Armadillo：高效的 RAM 稀疏批量插入
Armadillo: efficient RAM sparse batch insertion
我知道犰狳中的稀疏矩阵还在初步支持中。
我在我的量子系统研究中使用犰狳库，但我无法以有效的 RAM 方式构建稀疏垫。
到目前为止，我使用的是自己的稀疏矩阵实现，但我想要一个优化矩阵 class。
我正在以批处理模式填充元素：
umat loc(2,size);
cx_vec val(size);
// calculate loc and val
...
//
sp_cx_mat Hamiltonian(loc, val);
这种操作将值从 loc、val 复制到 Hamiltonian 的构造函数，并且在几秒钟内需要 2x RAM。我计算了巨大的矩阵（大小约为 2**L，其中 L=22、24、...），所以我希望我在内存中有经过优化的代码。
为了比较，矩阵大小：705432x705432 - RAM 和 "filling time":
我的实现（COO格式）：时间7.95s，内存317668kB
犰狳（CSC格式）：时间5.32s，记忆715000kB
是否可以动态释放向量片段：loc、val 以逐个元素地节省内存？
这里的答案是使用其他采用 CSC 格式的稀疏矩阵构造函数，因此您需要修改 // calculate loc and val 代码，而不是填充以下三个数组：
values（长度等于点数）row_indices（长度等于点数）col_ptrs（长度等于列数加一）
values和row_indices向量中的点应按列优先顺序排列，col_ptrs向量包含列开始前非零元素的数量.也就是说，col_ptrs[0] 将始终包含 0，col_ptrs[1] 将包含第一列中非零元素的数量，col_ptrs[2] 将包含第一列和第二列中非零元素的数量，并且col_ptrs[n_cols + 1] 将包含矩阵中非零元素的数量。
有关此构造函数的更多文档，请参阅 http://arma.sourceforge.net/docs.html#SpMat 的 "Batch constructors" 部分；这是该列表中的第四个条目。
如果您不能轻易地修改您的计算代码以符合该格式，那么您最好尝试将 sort_locations = false 指定给您正在使用的构造函数，如果您还没有这样做的话。
我知道犰狳中的稀疏矩阵还在初步支持中。 我在我的量子系统研究中使用犰狳库，但我无法以有效的 RAM 方式构建稀疏垫。
到目前为止，我使用的是自己的稀疏矩阵实现，但我想要一个优化矩阵 class。
我正在以批处理模式填充元素：
umat loc(2,size);
cx_vec val(size);
// calculate loc and val
...
//
sp_cx_mat Hamiltonian(loc, val);
这种操作将值从 loc、val 复制到 Hamiltonian 的构造函数，并且在几秒钟内需要 2x RAM。我计算了巨大的矩阵（大小约为 2**L，其中 L=22、24、...），所以我希望我在内存中有经过优化的代码。 为了比较，矩阵大小：705432x705432 - RAM 和 "filling time":
我的实现（COO格式）：时间
7.95s，内存317668kB犰狳（CSC格式）：时间
5.32s，记忆715000kB
是否可以动态释放向量片段：loc、val 以逐个元素地节省内存？
这里的答案是使用其他采用 CSC 格式的稀疏矩阵构造函数，因此您需要修改 // calculate loc and val 代码，而不是填充以下三个数组：
values（长度等于点数）row_indices（长度等于点数）col_ptrs（长度等于列数加一）
values和row_indices向量中的点应按列优先顺序排列，col_ptrs向量包含列开始前非零元素的数量.也就是说，col_ptrs[0] 将始终包含 0，col_ptrs[1] 将包含第一列中非零元素的数量，col_ptrs[2] 将包含第一列和第二列中非零元素的数量，并且col_ptrs[n_cols + 1] 将包含矩阵中非零元素的数量。
有关此构造函数的更多文档，请参阅 http://arma.sourceforge.net/docs.html#SpMat 的 "Batch constructors" 部分；这是该列表中的第四个条目。
如果您不能轻易地修改您的计算代码以符合该格式，那么您最好尝试将 sort_locations = false 指定给您正在使用的构造函数，如果您还没有这样做的话。