问题标签 [arpack]

我正在使用来自http://www.cis.upenn.edu/~jshi/software/Ncut_9.zip的标准化剪切包 （在 Windows 7 上）

这曾经与 Matlab2010a 一起工作得很好。但是我已经升级到 Matlab2013a（32 位学生版），现在我收到以下错误：

很明显in中的new_eigs()函数ncuts与最新Matlab中的ARPACK版本不兼容。

• 有人知道解决方法吗？
• Normalized 使用 Matlabeigs()函数的修改版本。为什么我不能只使用 Matlab 的内置eigs()而不是eigs_new()（它似乎确实有效）。

我正在尝试计算mR 中大型稀疏矩阵的第一个特征向量。使用eigen()是不现实的，因为这里大意味着 N > 10 ⁶。

到目前为止，我发现我应该使用igraph包中的 ARPACK，它可以处理稀疏矩阵。但是我不能让它在一个非常简单的（3x3）矩阵上工作：

然后使用arpack()函数帮助示例中给出的代码来提取 2 个第一个特征向量：

我收到一条错误消息：

我不明白这个错误，因为这里的 ncv (3) 大于 nev (2)，并且等于 N (3)。

我犯了一些愚蠢的错误还是有更好的方法来计算 R 中稀疏矩阵的特征向量？

更新

此错误显然是由于arpack()大写/小写 NCV 和 NEV 函数中的错误所致。

欢迎任何解决错误的建议（我试图查看包代码，但它太复杂了，我无法理解）或以其他方式计算特征向量。

我正在尝试让 Arpack 和 Arpack++ 在带有 Visual Studio 2010 的 Windows 7 中工作，并使用 swig 制作可与 C# 一起使用的界面。这基本上是为了创建一个基准，我将根据它来衡量使用 C# 解决特征向量问题的所有进一步尝试，但首先我需要它来工作。

我已经设法使用本指南编译了 Arpack ，尽管由于 g77 不再是 MinGW 附带的 Fortran 编译器，我们得到了 gfortran。进一步的更改ARmake.inc包括注释掉-cg89选项，这会产生错误（我不知道这填充 g77 的目的是什么，但 gfortran 不接受它）。

进一步遵循指南，思考“至少它现在已经编译，有或没有选项。” 我继续dllwrap。但是，该-lg2c选项未被接受，因为libg2c新版本的 MinGW 中不包含库文件。如果我尝试不使用该选项，我会从我的一些.o和相应的.f-files 中收到有关未定义引用的错误。我应该使用哪些库文件？我在做其他明显错误的事情吗？

我正在使用 scipy 对一些大数据进行稀疏矩阵 svd。matix 的大小约为 200,000*8,000,000，有 1.19% 的非零条目。我使用的机器有 160G 内存，所以我想内存应该不是问题。

所以这是我使用的一些代码：

错误信息如下：

当K=1000（即#eigen values=1000）时一切正常。当我尝试 K>=1250 时，错误开始出现。我也尝试了各种 ncv 值，仍然得到相同的错误消息......

任何建议和帮助表示赞赏。非常感谢 ：）

我一直在尝试通过使用 extern "C" 在 C++ 中声明 ARPACK 函数来找到矩阵的特征向量：

然后，在我的代码主体中，我调用函数：

但是，在编译和执行之后，程序会出现段错误。使用 GDB 执行回溯显示 &INFO 传递给 zneupd_ 的地址为 0x0，这会导致当 zneupd_ 尝试为该位置分配新值时出现段错误。然而，当我移动到下一帧并使用 print &INFO 时，我被告知 INFO 存储在寄存器 0x​​28a27c 中。出于某种原因，我的程序没有正确地将 INFO 的位置​​传递给 zneupd_。更令人困惑的是znaupd_能够正确接收&INFO，并且能够毫无问题地访问和修改该位置的值。谁能告诉我为什么一个函数可以正确接收参数，而另一个不能？

我正在尝试将 matlab eigs 函数重写为 ARPACK 的 C++ 包装器，因为 arpack++（arpack 的 C++ 包装器）在常规模式下非常慢，移位反转模式无法正常工作。但我被困住了，我需要一脚。:)

Matlab函数：

是否有任何 C++ 库可以像上面的代码一样返回输出？我想问一下 qq 和 dgAsB 是什么意思。L和U的意思很清楚，pp也很清楚，我在大学学过，但我不知道其他人是什么意思。

Arpack OP

移位反转模式的 Arpack OP 定义为 (A - sigma*I)^-1*I*u。首先，我无法理解 matlab 代码与 Arpack OP 的关系。我想问一下是否存在任何 C++ 库，我可以用它在 C++ 中编写 AminusSigmaBsolve 的效率代码。

感谢您的回答，因为我想在 C++ 中使用像 Matlab 一样高效的程序。

我正在使用 scipy.sparse.linalg 模块中的 eigs 函数，发现一些不一致的结果。运行两次相同的代码会得到不同的结果，即 np.allclose 的输出为 False。谁能解释这是为什么？

IPython 中的示例可以在这里看到（抱歉不知道如何发布 IPython 输出）

编辑 1：

这不是@Kh40tiK 建议的对特征值进行排序的问题。见这里。

编辑 2：

在尝试了不同版本的 Scipy 并运行 @Kh40tiK 发布的脚本并额外调用 scipy.show_config() 之后，似乎使用 MKL 编译的 SciPy 版本是错误的。

使用 MKL：

没有 MKL：

我目前正在尝试安装 ARPACK，以便可以在 Armadillo 中将稀疏矩阵用于大型信息网络。的说明

但是，当我在更改文件所在的目录后尝试运行时make lib，却遇到了 README 的这一行的问题

在子文件夹中，平台只有四个不同的文件，分别是

默认为SUN4，平台的文件必须存在，因为该行

包含在生成文件中。但是，我的计算机具有 Sandy Bridge 架构（Ubuntu 12.04），我不确定是否应该使用该文件。

make lib此外，运行命令后出现以下错误（make all在此上下文中）：

我刚刚使用 安装了 LAPACK 和 OpenBLAS make，但由于某种原因，我在这里遇到了问题。我在安装库方面不是很有经验，但是我遇到的文档并没有帮助我克服这一点。

几天前，我问了一个问题，如何找到大型稀疏矩阵的特征值。我没有得到答案，所以我决定描述一个潜在的解决方案。

一开始我想说的是，完全没有必要直接使用 FOTRAN 驱动程序调用 ARPACK 的子程序。那是相当困难的，我从来没有成功过。但是可以执行以下操作：

选项 1：Python

可以安装 numpy 和 scipy 并运行以下代码：

嗯，这一切都很好，特别是因为它让我们很高兴阅读 ARPACK 的“写得很好”的手册。

我对此有疑问，我认为它不适用于非对称矩阵。至少将结果与matlab进行比较并不是很有说服力。

选项 2：MATLAB

我认为使用 matlab 更简单，适用于非对称矩阵。好吧，我有一个 500000x500000 稀疏矩阵，所以这是否可以在 matlab 中工作....又是一杯茶！我必须注意，使用 python 我能够加载这种大小的矩阵并计算它的特征值而没有太多麻烦。

干杯，

我需要在 C++ 程序中计算一个非常大的稀疏对称矩阵的 n 个最小幅度特征向量。在我的示例中，假设 n=30，矩阵为 10k x 10k，大约有 70k 个非零值。

在对一些库进行大量研究和试验后，我发现 ARPACK++ 可能是我最好的选择，我按照此页面中的步骤安装了它。

使用以下代码段进行计算：

这让我得到了正确的结果，但大约需要 8.5 秒，而在 Matlab 中，我可以通过调用在大约 0.5 秒内得到相同的结果

从我对主题的研究中，Matlabeigs()还为相同的计算调用了 ARPACK fortran 库，所以我不明白为什么 C++ 包装器要慢得多。

此外，ARPACK++ 在许多情况下表现得非常奇怪，例如当我尝试使用浮点数而不是双精度数时，程序将简单地停止并且什么都不做，直到我将其取下，或者当尝试计算像 0 或 0.0001 这样的值附近的特征向量时，应该相当于'SM'，它只是吐出垃圾和崩溃。

因此，我怀疑 ARPACK++ 是否真的那么慢，或者所有这些都是一些错误配置/安装的症状，如果是，我该怎么做才能解决它。感谢您的任何帮助，您可以提供。