本征:比较两个可能具有不同稀疏模式的稀疏矩阵
Eigen: Compare two sparse matrix with probably different sparsity pattern
我想比较两个Eigen::SparseMatrix
存在 res.isApprox(ans)
方法,但不幸的是,据我所知,在不同稀疏模式的情况下,它会因断言而失败
AffineInvariantDeformerTest01: Eigen/src/SparseCore/SparseMatrix.h:934: void Eigen::internal::set_from_triplets(const InputIterator&, const InputIterator&, SparseMatrixType&, DupFunctor) [with InputIterator = __gnu_cxx::__normal_iterator<Eigen::Triplet<double, int>*, std::vector<Eigen::Triplet<double, int>, std::allocator<Eigen::Triplet<double, int> > > >; SparseMatrixType = Eigen::SparseMatrix<double, 0, int>; DupFunctor = Eigen::internal::scalar_sum_op<double, double>]: Assertion `it->row()>=0 && it->row()<mat.rows() && it->col()>=0 && it->col()<mat.cols()' failed.
我想要它用于单元测试,所以如果它不会那么快也没关系。也许我可以将我的稀疏矩阵转换为密集矩阵,但我希望存在更优雅的解决方案
编辑:
只是一种可以比较两个矩阵的稀疏模式的方法对我来说也可以
首先,isApprox()
工作正常,即使使用不同的稀疏模式。看起来你的错误在别处(当你使用 setFromTriplets()
设置矩阵时可能已经)
当给定两个具有不同稀疏模式的矩阵时,如果不同的条目(几乎)为零,则它们将被视为近似相等。以下应计算 true
两次(增加 1e-19
以查看差异):
#include <Eigen/SparseCore>
#include <iostream>
#include <array>
int main() {
Eigen::SparseMatrix<double> Mat1(2,2), Mat2(2,2);
std::array<Eigen::Triplet<double,int>, 2> data1 {{{0,0,1.0}, {1,1, 1e-19}}};
std::array<Eigen::Triplet<double,int>, 2> data2 {{{0,0,1.0}, {1,0, 1e-19}}};
Mat1.setFromTriplets(data1.begin(), data1.end());
Mat2.setFromTriplets(data2.begin(), data2.end());
std::cout << "Mat1.isApprox(Mat1) == " << Mat1.isApprox(Mat1) << "\nMat1.isApprox(Mat2) == " << Mat1.isApprox(Mat2) << "\n";
}
如果要比较稀疏模式,可以检查从内部和外部索引指针开始的数据(对两者都使用 Map)。如果两个矩阵具有相同的类型并且被压缩,则以下工作:
template<class Derived>
bool hasSamePattern(Eigen::SparseCompressedBase<Derived> const& A, Eigen::SparseCompressedBase<Derived> const& B)
{
assert(A.isCompressed() && B.isCompressed());
if(A.rows() != B.rows() || A.cols() != B.cols() || A.nonZeros() != B.nonZeros())
return false;
typedef Eigen::Matrix<typename Derived::StorageIndex, Eigen::Dynamic, 1> IndexVector;
Eigen::Index outerSize = A.outerSize(), nnz = A.nonZeros();
if(IndexVector::Map(A.outerIndexPtr(), outerSize) != IndexVector::Map(B.outerIndexPtr(), outerSize))
return false;
if(IndexVector::Map(A.innerIndexPtr(), nnz) != IndexVector::Map(B.innerIndexPtr(), nnz))
return false;
return true;
}
我想比较两个Eigen::SparseMatrix
存在 res.isApprox(ans)
方法,但不幸的是,据我所知,在不同稀疏模式的情况下,它会因断言而失败
AffineInvariantDeformerTest01: Eigen/src/SparseCore/SparseMatrix.h:934: void Eigen::internal::set_from_triplets(const InputIterator&, const InputIterator&, SparseMatrixType&, DupFunctor) [with InputIterator = __gnu_cxx::__normal_iterator<Eigen::Triplet<double, int>*, std::vector<Eigen::Triplet<double, int>, std::allocator<Eigen::Triplet<double, int> > > >; SparseMatrixType = Eigen::SparseMatrix<double, 0, int>; DupFunctor = Eigen::internal::scalar_sum_op<double, double>]: Assertion `it->row()>=0 && it->row()<mat.rows() && it->col()>=0 && it->col()<mat.cols()' failed.
我想要它用于单元测试,所以如果它不会那么快也没关系。也许我可以将我的稀疏矩阵转换为密集矩阵,但我希望存在更优雅的解决方案
编辑: 只是一种可以比较两个矩阵的稀疏模式的方法对我来说也可以
首先,isApprox()
工作正常,即使使用不同的稀疏模式。看起来你的错误在别处(当你使用 setFromTriplets()
设置矩阵时可能已经)
当给定两个具有不同稀疏模式的矩阵时,如果不同的条目(几乎)为零,则它们将被视为近似相等。以下应计算 true
两次(增加 1e-19
以查看差异):
#include <Eigen/SparseCore>
#include <iostream>
#include <array>
int main() {
Eigen::SparseMatrix<double> Mat1(2,2), Mat2(2,2);
std::array<Eigen::Triplet<double,int>, 2> data1 {{{0,0,1.0}, {1,1, 1e-19}}};
std::array<Eigen::Triplet<double,int>, 2> data2 {{{0,0,1.0}, {1,0, 1e-19}}};
Mat1.setFromTriplets(data1.begin(), data1.end());
Mat2.setFromTriplets(data2.begin(), data2.end());
std::cout << "Mat1.isApprox(Mat1) == " << Mat1.isApprox(Mat1) << "\nMat1.isApprox(Mat2) == " << Mat1.isApprox(Mat2) << "\n";
}
如果要比较稀疏模式,可以检查从内部和外部索引指针开始的数据(对两者都使用 Map)。如果两个矩阵具有相同的类型并且被压缩,则以下工作:
template<class Derived>
bool hasSamePattern(Eigen::SparseCompressedBase<Derived> const& A, Eigen::SparseCompressedBase<Derived> const& B)
{
assert(A.isCompressed() && B.isCompressed());
if(A.rows() != B.rows() || A.cols() != B.cols() || A.nonZeros() != B.nonZeros())
return false;
typedef Eigen::Matrix<typename Derived::StorageIndex, Eigen::Dynamic, 1> IndexVector;
Eigen::Index outerSize = A.outerSize(), nnz = A.nonZeros();
if(IndexVector::Map(A.outerIndexPtr(), outerSize) != IndexVector::Map(B.outerIndexPtr(), outerSize))
return false;
if(IndexVector::Map(A.innerIndexPtr(), nnz) != IndexVector::Map(B.innerIndexPtr(), nnz))
return false;
return true;
}