;
mat 2 * mat;
cout After mat 2 * mat, mat \n mat endl endl;
mat mat - MatrixXf::Identity(2,2);
cout After the subtraction, it becomes\n mat endl endl;
ArrayXXf arr mat;
arr arr.square();
cout After squaring, it becomes\n arr endl endl;输出 Here is the matrix mat:
1 2
4 7After mat 2 * mat, mat 2 48 14After the subtraction, it becomes1 48 13After squaring, it becomes1 1664 169混淆和矩阵的乘法 在Eigen中矩阵的乘法一般都会出现混淆。除非是方阵实质是元素级的乘。 MatrixXf matA(2,2);
matA 2, 0, 0, 2;
matA matA * matA;
cout matA;4 0
0 4其他的操作Eigen默认都是存在混淆的。所以Eigen对矩阵乘法自动引入了临时变量对的matAmatA*matA这是必须的但是对matBmatA*matA这样便是不必要的了。我们可以使用noalias()函数来声明这里没有混淆matA*matA的结果可以直接赋值为matB。 matB.noalias() matA * matA;从Eigen3.3开始如果目标矩阵resize且结果不直接赋值给目标矩阵默认不存在混淆。 MatrixXf A(2,2), B(3,2);
B 2, 0, 0, 3, 1, 1;
A 2, 0, 0, -2;
A (B * A).cwiseAbs();//cwiseAbs不直接赋给目标
//A (B * A).eval().cwiseAbs()
cout A;当然对于任何混淆问题都可以通过matA(matB*matA).eval() 来解决。 总结 当相同的矩阵或array在等式左右都出现时很容易出现混淆。 compnent级别的操作不用考虑混淆。矩阵相乘Eigen默认会解决混淆问题如果你确定不会出现混淆可以使用noalias来提效。混淆出现时可以用eval()和xxxInPlace()函数解决。转载于:https://www.cnblogs.com/houkai/p/6349990.html
