Question

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（）操作上得到一个std :: bad_alloc错误：

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

sp也是一个Eigen :: SparseMatrix矩阵，但它在一个较小的数据集上非常大，命令

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

给出以下结果：

行：2061565968
Cols：600

（在开始填充之前，我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

Answer 1

默认情况下，Eigen::SparseMatrix使用int来存储大小和索引（用于紧凑性）。但是，对于大量的行，您需要为sp和sp.transpose()使用64个整数：

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

请注意，您可以直接写：

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

即使sp.transpose()无论如何都必须进行临时评估。

Answer 2

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表示列主要，1表示RowMajor

感谢您的帮助

Answer 3

我认为现在无法回答你的问题。

有两件事。矩阵的大小 - 数学对象，以及它所占据的内存大小。在密集矩阵中，几乎相同（线性依赖）。但在稀疏的情况下，内存占用与矩阵的大小无关，而与非零元素的数量有关。

因此，从技术上讲，你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，你仍然受到内存的约束。

你明显地复制了一个矩阵。因此，您可以尝试计算矩阵对象需要保存的数据大小，并查看它是否适合您的内存。

这不是很简单，但文档说存储是一个非零元素列表。所以一个好的估计可能是(2*sizeof(Index)+sizeof(Scalar))*sp.nonZeros() - 对于（x，y，value）。

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

注意：换位可能不是那里的罪魁祸首，而是operator=。也许你可以避免复制。