特征库中的大块系数方式乘法失败C++

Question

我已经通读了很多documentation，但是如果您发现某些我错过了可以解释我的问题的信息，我会很高兴。对于背景，我正在使用3.2.7 Eigen库在Visual Studio 2015中的x86 Windows 10上进行编译。 3.2.7版本是从5月份开始的，虽然从那时起已经有发布，但我还没有看到changelog中的任何内容，这表明我的问题已得到解决。

该问题似乎只出现在特定大小以上的矩阵上。我不知道这是否是我的系统特有的某些副产品或Eigen固有的东西。

以下代码在调试和发布模式下都会产生访问冲突。

int mx1Rows = 255, cols = 254; 
{//this has an access violation at the assignment of mx2 
     Eigen::MatrixXd mx1(mx1Rows, cols); 
     Eigen::MatrixXd mx2(mx1Rows + 1, cols); 
     Eigen::Block<Eigen::MatrixXd, -1, -1, false> temp = mx2.topRows(mx1Rows); 
     mx2 = temp.array() * mx1.array();//error 
} 

我相信系数态乘法的分配是安全的，因为其结果应该是aliased。

当mx1Rows减少到值254时，此问题变得很有趣，则不会出现访问冲突。这是正确的，256乘以254的mx2尺寸会产生问题，但255乘以254的尺寸不会。如果我增加列大小，我也可以得到访问冲突，所以问题可能与条目总数有关。即使mx1和mx2填充了值，也会出现问题，填充矩阵不必重现问题。

未将topRows（）块分配给temp的类似代码不会在发布模式下产生访问冲突。我相信还有更多的东西，因为我最初在代码中发现了这个问题，这个代码是相当复杂的，它只在一定数量的循环之后出现（矩阵大小在循环之间是一致的）。在我的代码中有太多的事情，我无法隔离访问冲突仅在一定数量的循环之后出现的条件。

我很好奇，想知道什么是

1）我在一些明显错误的方式使用本征？

2）你能重现这个问题吗？ （你的环境细节是什么？）

3）这是Eigen库中的一个bug吗？

通过将块分配给临时矩阵而不是块可以很容易地解决此问题，即使它效率低下，所以我对此不感兴趣。

Answer 1

的问题是，temp引用由mx2举行的系数，但在最后分配，表达被评估之前mx2第一次调整。因此，在表达式的实际评估期间，temp引用垃圾。更确切地说，这里是实际产生（以简化的方式）：

double* temp_data = mx2.data; 
free(mx2.data); 
mx2.data = malloc(sizeof(double)*mx1Rows*cols); 
for(j=0;j<cols;++j) 
    for(i=0;i<mx1Rows;++i) 
    mx2(i,j) = temp_data[i+j*(mw1Rows+1)] * mx1(i,j); 

这就是所谓的aliasing issue。

您可以通过在临时表达式计算解决方法：

mx2 = (temp.array() * mx1.array()).eval(); 

另一个解决方案是mx2.topRows(.)复制到一个真正的MatrixXd保持它自己的内存：

MatrixXd temp = mx2.topRows(mx1Rows); 
mx2 = temp.array() * mx1.array(); 

另一种解决方案是，以评估到temp，然后调整大小：

Block<MatrixXd, -1, -1, false> temp = mx2.topRows(mx1Rows); 
temp = temp.array() * mx1.array(); 
mx2.conservativeResize(mx1Rows,cols); 

Answer 2

看起来像一个影响小尺寸的错误。删除错误诱导行中的注释以获得正确的结果。

正确。正如ggael的回答指出的那样，这是走样。它是使用auto经常遇到的类型，用于创建稍后在同一对象上使用的临时文件。

#include <iostream> 
#include <Eigen/Dense> 

int main() 
{//this has an access violation at the assignment of mx2 
    //const int mx1Rows = 255, cols = 254; 
    const int mx1Rows = 3, cols = 2; 
    Eigen::MatrixXd mx1(mx1Rows, cols); 
    int value = 0; 
    for (int j = 0; j < cols; j++) 
     for (int i = 0; i < mx1Rows; i++) 
      mx1(i,j)=value++; 
    Eigen::MatrixXd mx2(mx1Rows + 1, cols); 
    for (int j = 0; j < cols; j++) 
     for (int i = 0; i < mx1Rows+1; i++) 
      mx2(i,j)=value++; 
    Eigen::Block<Eigen::MatrixXd, -1, -1> temp = mx2.topRows(mx1Rows); 
    mx2 = temp.array()/*.eval().array()*/ * mx1.array();r 
    std::cout << mx2.array() << std::endl; 
} 

// with /*.eval().array()*/ uncommented 
//0 30 
//7 44 
//16 60 

// Original showing bug 
//-0 -4.37045e+144 
//-1.45682e+144 -5.82726e+144 
//-2.91363e+144 -7.28408e+144