问题标签 [eigen3]

我想得到向量的一个子集，下面的代码没有给出正确的结果。但如果我写

e 是对的。为什么下面的代码是错误的？谢谢！

我正在实现派生类的函数成员（在基类中声明为虚拟）。其中一个参数是vectorXd，它是存储操作结果的地方。

我阅读了“以特征类型作为参数的编写函数”（http://eigen.tuxfamily.org/dox/TopicFunctionTakingEigenTypes.html），他们的破解依赖于模板化函数，将通用特征对象作为可能的参数。就我而言，我认为它不会起作用，因为您似乎不能混合使用虚拟和模板。

另一方面，我知道我的参数将始终是 VectorXd 类型，我什至可以在进入函数之前将其调整为正确的大小，这样在函数内部就不需要调整大小。我正在尝试通过引用传递向量作为 const 并使用 const_cast 能够进行我需要的修改的方法，但我仍然得到一个链接错误：

错误 LNK2001：未解析的外部符号“public：virtual void __thiscall problem::f(class method *,class Eigen::Matrix const &,class Eigen::Matrix const &)”(?f@problem@@UAEXPAVmethod@@ABV? $Matrix@N$0?0$00$0A@$0?0$00@Eigen@@1@Z)

在这里，“问题”是基类，“f”是函数，“方法”是另一个类（我的函数中也需要该类型的对象）。

在问题的定义中，我有：

在派生的定义中：问题我有：

'y' 是我需要存储结果的地方。关于如何实现这一目标的任何建议？先谢谢了。

我正在用非常大的对称矩阵（~800mb）做一些线性代数，我正在尝试几种不同的分解。目前，我正在实现 LDLT，我想利用它通过用 L^T 覆盖矩阵的上三角形来将内存需求减半。尽管 Eigen 的文档并没有列出这样做，但内部命名空间中有一些隐藏的方法可能会做我想要的。

这些方法可以在这些结构中找到： template<> struct ldlt_inplace<Lower>和http://eigen.tuxfamily.org/dox/LDLT_8h_source.htmltemplate<> struct ldlt_inplace<Upper>

我对这些方法是我想要的吗？我该如何使用它们？我是否应该避免使用它们，因为它们是内部的，因此可能会更改和弃用？

我正在处理大规模数据，例如目前可能感兴趣的 300000 x 300000 矩阵。由于“内存不足”错误，在 matlab 中处理真的很困难，所以我决定使用 EIGEN。矩阵大小中的特征是否有任何限制？

我正在尝试编写一个采用固定大小特征类型的函数（但以标量类型为模板，例如浮点/双精度）。我已阅读http://eigen.tuxfamily.org/dox/TopicFunctionTakingEigenTypes.html但我无法使其完美运行。

这是函数定义：

现在我使用它如下：

我想，我需要使用某种MatrixBase<Derived>，但是我该如何限制大小，因为该函数仅对长度为 3 的向量有意义。

编辑：我重新定义了函数如下。它有效，但有更好的方法吗？

我正在尝试实现汉明纠错码，为此我需要获取一个布尔向量（数据）并将其与一个布尔矩阵（汉明生成矩阵）相乘，执行 XOR 运算（而不是看起来像 OR Eigen 的默认布尔行为）。在这个简单的教程中可以找到我正在做的一个例子：http: //michael.dipperstein.com/hamming/

我不一定要使用 Eigen，所以如果您有解决方案，请随时提出 Eigen 以外的建议。

例如，一些 C++ 代码可以编译，但不能以正确的方式工作：

目前导致：1 1 1 1 0 1 0
但我需要：1 0 1 1 0 1 0

不同之处在于默认行为是相乘，然后对每个相乘进行 OR。由于我需要 XOR 而不是 OR，想知道使用 Eigen 执行此操作的最佳方法是什么？

如果这没有意义，很高兴尝试和详细说明。

顺便说一句，不确定这是否重要，但我正在使用 G++ 开发 MacBook Air。今天刚刚下载了 Eigen，所以它的概率是最新的（eigen3）

谢谢你，
基思

更新：鉴于下面接受的解决方案，我想重新发布正确的代码作为人们的参考：

为什么eig()MATLAB中的运行速度如此之快？它是如何制作的？我使用 Eigen 的 EigenSolver，它比 MATLAB 慢很多。使用Intel-MKL? 我们能否实现与 MATLAB 相同或更高的性能？或BLAS/ LAPACK/ ATLAS/ ARPACK/ OpenBLAS/ GotoBLAS/ ACML？特征值分解的工业解决方案是什么？

我需要将我的 MATLAB 代码转换为 C++，其中包括 xA=0 形式的线性方程。

我知道 Eigen 可以处理线性方程 Ax=b。我在问：有没有办法使用 Eigen for C++（Visual Studio 2010）来求解线性方程组 xA=b，A 是稀疏矩阵？如果没有，我可以使用什么库？

感谢您的任何帮助。

看起来Eigen::Ref<>，在 Eigen 3.2 中std::reference_wrapper<>引入和在 C++11 中引入实现了非常相似的目标。

显然，Eigen::Ref<>不会像 std::reference_wrapper<> 那样引入 C++11 依赖项，但是还应该考虑什么？（对我来说，C++11 的依赖性不是问题。）

以下是参考资料：（所以元，大声笑）：

• 特征::参考<>
• std::reference_wrapper<>

H、W、R、V 是矩阵，并且已经用各自的大小进行了初始化。“beta”是一个整数，“myeps”是一个浮点数。对于矩阵实现，我目前使用了 Eigen 库。但是，我不确定将此 Matlab 代码成功转换为基于 Eigen 的 C++ 代码的语法。

Matlab代码

C++ 代码（到目前为止我尝试过的）

这段代码正确吗？

仅供参考 - 这是 NMF 算法中的一个步骤（基于 beta 散度的非负矩阵分解）。

任何帮助将不胜感激。