[Eigen中文文档] 在 CMake 项目中使用 Eigen

简介: Eigen提供了CMake(CMake 3.0或更高版本)支持,使得该库可以轻松地在CMake项目中使用。

文档总目录

英文原文(Using Eigen in CMake Projects)

Eigen提供了CMake支持,使得该库可以轻松地在CMake项目中使用。

注意:启用这个功能需要CMake 3.0(或更高版本)。

Eigen提供了一个CMake示例,名为Eigen3::Eigen,可以使用find_package CMake命令导入,并通过调用target_link_libraries来使用,如下示例:

cmake_minimum_required (VERSION 3.0)
project (myproject)

find_package (Eigen3 3.3 REQUIRED NO_MODULE)

add_executable (example example.cpp)
target_link_libraries (example Eigen3::Eigen)

上述代码片段必须放置在名为CMakeLists.txt的文件中,与example.cpp放在一起。运行如下命令:

$ cmake path-to-example-directory

CMake将生成项目文件,生成一个名为example的可执行文件,它需要至少版本3.3的Eigen。在此处,path-to-example-directory是包含CMakeLists.txtexample.cpp的目录的路径。

如果Eigen未安装在默认位置,或者你想选择特定版本,请不要忘记设置CMAKE_PREFIX_PATH变量。例如:

{
   mathJaxContainer[0]}HOME/mypackages

另一种方法是将Eigen3_DIR cmake的变量设置为包含Eigen3*.cmake文件的相应路径。例如:

{
   mathJaxContainer[1]}HOME/mypackages/share/eigen3/cmake/

如果在使用find_package查找Eigen时省略了REQUIRED选项,则可以按以下方式检查是否找到了该软件包:

find_package (Eigen3 3.3 NO_MODULE)

if (TARGET Eigen3::Eigen)
  # Use the imported target
endif (TARGET Eigen3::Eigen)
相关文章
|
存储 编译器
[Eigen中文文档] 深入了解 Eigen - 类层次结构
本页面介绍了Eigen类层次结构中 Core 类的设计及其相互关系。一般用户可能不需要关注这些细节,但对于高级用户和Eigen开发人员可能会有用。
503 0
|
编译器 索引
[Eigen中文文档] 块操作
本文介绍了块操作。块是matrix或array的部分矩形元素。块表达式既可以用作右值也可以用作左值。与Eigen表达式一样,如果让编译器进行优化,则块操作的运行时间成本为零。
341 0
|
存储 并行计算 算法
[Eigen中文文档] 概述(总目录)
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。
2459 1
|
存储 缓存
[Eigen中文文档] 深入了解 Eigen - 惰性求值与混叠(Aliasing)
Eigen具有智能的编译时机制,可以实现惰性求值并在适当的情况下删除临时变量。它会自动处理大多数情况下的混叠问题,例如矩阵乘积。自动行为可以通过使用MatrixBase::eval()和MatrixBase::noalias()方法手动覆盖。
543 0
|
存储 安全 编译器
[Eigen中文文档] 常见的陷阱
本文将介绍一些Eigen常见的陷阱
551 0
|
存储 NoSQL API
[Eigen中文文档] Matrix类
在Eigen中,所有矩阵和向量都是Matrix模板类的对象。向量只是行数或者列数为1的特殊矩阵。
727 1
|
存储 缓存 Unix
Cmake 链接外部库:如何在项目中使用外部库和头文件
Cmake 链接外部库:如何在项目中使用外部库和头文件
1314 0
|
安全 编译器 C++
[Eigen中文文档] 矩阵与向量运算
本文章旨在提供有关如何使用 Eigen 在矩阵、向量和标量之间执行算术操作的概述和一些详细信息。
761 0
|
编译器 C++ Windows
windows10安装gflags和glog
windows10安装gflags和glog
810 0
|
并行计算 算法 Linux
[Eigen中文文档] 在 BLAS/LAPACK 、英特尔® MKL 和 CUDA 中使用 Eigen
自Eigen 3.3版本以及以后,任何F77兼容的BLAS或LAPACK库都可以用作稠密矩阵乘积和稠密矩阵分解的后端。例如,可以在OSX上使用Intel® MKL,Apple的Accelerate框架,OpenBLAS,Netlib LAPACK等。 请务必查看此页面以进一步讨论关于使用Intel® MKL(也包括VML,PARDISO等)的具体用法。
948 0