我在一个计算机图形项目中使用Eigen 库，其网格会经常变化。
对所有顶点位置、法线等使用动态特征矩阵对性能有何影响？
我应该使用：
Eigen::Matrix<float, Eigen::Dynamic, 3, Eigen::RowMajor> vertices;
或
std::vector<Eigen::Vector3f> vertices;
每次更改后我都必须将网格数据复制到 GPU，但据我了解，我可以使用 memcpy 高效地使用两种表示形式来完成此操作。
【问题讨论】：
Vector 可能会消耗更多内存，因为它分配的空间通常比存储数据所需的空间多，并且每次调整其大小时，vector 都会为 Eigen::Vector3f 调用默认构造函数和析构函数。 AFAIK，默认 Eigen::Vector3f 构造函数为空，因此在发布构建中花费为零（但由于此和调试迭代器，您可能会在调试构建中遇到性能问题）。另一方面，Eigen::Matrix 每次调整大小时都会重新分配内存（如果你使用conservativeResize，它也会像std::vector 一样复制内容），这很慢。
不过，我还是推荐你使用vector，因为它更方便。您可以动态添加元素，调整其大小而无需重新分配，在矢量上使用标准算法更简单。如果你想确定你的向量不会消耗比需要更多的内存，你可以使用这个技巧来调整它：
std::vector<Eigen::Vector3f> vertices;
vertices.swap( std::vector<Eigen::Vector3f>(size, Eigen::Vector3f()) );
是的，您可以使用 memcpy 来有效地复制数据，同时使用这两种表示。但是使用std::copy 将在发布版本中以相同的性能完成相同的工作（有时它甚至被编译器替换为memcpy）。
但是，如果您仍然对性能不满意，以下是我为自己制定的在这种情况下做出决定的提示：
std::vector 以避免频繁的重新分配。Eigen::Matrix 以避免过多的内存消耗。Eigen::Matrix，stl 调试迭代器可能会破坏性能（仅适用于MSVC）还可以考虑boost::shared_array(scoped_array)，它们专门设计用于存储大块数据而不消耗额外内存。在您的场景中使用它们更有意义。
【讨论】：
两种表示的内存布局完全相同。主要区别在于，如果您需要插入向量或类似的东西， std::vector 会更加灵活。另一方面 Matrix<.> 是一个 Eigen 对象，因此对其执行一些操作更容易，例如：
Matrix<.,3,Dynamic> data;
data = Affine3f(...) * data; // apply an affine transformation
data.colwise().norm(); // get the norm of each vectors
...
【讨论】：
动态分配的矩阵数组通常有两个问题：
您将无法使用全局 memcpy 复制整个结构：对于动态分配的矩阵（例如，您有一个 std::vector<float*> 而不是 std::vector<Eigen::Vector3f>），您的数组仅包含一系列指针，并且所有这些指针都可以指向内存中非常不同的位置。因此，执行memcpy 只会复制指针，而不是数据，并且无法更改它，因为您的元素在内存中不是连续的（只有它们的指针是）。相反，您需要遍历std::vector 的每个元素，分别使用operator[] 和memcpy 元素访问它。例如，在执行memcpy 时，您将拥有sizeof(Eigen::Matrix<float, Eigen::Dynamic, 3, Eigen::RowMajor>) = sizeof(void*) + 2*sizeof(int)（或类似的东西：它存储一个指针以及许多行和列），而sizeof(Eigen::Vector3f) = 3*sizeof(float) 因为它真正存储的是数据而不是指针。
如果您需要频繁地创建和销毁矩阵，使用动态分配的矩阵执行此操作会慢得多。具有固定大小的矩阵允许在堆栈上进行分配，这使其更快。
【讨论】：