我使用特征库和它的块运算来计算矩阵B和C之间的矩阵乘法，并将结果保存到矩阵A中。B具有N行和M列，C具有M行和P列，其中P是1和max_cols之间的数字。所以A将有N行和P列。我预先分配矩阵A，B，C，然后进入迭代算法，我需要修改它们的值并计算乘法。我需要这最后一步越快越好。由于我不能提前知道P，但我知道max_cols，我预先为A和C分配max_colscols，然后我使用块运算计算矩阵乘法，考虑到我在该迭代中需要的cols数量（P）：
A.block(0,0,N,P).noalias() = B*C.block(0,0,M,P);
为了避免创建临时变量，我对矩阵A使用noalias()。我还使用Eigen::internal::set_is_malloc_allowed(false)来检查是否没有创建临时文件。
我看到当N和M等于150时，程序不会因为EIGEN_RUNTIME_NO_MALLOCAssert而停止，而当N和M等于180时，程序会停止。有人能解释一下吗？你能建议我如何解决这个问题或另一种方法来完成我的任务吗？
下面是一个简化的代码来重现这个问题：

#define EIGEN_RUNTIME_NO_MALLOC 
#include <Eigen/Dense>
#include <eigen3/Eigen/Eigen>

int main(int argc, char** argv)
{
  uint N, M, P, max_cols;

  // Initial allocation
  N = 150;
  M = 150;
  P = 10;
  max_cols = 50;

  Eigen::MatrixXd B = Eigen::MatrixXd::Random(N, M);
  Eigen::MatrixXd C = Eigen::MatrixXd::Random(M, max_cols);
  Eigen::MatrixXd A(N,max_cols);

  // 
  //Here some code that set the values of the first P columns of C that I will consider into the multiplication
  //

  // This code should be executed as fast as possible without temporaries
  Eigen::internal::set_is_malloc_allowed(false);

  A.block(0,0,N,P).noalias() = B*C.block(0,0,M,P);  // no assertion

  Eigen::internal::set_is_malloc_allowed(true);
  // until here

  std::cout<<"first multiplication OK"<<std::endl;

  N = 180;
  M = 180;

  Eigen::MatrixXd B2 = Eigen::MatrixXd::Random(N, M);
  Eigen::MatrixXd C2 = Eigen::MatrixXd::Random(M, max_cols);
  Eigen::MatrixXd A2(N,max_cols);

  // 
  //Here some code that set the values of the first P columns of C that I will consider into the multiplication
  //

  // This code should be executed as fast as possible without temporaries
  Eigen::internal::set_is_malloc_allowed(false);

  A2.block(0,0,N,P).noalias() = B2*C2.block(0,0,M,P);  // assertion

  Eigen::internal::set_is_malloc_allowed(true);
  // until here

  std::cout<<"second multiplication OK"<<std::endl;

  return 0;
}