用于数组、矩阵、向量和经典线性代数运算的 C++ 库 [关闭]答案

【问题标题】：A C++ library for Arrays, Matrix, Vector, and classical linear algebra operations [closed]用于数组、矩阵、向量和经典线性代数运算的 C++ 库 [关闭]
【发布时间】：2009-12-07 14:44:09
【问题描述】：

你使用哪个库来处理 N 维数组？

我在工作中使用 blitz++，但我真的不喜欢它的某些方面。它的某些方面甚至是危险的。之前需要调整大小使用运算符 =。 A(Range::all(), Range::all()) 抛出 (0,0) 矩阵等，并且线性代数运算将是通过 clapack 完成。

我使用并喜欢 eigen。我很欣赏它的“all-in-header”实现， C++ 语法糖，以及所有线性代数运算的存在我需要（矩阵乘法，系统分辨率，cholesky...）

你在用什么？

【问题讨论】：

我感觉你在问人们使用什么库来处理数学数组，而不是“C++ 数组”？如果是这样，您应该考虑在您的问题中更具体:)
为什么要对数组进行“基本矩阵运算”？也许你的问题应该是关于 matrix 类的。
clapack 之类的有什么问题？（或者为什么它太“生硬”？）不清楚你在找什么。
那为什么不是 eigen (eigen.tuxfamily.org) 呢？看起来快速且有据可查

标签： c++ arrays

【解决方案1】：

boost::array 和boost::MultiArray。在 boost 中还有一个相当不错的线性代数包，叫做 uBLAS

【讨论】：

或 std::array，如果你使用 gcc 和 -std=c++0x
boost multiarrays 很慢，见stackoverflow.com/questions/446866/…

【解决方案2】：

还有我在一些项目中使用的armadillo。从他们的网站：

Armadillo 是一个 C++ 线性代数库（矩阵数学），旨在速度和轻松之间的良好平衡使用。整数、浮点数和也支持复数作为三角函数的子集和统计功能。各种矩阵分解是通过提供的与 LAPACK 的可选集成和 ATLAS 库。

采用延迟评估方法（在编译期间）将多个操作合二为一并减少（或消除）对临时工。这是完成的通过递归模板和模板元编程。

如果 C++ 已被确定为首选语言，则此库很有用（由于速度和/或集成能力），而不是另一个像 Matlab ® 或 Octave 这样的语言。它根据以下许可分发在开源和商业环境。

犰狳主要由 NICTA（澳大利亚）开发，来自世界各地的贡献。

【讨论】：

+1 看起来不错，“平衡良好”。有没有人将它的速度比作 blitz, numpy ... 如 www.scipy.org/PerformancePython laplace.py ？
+1 表示需要进行经验比较。为此，我们需要某种库，以便可以开始为不同的编译器、操作系统、... 收集结果

【解决方案3】：

我们已经成功使用TNT 多年。然而，有足够的问题，我们正在转向内部开发的解决方案。对我们来说最大的两个症结是

数组不是线程安全的，即使是读取访问，因为它们使用非线程安全的引用计数。
当您编写 const 正确的代码时，数组会导致各种问题。

如果这些都不是问题，那么它们对于许多常见的数组任务来说相当方便。

【讨论】：