c++ - Eigen 程序中的性能瓶颈

作为更大问题的一部分，在处理本征中的稀疏矩阵时，我遇到了性能瓶颈。

我需要从稀疏矩阵（x）中的每个元素中减去一个浮点数（G），包括系数为零的位置。因此零元素的值应为-x

我目前的操作方式如下：

//calculate G
x=0.01;
for(int i=0;i<rows;i++){
   for (int j=0; j<cols; j++) {
       G.coeffRef(i, j) -= x;
   }
}

当G的大小很大时，此简单的计算将成为瓶颈。

我还尝试将稀疏矩阵G转换为一个密集的矩阵，然后减去P（填充有值x的矩阵）：

MatrixXd DenseG=MatrixXd(G);
x=0.01;
for(int i=0;i<rows;i++){
   for (int j=0; j<cols; j++) {
       DenseG(i, j) -= x;
   }
}

这种方法快得多。但是，我只是想知道是否还有其他解决方法不涉及将G转换为密集的方法，如果矩阵很大，则需要大量的内存。

最佳答案

从所有n^2元素中减去“稀疏”计算实际上是一种密集的计算。主要区别在于，不必对大量的内存执行单个操作，而是每次访问零元素时都必须为矩阵分配内存。通常，稀疏矩阵在稀疏时非常有效，并且对大多数操作而言会产生大量开销。仅需存储很少的元素即可平衡开销，因此，只需重复操作几次。

另一个可能的选择是利用Eigen's lazy evaluation的优势，但这有点取决于您的确切要求，在此未列出。

关于c++ - Eigen 程序中的性能瓶颈，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/29795427/