使用 C++ Eigen 和 matlab mexFunction 的矩阵乘法问题
Matrix multiplication issues using C++ Eigen, and matlab mexFunction
// computing the matrix operation here
// resultEigen = Input matrix
// result1Eigen = hidden bias
// result2Eigen = visible bias
// result3Eigen = weight matrix
MatrixXd H;
MatrixXd V;
double well[36];
Map<MatrixXd>( well, H.rows(), H.cols() ) = H;
H = resultEigen * result3Eigen + result1Eigen;
mexPrintf("H is here\n");
for (int i=0; i<36; i++)
{
mexPrintf("%d\n",H);
}
mexPrintf("\n");
我需要为我的 RBM 构建一个重构函数,因为直接矩阵乘法可以获得更好的结果,我一直在参考特征库来解决我的问题,但我遇到了一些困难。
当 运行 以上代码时,我最终得到 H 矩阵的单个值,我想知道为什么!
此外,用于计算H的参数已启动如下:
double *data1 = hbias;
Map<VectorXd>hidden_bias(data1,6,1);
VectorXd result1Eigen;
double result1[6];
result1Eigen = hidden_bias.transpose();
Map<VectorXd>(result1, result1Eigen.cols()) = result1Eigen;
// next param
double *data2 = vbias;
Map<VectorXd>visible_bias(data2,6,1);
VectorXd result2Eigen;
double result2[6];
result2Eigen = visible_bias.transpose();
Map<VectorXd>(result2, result2Eigen.cols()) = result2Eigen;
// next param
double *data3 = w;
Map<MatrixXd>weight_matrix(data3,n_visible,n_hidden);
MatrixXd result3Eigen;
// double result3[36];
mxArray * result3Matrix = mxCreateDoubleMatrix(n_visible, n_hidden, mxREAL );
double *result3=(double*)mxGetData(result3Matrix);
result3Eigen = weight_matrix.transpose();
Map<MatrixXd>(result3, result3Eigen.rows(), result3Eigen.cols()) = result3Eigen
最后,我还面临使用 std::cout 从 mexFunction 内部打印数据的问题。
感谢您的任何提示。
问题出在打印代码中,应该是:
mexPrintf("%d\n",H(i));
那么,就不需要复制向量和矩阵了。例如,result1
是无用的,因为您可以使用 result1Eigen.data()
获得指向存储在 result1Eigen
中的数据的原始指针。同样,你可以直接将weight_matrix.transpose()
赋值给Map<MatrixXd>(result3,...)
,我看不出well
的用途。
最后,如果在 compile-time 确实知道尺寸,那么最好使用 Matrix<double,6,1>
而不是 VectorXd
和 Matrix<double,6,6>
而不是 MatrixXd
。您可以期待显着的加速。
// computing the matrix operation here
// resultEigen = Input matrix
// result1Eigen = hidden bias
// result2Eigen = visible bias
// result3Eigen = weight matrix
MatrixXd H;
MatrixXd V;
double well[36];
Map<MatrixXd>( well, H.rows(), H.cols() ) = H;
H = resultEigen * result3Eigen + result1Eigen;
mexPrintf("H is here\n");
for (int i=0; i<36; i++)
{
mexPrintf("%d\n",H);
}
mexPrintf("\n");
我需要为我的 RBM 构建一个重构函数,因为直接矩阵乘法可以获得更好的结果,我一直在参考特征库来解决我的问题,但我遇到了一些困难。 当 运行 以上代码时,我最终得到 H 矩阵的单个值,我想知道为什么!
此外,用于计算H的参数已启动如下:
double *data1 = hbias;
Map<VectorXd>hidden_bias(data1,6,1);
VectorXd result1Eigen;
double result1[6];
result1Eigen = hidden_bias.transpose();
Map<VectorXd>(result1, result1Eigen.cols()) = result1Eigen;
// next param
double *data2 = vbias;
Map<VectorXd>visible_bias(data2,6,1);
VectorXd result2Eigen;
double result2[6];
result2Eigen = visible_bias.transpose();
Map<VectorXd>(result2, result2Eigen.cols()) = result2Eigen;
// next param
double *data3 = w;
Map<MatrixXd>weight_matrix(data3,n_visible,n_hidden);
MatrixXd result3Eigen;
// double result3[36];
mxArray * result3Matrix = mxCreateDoubleMatrix(n_visible, n_hidden, mxREAL );
double *result3=(double*)mxGetData(result3Matrix);
result3Eigen = weight_matrix.transpose();
Map<MatrixXd>(result3, result3Eigen.rows(), result3Eigen.cols()) = result3Eigen
最后,我还面临使用 std::cout 从 mexFunction 内部打印数据的问题。 感谢您的任何提示。
问题出在打印代码中,应该是:
mexPrintf("%d\n",H(i));
那么,就不需要复制向量和矩阵了。例如,result1
是无用的,因为您可以使用 result1Eigen.data()
获得指向存储在 result1Eigen
中的数据的原始指针。同样,你可以直接将weight_matrix.transpose()
赋值给Map<MatrixXd>(result3,...)
,我看不出well
的用途。
最后,如果在 compile-time 确实知道尺寸,那么最好使用 Matrix<double,6,1>
而不是 VectorXd
和 Matrix<double,6,6>
而不是 MatrixXd
。您可以期待显着的加速。