我可以将特征稀疏矩阵用于一般存储需求吗

Can I use Eigen sparse matrices for general storage requirements

本文关键字：存储 需求 用于 特征 我可以      更新时间：2023-10-16

我需要一个模板化的稀疏矩阵实现，但只是为了减少内存占用，而不是进行任何数值求解。所以我试着使用Eigen，尽管我不需要数学部分。为什么？它正好躺在我的机器上，我已经用它做了一些其他的东西。但我肯定不是特征专家！

上下文：我有一个类型T(比如struct T{int a; float b; vector<int> c; };，我需要存储这个类型的大矩阵(比如超过1000x1000)，并且大多数值都是空的/不相关的。

由于我不做任何数学运算，我认为提供一个指定的操作员来进行存储/检索操作就足够了，如下所示：

int main()
{
Eigen::SparseMatrix<MyClass> mat(1000,1000); // 1000000 elements
MyClass b{ 5, 1.2 };
mat.insert( 3, 4 ) = b;
}

这里有一个数据类型，我认为它是必要的：

struct MyClass
{
int a;
float b;
std::vector<int> v_things;
MyClass( int aa, float bb ) : a(aa), b(bb) {}
MyClass( const MyClass& other ) // copy constructor
{
a = other.a;
b = other.b;
v_things = other.v_things;
}
MyClass& operator=( const MyClass& arg )
{
if( this != &arg )
{
MyClass tmp(arg);
std::swap( tmp, *this );
}
return *this;
}
};

但这无法编译，因为它似乎需要某种特殊形式的赋值运算符：

/usr/include/eigen3/Eigen/src/SparseCore/SparseMatrix.h:1146:27: error: no match for ‘operator=’ (operand types are ‘Eigen::internal::CompressedStorage<MyClass, int>::Scalar {aka MyClass}’ and ‘int’)
return (m_data.value(p) = 0);'

(编译器：GCC 5.3，带-std=c++11)

问题：

  • 使用Eigen可以做到这一点吗？
    • 如果是，我需要向数据类型添加什么？这是最好的方法吗
    • 如果没有，你会建议另一个图书馆吗

相关特征手册页面：

  • http://eigen.tuxfamily.org/dox/group__TutorialSparse.html
  • http://eigen.tuxfamily.org/dox/classEigen_1_1SparseMatrix.html
  • http://eigen.tuxfamily.org/dox/group__SparseQuickRefPage.html

事实上，由于它是为存储数值而设计的，因此您的类型应该是可构造的/可从字面0分配的。需要确保insert(i，j)返回对初始化为0的标量的引用。

因此，您可以通过添加一个伪operator=:来解决问题

MyClass& operator=(int x) { assert(x==0); /* ... */ return *this; }

编辑：

为了使用setFromTriplets，您还需要提供operator+=。原因是在默认情况下，重复的条目会相加在一起。在特征3.3中，将一个函子(例如lambda)传递给setFromTriplets，定义应如何合并重复项，这更为简单。在您的情况下，如果调用以下函数，您可以只传递一个触发运行时断言的函数：

mat.setFromTriplets(begin,end, [] (const MyClass& a,const MyClass &) {
assert(false && "found duplicates"); return a; } );

在这种情况下，您不需要定义MyClass::operator+=

为了完成@ggael给出的答案，对于那些想做类似事情的人来说，这里有一个编译并运行的完整示例：

#include <eigen3/Eigen/SparseCore>
#include <vector>
#include <iostream>
struct MyClass
{
int a;
float b;
std::vector<int> v;
MyClass(){}
MyClass( int aa, float bb ) : a(aa), b(bb) {}
MyClass( int aa): a(aa) {}
MyClass( const MyClass& other ) // copy constructor
{
a = other.a;
b = other.b;
v = other.v;
}
MyClass& operator=( int x )
{
assert( x==0 );
return *this;
}
MyClass& operator += ( const MyClass& x )
{
return *this;
}
};
void PrintMat( const Eigen::SparseMatrix<MyClass>& mat )
{
std::cout << "Matrix content:n";
for (int k=0; k<mat.outerSize(); ++k )
for( Eigen::SparseMatrix<MyClass>::InnerIterator it(mat,k); it; ++it )
std::cout << "row=" << it.row() << " col=" << it.col()
<< ": a=" << it.value().a
<< " b=" << it.value().b
<< " vect size=" << it.value().v.size() << "n";
}
int main()
{
Eigen::SparseMatrix<MyClass> mat(1000,1000); // 1000000 positions
MyClass a{ 5, 1.2 };
a.v.resize(5);
mat.insert( 3, 4 ) = a;   // insert single element
PrintMat( mat );
MyClass b{ 6, 2.3 };
b.v.resize(9);
mat.coeffRef( 3, 4 ) = b; // update single element
PrintMat( mat );
std::vector<Eigen::Triplet<MyClass>> tripletList;
for(int i=0; i<10; i++)
{
MyClass a{i*2,i*3.0f};
tripletList.push_back( Eigen::Triplet<MyClass>(i,i*10,a) );
}
mat.setFromTriplets(tripletList.begin(), tripletList.end());
PrintMat( mat );
}
相关文章：