[Eigen中文文档] 概述(总目录)

简介: Eigen是基于线性代数的C ++模板库,主要用于矩阵,向量,数值求解器和相关算法。常用的Ceres、G2O等项目均是基于Eigen库。 本系列文章将通过官方文档带你了解Eigen。

概述

英文原文链接

这是 Eigen3 的API文档,你可以下载它以便于离线阅读。

以下是该中文文档目录,分为四部分:


入门

对于第一次接触Eigen,学习Eigen最好的方法就是阅读该文档,这可以让你学会如何使用Eigen编写你的代码。

然后,快速参考页面以非常简洁的格式提供了API的相当完整的描述,这对于回忆特定特性的语法或快速浏览API非常有用。它们目前涵盖了以下两个特性集,将来还会有更多:

  • 稠密矩阵和数组操作
  • 稀疏线性代数

如果你会使用MATLAB,这里有一个Eigen与MATLAB操作对照文档。

从入门开始...


章节

章节是按照不同特性领域来划分的,他们由两个部分组成:用户手册页面、参考页面,前者综合性的描述了不同的特性,后者可以通过相关Eigen模块和类访问 API 文档。

一、稠密矩阵与数组操作

1. Matrix类

2. 矩阵与向量运算

3. Array类与元素操作

4. 块操作

5. 切片和索引

6. 高级初始化

7. 归约、访问者和广播

8. Reshape操作

9. STL迭代器和算法

10. 原始缓冲区接口:Map 类

11. 混叠

12. 存储顺序

13. 对齐问题

二、稠密线性问题与分解

1. 线性代数与分解

2. 稠密分解目录

3. 求解线性最小二乘系统

4. 就地矩阵分解

5. 稠密矩阵分解函数对比

三、稀疏线性代数

1. 稀疏矩阵操作

2. 求解稀疏线性系统

3. 无矩阵求解器

4. 稀疏矩阵快速参考指南

四、几何学

1. 空间变换


扩展/自定义Eigen

在扩展/自定义Eigen部分,可以了解到有关扩展 Eigen 的功能和支持自定义标量类型的讨论和示例。

一、扩展 MatrixBase(包括其他类)

二、继承 Matrix

三、使用自定义标量类型

四、使用nullary-expressions操作矩阵

五、添加新的表达式类型


常见话题

可以了解诸如预处理指令、控制断言、多线程、MKL使用和Eigen的内部实现等。

一、编写以特征类型为参数的函数

1. 编写以特征类型为参数的函数(一)

2. 编写以特征类型为参数的函数(二)

二、预处理器指令

三、断言

四、Eigen与多线程

五、使用 Eigen 的 BLAS/LAPACK

六、使用 Eigen 的英特尔® MKL

七、在 CUDA 内核中使用 Eigen

八、常见的陷阱

九、C++中的template和typename关键字

十、深入了解 Eigen

1. Eigen 内部发生了什么

1.1 为什么讨论这个问题

1.2 构建向量

1.3 求和表达式的构造

1.4 分配

2. 类层次结构

3. 惰性求值与混叠(Aliasing)

十一、在 CMake 项目中使用 Eigen

The End



相关文章
|
5天前
BackTrader 中文文档(十二)(4)
BackTrader 中文文档(十二)
9 0
|
5天前
|
存储 测试技术 API
BackTrader 中文文档(十二)(1)
BackTrader 中文文档(十二)
26 0
|
5天前
|
索引 Python
BackTrader 中文文档(十二)(2)
BackTrader 中文文档(十二)
9 0
|
5天前
|
存储 编解码
BackTrader 中文文档(十二)(3)
BackTrader 中文文档(十二)
20 0
|
8月前
|
编译器 Linux C语言
[Eigen中文文档] 从入门开始...
这是一个非常简短的Eigen入门文章。该文章有两层目的。对于想要尽快开始编码的人来说,该文章是对Eigen库的最简单介绍。你可以把该文章作为教程的第一部分,这更加详细的解释了Eigen库。看完这个教程后可以继续阅读 The Matrix class教程。
257 0
|
8月前
|
安全
[Eigen中文文档] 混叠
在 Eigen 中,混叠是指相同的矩阵(或数组或向量)出现在赋值操作符的左边和右边。如下表达式,mat = 2*mat 或者 mat = mat.transpose()。第一个表达式是没有问题的,但是第二个表达式,会出现不可预料的结果。这一节会解释什么是混叠,以及它的危害与处理方法。
56 0
|
8月前
[Eigen中文文档] 高级初始化
本文介绍了几种用于初始化矩阵的高级方法。提供了有关之前介绍的逗号初始化程序的更多详细信息。还解释了如何获得特殊矩阵,例如单位矩阵和零矩阵。
68 0
|
8月前
|
存储 数据建模 API
[Eigen中文文档] 稀疏矩阵快速参考指南
本页面简要介绍了类SparseMatrix中可用的主要操作。在处理稀疏矩阵时,重要的一点是要了解它们的存储方式:即行优先或列优先,Eigen默认为列优先。对稀疏矩阵进行的大多数算术操作都会默认它们具有相同的存储顺序。
119 0