Nano Hash - криптовалюты, майнинг, программирование

Умножение собственной разреженной матрицы на массив C

У меня есть собственная разреженная матрица, и я хотел бы умножить ее на вектор. Однако мой вектор хранится в контейнере векторов STL из-за того, как все это спроектировано. Итак, у меня есть что-то вроде:

std::vector<float> values;
Eigen::SparseMatrix<float> some_mat;

// fill the matrix and vector
....
float * vec = &values[0];

Теперь есть способ сделать что-то вроде:

some_mat * vec;

Без копирования вектора в собственный векторный объект. Если нет возможности обойти копию, что было бы наиболее эффективным способом скопировать вектор STL или C-массив в собственный объект VectorXf?

c++ eigen
25.11.2014

Ответы:


1

Вы можете использовать Eigen::Map для этой цели:

VectorXd res = some_mat * VectorXf::Map(vec, size);

Обратите внимание, что объект Map доступен для чтения и записи, поэтому res также может быть Map.

25.11.2014
Новые материалы
Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
Частный метод Python: улучшение инкапсуляции и безопасности
Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..