在本征函数中，是否可以在Matlab中执行以下操作的等效操作？
A=rand(10,10);
indices = [2,5,6,8,9];
B=A(indices,indices)我想有一个子矩阵作为对原矩阵的看法与给定的，非连续的指数。最好的选择是拥有原始矩阵的共享内存视图，这可能吗？
我已经找到了一个方法，它可以工作，但不是很快，因为它涉及到非向量化的for循环：
MatrixXi slice(const MatrixXi &A, const std::set<int> &indices)
{
int n = indices.size();
Eigen::MatrixXi B;
B.setZero(n,n);
std::set<int>::const_iterator iInd1 = indices.begin();
for (int i=0; i<n;++i)
{
std::set<int>::const_iterator iInd2=indices.begin();
for (int j=0; j<n;++j)
{
B(i,j) = A.coeffRef(*iInd1,*iInd2);
++iInd2;
}
++iInd1;
}
return B;
}如何才能使这更快？
2条答案
按热度按时间p8h8hvxi1#
这个问题很老了，但显然人们仍然可以在Google上找到它。因此，作为参考，您正在寻找的功能现在是本征功能的一部分。
示例来自Eigen网站上Slicing and Indexing中的数组索引部分。
回应Cris Luengo的评论：上面的切片返回一个IndexedView，这是原始数据的视图。考虑下面的示例代码
其返回
所以我猜它会产生一个共享内存视图。
0g0grzrc2#
将矩阵遍历设为col-major（在Eigen中是默认的）http://eigen.tuxfamily.org/dox-devel/group__TopicStorageOrders.html
禁用调试Assert，
EIGEN_NO_DEBUG，请参阅http://eigen.tuxfamily.org/dox/TopicPreprocessorDirectives.html，正如Deepfreeze的评论所建议的那样。实现向量化版本是非常重要的，因为元素通常是不连续的。如果您能够做到，请查看AVX 2收集说明（前提是您有支持AVX 2的CPU）
要实现矩阵视图（你称之为共享内存），你需要实现一个Eigen表达式，如果你精通C++并了解Eigen代码库，这并不难。如果你愿意，我可以帮你开始。