[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
|
4月前
|
存储 缓存 PyTorch
Transformers 4.37 中文文档(十四)(4)
Transformers 4.37 中文文档(十四)
92 4
|
4月前
|
存储 缓存 安全
Transformers 4.37 中文文档(十四)(7)
Transformers 4.37 中文文档(十四)
36 4
|
4月前
|
存储 自然语言处理 算法
Transformers 4.37 中文文档(十四)(3)
Transformers 4.37 中文文档(十四)
68 4
|
4月前
|
存储 缓存 PyTorch
Transformers 4.37 中文文档(十四)(6)
Transformers 4.37 中文文档(十四)
84 4
|
4月前
|
存储 数据可视化 PyTorch
Transformers 4.37 中文文档(十四)(1)
Transformers 4.37 中文文档(十四)
72 1
|
4月前
|
存储 JSON 算法框架/工具
Transformers 4.37 中文文档(十四)(2)
Transformers 4.37 中文文档(十四)
56 1
|
4月前
|
存储 PyTorch TensorFlow
Transformers 4.37 中文文档(九十四)(1)
Transformers 4.37 中文文档(九十四)
23 1
|
4月前
|
PyTorch TensorFlow API
Transformers 4.37 中文文档(九十四)(4)
Transformers 4.37 中文文档(九十四)
19 1
|
4月前
|
自然语言处理 PyTorch TensorFlow
Transformers 4.37 中文文档(九十四)(2)
Transformers 4.37 中文文档(九十四)
31 1
|
4月前
|
自然语言处理 PyTorch TensorFlow
Transformers 4.37 中文文档(九十四)(3)
Transformers 4.37 中文文档(九十四)
38 1
下一篇
无影云桌面