eigen怎么用 eigen与taucs求解稀疏矩阵哪个好？
eigen与taucs求解稀疏矩阵哪个好？
在了解了网格变形的论文之后，我开始尝试实现它，并开始在网上搜索稀疏矩阵库。
一开始，我使用的矩阵库是eigen，风格类似MATLAB，但没有实现稀疏矩阵运算的功能。虽然它保留了与其他几个稀疏矩阵库的接口，但我尝试的umfpack和superlu都在if（！Lu）uua的。此步骤中的计算失败。后来，我尝试了taucs库，但我也遇到了一个悲惨的问题。已成功编译的库可以在命令行上使用，但在VS2008中无法成功链接。几天后，我终于决定封装umfpack和eigen之间的接口。
求问C 的Eigen矩阵运算库有没有提供两个矩阵对应元素相乘的方法？
我使用了两个数学库，Eigen和GLM。本征是一个线性代数运算库，使用非常方便。GLM这个库一般应用于计算机图形学的相关编程，因为计算机图形学涉及到很多与线性代数相关的运算，所以它一定能满足您的要求。
此外，Eigen和GLM都是跨平台的，可以使用windows和Linux。
至于Atlas和openblas，我还没有使用它们，但是在Wikipedia中，Atlas肯定可以处理矩阵乘法，因为它还可以执行LU分解和Cholesky分解。
如果您想了解有关线性代数相关数学库的更多信息，这里是Wikipedia中各种线性代数库的摘要。
比较线性代数库
如果没有GPU：
如果CPU不紧，优化要求不高，请使用OpenMP并行加速；如果您不想熟悉指令集并想使用它进行更有效的优化，请使用eigen或openblas。
如果有GPU：
如果只是卷积运算，调用CUDNNAPI是最简单的；如果是学习目的，可以基于CUDA用Cu写内核函数；如果是产品使用，因为它还涉及到其他运算和向量、矩阵运算，可以考虑tensorrt。
eigen怎么用 eigen矩阵赋值 对称矩阵求逆矩阵的简便方法
版权声明：本文内容由互联网用户自发贡献，本站不承担相关法律责任.如有侵权/违法内容,本站将立刻删除。
