Eigen教程-sparse
来源:互联网 发布:大数据包括 编辑:程序博客网 时间:2024/05/22 16:58
转载 http://blog.csdn.net/xuezhisdc/article/details/54633274
- 本文对稀疏矩阵SparseMatrix的主要操作进行了总结。首先,建议先阅读《Eigen教程2 - 稀疏矩阵操作》。
- 关于稀疏矩阵,最重要的一点是:稀疏矩阵的存储方式,是按列优先储存,还是按行优先存储。
- 绝大多数的稀疏矩阵的算术操作都会断言(判断)操作数的存储方式是否相同。
稀疏矩阵初始化
构造函数
- 默认列优先。
SparseMatrix<double> sm1(1000,1000); //创建一个1000x1000的双精度的稀疏矩阵SparseMatrix<std::complex<double>,RowMajor> sm2; //声明一个复数,行优先的稀疏矩阵
变形和保留
- 注意:调用reserve()时,没必要给定最终矩阵的准确的非零元素个数。但是,给定准确的非零元素的个数,可以避免多次重新分配内存。
sm1.resize(m,n); // 将sm1变形成mxn的矩阵sm1.reserve(nnz); // 为nnz个非零元素分配空间
赋值
- 复制构造函数可以将一种存储顺序变成另一种顺序。
SparseMatrix<double,Colmajor> sm1;//使用sm1初始化sm2SparseMatrix<double,Rowmajor> sm2(sm1), sm3; // 赋值(自动修改存储顺序)sm3 = sm1;
逐元素插入
- insert()假定该元素不存在;如果元素已经存在,使用coeffRef()。
// 插入一个新元素 sm1.insert(i, j) = v_ij; // 更新value v_ij sm1.coeffRef(i,j) = v_ij; sm1.coeffRef(i,j) += v_ij; sm1.coeffRef(i,j) -= v_ij;
批插入
std::vector< Eigen::Triplet<double> > tripletList; //三元组列表tripletList.reserve(estimation_of_entries); //保留非零元素空间//先填充tripletList,然后将其存储到稀疏矩阵中sm1.setFromTriplets(TripletList.begin(), TripletList.end());
常量或随机插入
- 去除所有的非零元素
sm1.setZero()
矩阵属性
- 下面这些函数可以获取矩阵的信息:
sm1.rows(); // 行数sm1.cols(); // 列数 sm1.nonZeros(); // 非零元素的个数 sm1.outerSize(); // 列优先的稀疏矩阵的行数,行优先的稀疏矩阵的列数sm1.innerSize(); // 列优先的稀疏矩阵的列数,行优先的稀疏矩阵的行数sm1.norm(); // 矩阵的欧式范数sm1.squaredNorm(); //矩阵的平方范数(平方和)sm1.blueNorm(); // sm1.isVector(); // 检查是否是稀疏向量或稀疏矩阵sm1.isCompressed(); // 检查是否是压缩格式
算术操作
- 在具有相同存储顺序和维度已知的稀疏矩阵上执行算术操作非常容易。
- 注意:在不同存储顺序的矩阵间也可以执行算术运算。
- sm表示稀疏矩阵,dm表示密集矩阵,dv表示密集向量。
加减操作
- sm1和sm2应具有相同的存储顺序。
sm3 = sm1 + sm2; sm3 = sm1 - sm2;sm2 += sm1; sm2 -= sm1;
标量乘法
- 只要维度和存储顺序允许,可以组合多种运算。
sm3 = sm1 * s1; sm3 *= s1; sm3 = s1 * sm1 + s2 * sm2; sm3 /= s1;
稀疏乘法
sm3 = sm1 * sm2;dm2 = sm1 * dm1;dv2 = sm1 * dv1;
转置 和 伴随矩阵
- 注意:转置运算改变存储顺序,不支持原地转置运算transposeInPlace()。
sm2 = sm1.transpose();sm2 = sm1.adjoint();
排列
perm.indices(); // Reference to the vector of indicessm1.twistedBy(perm); // Permute rows and columnssm2 = sm1 * perm; // Permute the columnssm2 = perm * sm1; // Permute the columns
逐元素操作
- sm1和sm2的存储顺序应相同。
sm1.cwiseProduct(sm2);sm1.cwiseQuotient(sm2);sm1.cwiseMin(sm2);sm1.cwiseMax(sm2);sm1.cwiseAbs();sm1.cwiseSqrt();
其它支持的操作
子矩阵
- 相对于密集矩阵,这里的所有函数都是只读的。
sm1.block(startRow, startCol, rows, cols); sm1.block(startRow, startCol); sm1.topLeftCorner(rows, cols); sm1.topRightCorner(rows, cols);sm1.bottomLeftCorner( rows, cols);sm1.bottomRightCorner( rows, cols);
Range
- 在行优先稀疏矩阵中,内向量是指一个行;在列优先稀疏矩阵中,内向量是指一个列。
- 对于可以读写(RW)的子矩阵,可以在不同存储顺序的矩阵上运算。
sm1.innerVector(outer); // RWsm1.innerVectors(start, size); // RWsm1.leftCols(size); // RWsm2.rightCols(size); // RO 只读,因为sm2是行优先的sm1.middleRows(start, numRows); // RO 只读,因为sm1是列优先的sm1.middleCols(start, numCols); // RWsm1.col(j); // RW
三角和自伴随视图
- 允许三角视图和块视图之间的组合使用。
sm2 = sm1.triangularview<Lower>();sm2 = sm1.selfadjointview<Lower>();
三角求解
- 对于一般的稀疏求解,使用《Eigen教程4 - 求解稀疏线性方程组》中合适的模块。
dv2 = sm1.triangularView<Upper>().solve(dv1);dv2 = sm1.topLeftCorner(size, size).triangularView<Lower>().solve(dv1);
低级API
- 如果矩阵是非压缩模式,应首先调用makeCompressed()函数。
- 注意:下面这些函数主要用于和外部库进行交互。
- 更好的访问矩阵的元素值的方法是使用InnerIterator类,详情查看《Eigen教程2 - 稀疏矩阵操作》
sm1.valuePtr(); // 指向数值的指针sm1.innerIndextr(); // 指向索引的指针sm1.outerIndexPtr(); // 指向每一个内向量开头的指针
映射外部缓存
int outerIndexPtr[cols+1];int innerIndices[nnz];double values[nnz];Map<SparseMatrix<double> > sm1(rows,cols,nnz,outerIndexPtr, innerIndices,values); //RW 可读写Map<const SparseMatrix<double> > sm2(...); //只读
阅读全文
0 0
- Eigen教程-sparse
- Eigen教程-Solving Sparse Linear Systems
- eigen教程
- Eigen sparse 基本操作:构造 & 输出
- Eigen教程1 - 基础
- Eigen教程2 - 入门
- Eigen教程1
- Eigen教程2-Dense
- Eigen教程7 - Eigen和Matlab的比较
- UFLDL教程: Exercise: Sparse Autoencoder
- Eigen
- Eigen
- Eigen教程3 - 稀疏矩阵操作
- Eigen教程5 - 求解稀疏线性方程组
- Eigen教程6 - Matrix-free solvers
- 线性代数Eigen库安装使用教程
- sparse
- sparse
- CodeForces
- Linux自定义别名alias重启失效问题
- VMware与CentOS7的共享文件夹的问题
- vs2017支持所有版本VC
- nohap启动服务
- Eigen教程-sparse
- idea 配置 tomcat
- Java 网络IO编程总结(BIO、NIO、AIO均含完整实例代码)
- 4.2 代理迭代:
- Windows和Linux下计时函数总结
- Myeclipse 2017 破解图文教程
- http协议学习-虚拟主机的实现
- 利用css页面隐藏和显示,实现页面滑动
- 穷举n位二进制数