【C/C++开源库】C/C++矩阵运算开源库
阿里云国内75折 回扣 微信号:monov8 |
阿里云国际,腾讯云国际,低至75折。AWS 93折 免费开户实名账号 代冲值 优惠多多 微信号:monov8 飞机:@monov6 |
文章目录
这篇博客总结一下C/C++中的矩阵运算库。
一、C++矩阵运算库 - eigen
Eigen是使用C++封装好的的一个矩阵运算库可以很方便地实现各类矩阵运算而且不用安装只需要简单配置即可。
1.下载及安装
1.1Linux安装及配置
sudo apt-get install libeigen3-dev
Eigen只包含头文件因此它不需要实现编译只需要使用#include指定好Eigen的头文件路径编译项目即可。
Eigen头文件的默认安装位置是“/usr/include/eigen3”.
1.2Windows配置
下载地址http://eigen.tuxfamily.org/index.php?title=Main_Page#Download
下载文件解压后文件目录如下
-
只需要将eigen-3.4.0的路径加入到头文件查找路径。
-
使用时包含头文件即可比如 #include <Eigen\Dense>
2.测试使用
本博客在Windows下使用DevC++和Clion两款C/C++来测试一下。
为了应对不同的需求Eigen库被分为多个功能模块每个模块都有自己相对应的头文件以供调用。 其中Dense模块整合了绝大部分的模块而Eigen模块更是整合了所有模块也就是整个Eigen库。
测试代码
#include <iostream>
#include <Eigen\Dense>
using namespace std;
using namespace Eigen;
int main()
{
Matrix2d a;
a << 1, 2,
3, 4;
MatrixXd b(2, 2);
b << 2, 3,
1, 4;
cout << "a + b =\n" << a + b << endl;
cout << "a - b =\n" << a - b << endl;
cout << "Doing a += b;" << endl;
a += b;
cout << "Now a =\n" << a << endl;
cout << "a^T= " << a.transpose() << endl;
cout << "a*b= " << a*b << endl;
Vector3d v(1, 2, 3);
Vector3d w(1, 0, 0);
cout << "-v + w - v =\n" << -v + w - v << endl;
cout << v << endl;
cout << v.transpose() << endl;
system("pause");
}
运行结果如下
2.2Clion
clion中添加头文件可以在CMakeLists.txt中添加也可以在项目目录中添加。
- 推荐编辑项目目录下的 CMakeLists.txt添加一行
include_directories("/path/to/headers") #换成头文件所在目录
- 将对应的头文件或文件夹复制到项目根目录然后在源文件中使用 #include “文件名” 包含
这里我们使用第一种方法更改之后CMakeLists.txt文件内容如下
cmake_minimum_required(VERSION 3.19)
project(untitled1)
set(CMAKE_CXX_STANDARD 14)
include_directories("D:\\eigen-3.4.0")
add_executable(untitled1 main.cpp)
测试代码依旧是上面的代码
#include <iostream>
#include <Eigen\Dense>
using namespace std;
using namespace Eigen;
int main()
{
Matrix2d a;
a << 1, 2,
3, 4;
MatrixXd b(2, 2);
b << 2, 3,
1, 4;
cout << "a + b =\n" << a + b << endl;
cout << "a - b =\n" << a - b << endl;
cout << "Doing a += b;" << endl;
a += b;
cout << "Now a =\n" << a << endl;
cout << "a^T= " << a.transpose() << endl;
cout << "a*b= " << a*b << endl;
Vector3d v(1, 2, 3);
Vector3d w(1, 0, 0);
cout << "-v + w - v =\n" << -v + w - v << endl;
cout << v << endl;
cout << v.transpose() << endl;
system("pause");
}
运行结果如下
3.深入学习
本博客只是对矩阵运算库的简介、汇总、环境配置因此不会讲太详细的使用。主要是本人太菜了讲不来。不过为了内容的完整型我会给几个好的比较完整的eigen学习教程。
二、C++矩阵运算库 - Armadillo
Armadillo是一个开源高性能C++线性代数库提供了和Matlab中常用命令接近的函数接口可以方便地将Matlab/Octave开发的算法移植到C++中。特别地我们可以先在Matlab环境中编程进行算法原型验证待算法充分验证通过之后再利用Armadillo移植到C++中编译为独立的可执行程序。虽然Matlab也支持利用mcc直接将m文件编译生成动态链接库文件或者可执行程序但是这些代码的运行需要Matlab运行环境MCR的支持而通过Armadillo进行移植则可以完全脱离Matlab环境。
1.下载及安装
1.1Linux安装
执行命令
sudo apt-get install libopenblas-dev
sudo apt-get install liblapack-dev
sudo apt-get install libarpack2-dev
sudo apt-get install libsuperlu-dev
下载Armadillo包链接https://sourceforge.net/projects/arma/files/armadillo-9.600.6.tar.xz/download
在Armadillo的安装目录打开终端执行
cmake .
make
1.2Windows配置
因为Armadillo需要C++11的支持而DEVC++好久没更新编译器了支持不好因此我们换用visual studio2019来测试。
下载Armadillo包链接https://sourceforge.net/projects/arma/files/armadillo-9.600.6.tar.xz/download
下载解压后需要配置头文件和库文件的路径。
可以参考这篇文章基于vs2017的armadillo配置教程超详细
2.测试使用
测试代码如下
#include <iostream>
#include <armadillo>
using namespace arma;
int main()
{
//生成一个随机矩阵A,大小为5x5矩阵每个元素的范围为(0,10)
mat A = randu<mat>(5, 5) * 10;
A.print("原矩阵A = \n");
}
3.深入学习
看了下好像中文没啥好的教程不如直接看帮助手册。
三、C++矩阵运算库 - boost
Boost在C++中地位非常高被称为C++的准标准库其中的ublas模块包含矩阵类用法如下
#include <boost/numeric/ublas/matrix.hpp>
#include <boost/numeric/ublas/io.hpp>
#include <iostream>
namespace ublas = boost::numeric::ublas;
int main()
{
ublas::matrix<double> A(3, 3);
for (unsigned i = 0; i < A.size1(); ++i)
for (unsigned j = 0; j < A.size2(); ++j)
A(i, j) = 3*i + j;
std::cout << A << std::endl;
return 0;
}
关于boost的配置问题可以参考博客boost库在visual studio、DevC++和vscode上的环境配置
四、C语言矩阵运算库 -
其实C++矩阵运算库已经很好用了但是可能在某些场景下因为项目历史或者编译器的原因我们必须要使用C语言来实现矩阵运算。
好像几乎没有特别知名C语言矩阵运算库因此在此总结各位网友写的C语言矩阵运算库。
1.C语言矩阵库1
这个详细讲解了怎么自己实现一个矩阵运算库想学习写一个自己的C语言矩阵运算库可以参考一下。
2.C语言矩阵库2
地址我的C语言矩阵库
github地址https://github.com/colourfate/math_matrix
3.C语言矩阵库3
4.C语言矩阵库4
5.C语言矩阵库5
github地址https://github.com/fellylanma/easyMatrix
6.C语言矩阵库6
github地址https://github.com/zjc666/LightMatrix
7.C语言矩阵库7
github地址https://github.com/kimwolf-fs/c_data_structure/tree/master/matrix
8.C语言矩阵库8
9.C语言矩阵库9
github地址https://github.com/Amoiensis/Matrix_hub
10.C++矩阵运算库
这个库是我同学写的帮他传播一下!!!
地址C++矩阵库
github地址https://github.com/TING2938/Analysis
总结
在条件允许的情况下可以优先使用eigen矩阵运算库。
如果条件不允许或者希望自己能用一个更加小巧顺手的矩阵运算库那可以参考上面自己实现一个。
阿里云国内75折 回扣 微信号:monov8 |
阿里云国际,腾讯云国际,低至75折。AWS 93折 免费开户实名账号 代冲值 优惠多多 微信号:monov8 飞机:@monov6 |