armadillo

    0热度

    1回答

    我有一个问题,通过eig_sym犰狳中的本征分解。当我试图计算出多组特征向量的并行,不时的特征向量是 不是正交 不归 甚至不会有问题的矩阵的特征向量。 如果每次只运行一次计算(所以这似乎是一些线程安全问题),此问题消失。一旦两个计算并行运行,问题就会再次出现。奇怪的是,特征值在任何情况下都是正确的。 //compile with: g++ -std=c++11 -pthread -larmadil

    0热度

    1回答

    我在R上写了一个包与Windows 10的包。 我的软件包包括RcppArmadillo和BH。我使用了RcppArmadillo.package.skeleton()函数。从那以后,我编辑的行linkingTo到: LinkingTo:RCPP,RcppArmadillo,BH 我这样做,为了增加C++文件夹SCR与依赖库BH。 一切工作得很好,我得到源文件“vMF_1.0.tar”。 现在我想

    2热度

    2回答

    我有一个概率对称矩阵,对角线条目为null。假设像 0 0.5 0.1 0.6 0.5 0 0.2 0.1 0.1 0.2 0 0.2 0.6 0.1 0.2 0 我想画一个虚拟矩阵,以使进入的概率[I,J]是概率矩阵项[I,J]。请注意,我拥有的概率矩阵是一个犰狳矩阵(一个大矩阵5000x5000)。当然,对角虚拟角色应该为空,因为它们的概率为零。我建立了两个功

    0热度

    1回答

    我刚刚犰狳,想熟悉自己,所以我做了“测试”运行它 int main(){ double myMatrix[6][6]; for (int i = 0; i < 6; i++){ for (int j = 0; j < 6; j++){ myMatrix[i][j] = i+2*j; } } mat ARMA_L;

    0热度

    1回答

    我想将矩阵的值分配给另一个矩阵的子域作为A.submat(ni1, ni2, nk1, nk2) = B;看起来非常慢。我想知道为什么它如此缓慢,有什么方法可以改善它吗? 这里是我的测试代码(因为函数“XForwarDifference”需要被调用数以百万计的时间在我的项目,我需要更好地描述文件时) #include <armadillo> #include <chrono> #include

    1热度

    1回答

    我想在C++中使用armadillo线性代数库实现神经网络。我正在使用Cube来存储网络的inputs和weights,我希望能够在3d矩阵中添加bias单元。我遇到了很多方法来做到这一点,涉及从立方体到矩阵的对话,这似乎是低效的。那么在多维数据集中每个矩阵的开始处添加一列零的最有效方式是什么?

    0热度

    1回答

    我试图让与Rcpparmadillo特征值,如下面的例子:[http://gallery.rcpp.org/articles/armadillo-eigenvalues] 当我通过它的做工精细cppFunction做到了。然而,当我做了一个.cpp文件,并尝试将其集成到我的包我在编译过程中出现以下错误: C:/Users/Administrator/Documents/R/win-library/

    0热度

    2回答

    我传递一个Python代码C++哪里找到Python表达式所示: J11 = dS_dVa[array([pvpq]).T, pvpq].real 这里,J11和dS_dVa是稀疏矩阵,pvpq是阵列索引可以是任何生长顺序(即1,2,5,7,9) 看我已经推断下面的文档here: arma::Row<int> pvpq(calc->pqpv); arma::sp_mat J11 = arm

    2热度

    2回答

    我正在使用OpenMP来并行化for循环。我试图通过线程ID访问C++ Armadillo向量,但是我想知道是否必须将访问放在关键部分,即使不同线程访问不相交区域的内存。 这是我的代码: #include <armadillo> #include <omp.h> #include <iostream> int main() { arma::mat A = arma::ran

    0热度

    1回答

    使用Armadillo,当我仅指定一个尺寸大小时,如何重塑矩阵? 在Matlab documentation,存在的这样的功能的例子: 重塑一个6×6的幻方矩阵成仅具有3 列的矩阵。为第一个尺寸指定[]以使重塑 自动计算适当的行数。 A = magic(6); B = reshape(A,[],3); 的结果是一个12×3矩阵,其维持相同数量的元件 (36)作为原始6×6矩阵的。 B中的元素