临时矩阵乘积的本征算子(Index, Index)
Eigen operator(Index, Index) of a temporary matrix product
假设我只对矩阵乘积的单个 (i, j) 元素感兴趣，所以我 (A * B)(i, j)。 Eigen 会计算 A 和 B 的完整乘积然后访问 (i, j) 元素还是它会很聪明并且只计算必要的？如果没有，我该怎么办？
出于内存原因，我目前正在进行基于 SVD 的有损矩阵压缩，因此我想存储 SVD 的 U、S 和 V 矩阵，并动态计算原始矩阵的元素：aij = (U * S.asDiagonal() * V.transpose())(i,j)特此提问
好问题。按系数计算矩阵积是低效的，在当前版本的 Eigen 中，因此禁止在矩阵积上调用 operator(i,j) （在编译时）。因此，如果您访问大部分 aij，最好暂时评估它。如果您以非结构化方式访问其中的一小部分，那么您可以将其包装在一个实现的函数中：
return U.row(i) * S.asDiagonal() * V.row(j).transpose();
在 Eigen 的未来版本中，即 3.3 或 3.4，Eigen 会自动为您将信息传播到表达式树的叶子。
假设我只对矩阵乘积的单个 (i, j) 元素感兴趣，所以我 (A * B)(i, j)。 Eigen 会计算 A 和 B 的完整乘积然后访问 (i, j) 元素还是它会很聪明并且只计算必要的？如果没有，我该怎么办？
出于内存原因，我目前正在进行基于 SVD 的有损矩阵压缩，因此我想存储 SVD 的 U、S 和 V 矩阵，并动态计算原始矩阵的元素：aij = (U * S.asDiagonal() * V.transpose())(i,j)特此提问
好问题。按系数计算矩阵积是低效的，在当前版本的 Eigen 中，因此禁止在矩阵积上调用 operator(i,j) （在编译时）。因此，如果您访问大部分 aij，最好暂时评估它。如果您以非结构化方式访问其中的一小部分，那么您可以将其包装在一个实现的函数中：
return U.row(i) * S.asDiagonal() * V.row(j).transpose();
在 Eigen 的未来版本中，即 3.3 或 3.4，Eigen 会自动为您将信息传播到表达式树的叶子。