eigen

    0

    1답변

    EIGEN을 사용하는 프로그램의 메모리 사용을 이해하려고하는데 이해가 안가는 EIGEN 관련 부분이 있습니다. 나는 SparseMatrix<short,RowMajor>(2,3) (비어 있음)을 만들고 있는데,이 비용은 12 바이트입니다. 내부 및 외부 색인은 int입니다. 나는 8 바이트를 기대하고 있었고, 나는 왜 내가 효과적인 비용보다 1 정수가 낮은지

    0

    1답변

    나는 Eigen을 처음 접하고 레이아웃에 대한 느낌을 얻으려고 노력하고있다. 각 행렬에는 주어진 행렬의 모든 계수의 합을 반환하는 sum() 함수가 있음을 알게되었습니다. 고유 행렬을 반복하는 가장 좋은 방법을 찾고 싶었 기 때문에 구현 방법에 관심이있었습니다. 나는 소스 코드에 들어가서 "DenseBase.h"에서 다음 인터페이스를 찾았습니다. EIGEN

    -1

    1답변

    입니다 : SparseMatrix<double> A(m, n); VectorXd b(m); ConjugateGradient<SparseMatrix<double>, Upper> solver; solver.compute(A); VectorXd X = solver.solve(b); 을하지만,이 코드 실행이 오류가 발생했습니다 : 내가 가진 이유 Ass

    0

    1답변

    내가 내 CPP 파일에 #define EIGEN_STACK_ALLOCATION_LIMIT 0 를 추가 작동하지 않습니다. /mingw-w64/x86_64-7.1.0-win32-seh-rt_v5-rev0/mingw64/x86_64- : 그러나, 아무리 내가 EIGEN_STACK_ALLOCATION_LIMIT로 설정 어떤 값, 컴파일 출력은 항상 C 포함되

    1

    1답변

    약간의 코드를 작성하려고 할 때 문제가 발생합니다. 나는 다음이 것을 해결하기 위해 필요는 없다 생각 여기 가 정말 시작에서 (내 Position.h 파일에있어 무엇 : 는 간단하게하기 위해 (I 리눅스에있어) 문제) : 여기 #include <Eigen/Dense> 그리고 내 CMakeLists.txt입니다 : project(p) include_di

    3

    1답변

    다음 코드는 예기치 않게 (0, 1, 0) 대신 (0, -1, 0)을 할당합니다. 왜? 어떤 아이디어? 어떻게됩니까 #include <Eigen/Dense> int main() { const bool useFirst = false; // This is the original use-case. const Eigen::Vect

    0

    1답변

    나는 RcppEigen에서 가중 공분산을위한 함수를 작성하고있다. 단계 중 하나에서 행렬의 열 i와 열 j를 가져 와서 cwiseProduct를 계산하고 싶은데, 이는 어떤 종류의 벡터를 반환해야합니다. cwiseProduct의 출력은 여러 번 재사용 할 수있는 중간 변수로 들어갑니다. 문서에서 보면 cwiseProduct은 CwiseBinaryOp을 반환

    2

    1답변

    Eigen :: Map 객체에 대한 포인터를 정의 할 수 있습니까? 원래 코드 (의사 코드) 매우 복잡하지만, 여기에 내가 달성하기 위해 노력하고 무엇을지도 본질적으로 이미 포인터이기 때문에이 갱신되도록 간단 할 것이다, 그래서 여기에 포인터를 사용하는 전혀 필요 void testfunction1(... XPtr){ // XPtr is a poin

    -3

    1답변

    내가 뭔가를 scalar_product_op :: result_type로 (라인 86) simpe 기본 응용 프로그램의 동일한 작업에 BinaryFunctors.h 실패 TEST(LinearALgebra, SVD) { Eigen::Matrix3d m; m << -0.0793311, 0.999997, -1.17221e-07, 1

    2

    1답변

    현재 을 찾고 있는데, typedef Transform<float,3,Isometry> Isometry3f;으로 정의됩니다. 따라서 예를 들어, Isometry3f에 Affine3f을 할당 할 수 없으므로 isometry를 그대로 유지하는 것이 좋습니다. (그 이유는 Mode이 Transform의 할당 연산자에 선택되어 있는지입니다.) 나는 그러나 수 -