在 Eigen::SparseMatrix 转置处的 std::bad_alloc答案

【问题标题】：std::bad_alloc at transpose of Eigen::SparseMatrix在 Eigen::SparseMatrix 转置处的 std::bad_alloc
【发布时间】：2013-11-27 21:15:14
【问题描述】：

我正在尝试计算以下内容：
A = X^t * X 我正在使用 Eigen::SparseMatrix 并在 transpose() 操作中得到 std::bad_alloc 错误：

Eigen::SparseMatrix<double> trans = sp.transpose();

sp 也是一个 Eigen::SparseMatrix 矩阵，但它非常大，在较小的数据集之一上，命令

std::cout << "Rows: " << sp.rows() << std::endl;
std::cout << "Rows: " << sp.cols() << std::endl;

给出以下结果：

行数：2061565968
列数：600

（我在开始填充之前预先计算了这个矩阵的大小）

这样的矩阵可以容纳多少条目是否有限制？我正在使用带有 g++ 的 64 位 Linux 系统

提前致谢

亚历克斯

【问题讨论】：

标签： c++ eigen

【解决方案1】：

ggael 的回答稍作修改：

在 SparseMatrix 的定义中不能省略选项，所以正确的 typedef 是

typedef SparseMatrix<double, 0, std::ptrdiff_t> SpMat;

0也可以换成1，0表示column-major，1表示RowMajor

感谢您的帮助

【讨论】：

【解决方案2】：

默认情况下Eigen::SparseMatrix 使用int 来存储大小和索引（为了紧凑）。但是，由于行数如此之多，sp 和 sp.transpose() 都需要使用 64 个整数：

typedef SparseMatrix<double, 0, std::ptrdiff_t> SpMat;

注意可以直接写：

SpMat sp, sp2;
sp2 = sp.transpose() * sp;

即使sp.transpose() 无论如何都必须被评估为临时的。

【讨论】：

【解决方案3】：

我认为以目前的状态回答你的问题是不可能的。

有两件事。矩阵的大小 - 数学对象，以及理解为它占用的内存的大小。在密集矩阵中几乎相同（线性相关）。但在稀疏情况下，内存占用与矩阵的大小无关，而是与非零元素的数量有关。

所以，从技术上讲，您有几乎无限的大小限制 - 等于 Size 类型。但是，当涉及到（非零）元素的数量时，您当然仍然受到内存的限制。

你显然复制了一个矩阵。因此，您可以尝试计算矩阵对象需要保存的数据大小，看看它是否适合您的内存。

这不是很简单，但文档说存储是非零元素的列表。所以一个好的估计可能是(2*sizeof(Index)+sizeof(Scalar))*sp.nonZeros() - for (x,y,value)。

您还可以在调用转置之前监控 RAM 使用情况，如果将其加倍，则查看它是否保持在限制范围内。

注意：换位可能不是罪魁祸首，而是operator=。也许你可以避免复制。

【讨论】：