10

简而言之，问题是如何通过

Eigen::Map<Eigen::MatrixXd>

对象期望一个函数

Eigen::MatrixXd

目的。

更长的故事：

我有这个 C++ 函数声明

void npMatrix(const Eigen::MatrixXd &data, Eigen::MatrixXd &result);

连同这个实现

void npMatrix(const Eigen::MatrixXd &data, Eigen::MatrixXd &result)
{
//Just do s.th. with arguments
std::cout << data << std::endl;

result(1,1) = -5;
std::cout << result << std::endl;
}

我想使用 numpy.array 作为参数从 python 调用这个函数。为此，我使用了一个用 c++ 编写的包装函数

void pyMatrix(const double* p_data, const int dimData[],
                              double* p_result, const int dimResult[]);

它接受指向数据的指针、数据数组的大小、指向结果的指针以及结果数组的大小。数据指针指向一个 const 内存块，因为当为结果保留的内存块是可写的时，数据不会被更改。函数的实现

void pyMatrix(const double *p_data, const int dimData[], double *p_result, const int dimResult[])
{
Eigen::Map<const Eigen::MatrixXd> dataMap(p_data, dimData[0], dimData[1]);
Eigen::Map<Eigen::MatrixXd> resultMap(p_result, dimResult[0], dimResult[1]);

resultMap(0,0) = 100;

npMatrix(dataMap, resultMap);
}

分别为数据和结果定义了一个 Eigen::Map。Eigen::Map 允许将原始内存作为一种 Eigen::Matrix 访问。dataMap 的类型

<const Eigen::MatrixXd>

因为相关的内存是只读的；相比之下，resultMap 是类型

<Eigen::MatrixXd>

因为它必须是可写的。线

resultMap(0,0) = 100;

显示，resultMap 确实是可写的。在将 dataMap 传递给预期 const Eigen::MatrixXd 工作的 npMatrix() 时，我找不到以相同方式传递 resultMap 的方法。我敢肯定，麻烦来自这样一个事实，npMatrix 的第一个参数是 const，而第二个不是。我发现的一个可能的解决方案是定义

Eigen::MatrixXd resultMatrix = resultMap;

并将这个 resutlMatrix 传递给 npMatrix()。但是，我想，这会创建一个副本，因此会破坏 Eigen::Map 的良好内存映射。所以我的问题是。

有没有办法将 Eigen:Map 传递给一个需要非常量 Eigen::MatrixXd 的函数？

附带说明：我可以将 npMatrix 更改为期望 Eigen::Map，但由于在实际项目中，函数已经存在并经过测试，因此我宁愿不使用它们。

为了完成这个问题，这里是调用 pyMatrix() 的 python 文件

import ctypes as ct
import numpy as np
import matplotlib.pyplot as plt

# Load libfit and define input types
ct.cdll.LoadLibrary("/home/wmader/Methods/fdmb-refactor/build/pyinterface/libpyfit.so")
libfit = ct.CDLL("libpyfit.so")

libfit.pyMatrix.argtypes = [np.ctypeslib.ndpointer(dtype=np.float64, ndim=2),
                                                     np.ctypeslib.ndpointer(dtype=np.int32, ndim=1),
                                                     np.ctypeslib.ndpointer(dtype=np.float64, ndim=2, flags='WRITEABLE'),
                                                     np.ctypeslib.ndpointer(dtype=np.int32, ndim=1)
                                                     ]

data = np.array(np.random.randn(10, 2), dtype=np.float64, order='F')
result = np.zeros_like(data, dtype=np.float64, order='F')

libfit.pyMatrix(data, np.array(data.shape, dtype=np.int32),
                              result, np.array(result.shape, dtype=np.int32))
4

2 回答 2

3

将其作为指向数据的普通指针传递，并将其 Eigen::Map 放在那里。或者，使用template <typename Derived>等，在http://eigen.tuxfamily.org/dox/TopicFunctionTakingEigenTypes.html 我个人的选择是第一个，因为最好有不暴露每个 API 的所有顽固的代码你用过。此外，您不会失去与 eigen 的兼容性，也不会失去与您（或其他任何人）以后可能使用的任何其他类型的库的兼容性。

我还发现了另一个技巧，可以在很多场合使用：

Eigen::MatrixXd a; //lets assume a data pointer like double* DATA that we want to map //Now we do new (&a) Eigen::Map<Eigen::Matrix<Double,Eigen::Dynamic,Eigen::Dynamic>> (DATA,DATA rows,DATA cols);

这将满足您的要求，而不会浪费内存。我认为这是一个很酷的技巧，并且a会表现得像一个 matrixXd，但我还没有在每个场合都进行过测试。它没有内存副本。但是，您可能需要a在分配之前将大小调整为正确的大小。即便如此，编译器不会在您请求resize操作时立即分配所有内存，因此也不会有大的无用内存分配！

当心！调整大小操作可能会重新分配特征矩阵使用的内存！因此，如果您 ::Map 内存但随后执行调整矩阵大小的操作，则它可能会映射到内存中的不同位置。

于 2015-03-11T13:33:31.037 回答
2

对于仍在努力解决将Eigen::Map带有签名的函数传递给函数的问题的人，Eigen::Matrix反之亦然，并发现@Aperture Laboratories 建议的Eigen::Matrix隐Eigen::Map式转换技巧不起作用（在我的情况下，这给出了与尝试释放已发布的相关联的运行时错误内存，[Mismatched delete / Invalid delete errors when run with valgrind]），

我建议使用Eigen::Ref@ggael在此处给出的答案中建议的函数签名类： Passing Eigen::Map<ArrayXd> to a function expecting ArrayXd&

并写在文档中： http ://eigen.tuxfamily.org/dox/TopicFunctionTakingEigenTypes.html#TopicUsingRefClass 标题下：

如何编写通用但非模板化的函数？

例如，对于问题中指定的函数，将签名更改为

void npMatrix(const Eigen::Ref<const Eigen::MatrixXd> & data, Eigen::Ref< Eigen::MatrixXd> result);

意味着将一个Eigen::Map<Eigen::MatrixXd>或多个Eigen::MatrixXd对象传递给函数将无缝工作（请参阅@ggael对 Eigen::Ref<> 类的正确用法的回答，了解在函数签名中使用 Eigen::Ref 的不同方法）。

我很欣赏 OP 说他不想更改函数签名，但就可互换使用Eigen::Maps 和Eigen::Matrix' 而言，我发现这是最简单和最强大的方法。

于 2018-10-21T23:33:24.780 回答