Question

在我的应用程序中，我必须通过网络发送Eigen::SparseMatrix<float>个对象，这意味着我需要对其进行序列化，另一方面，按照sometimes中的建议，将它们反序列化为Eigen::Map<Eigen::SparseMatrix<float>>。

我现在的问题是我想在接收端执行一些操作，即对所有到达的矩阵求和。

但是，当我尝试将两个Eigen :: Map对象加在一起时，会产生编译器错误。我尝试对Eigen :: Map：

执行的任何操作都是如此

// This leads to a compiler error
Eigen::Map<Eigen::SparseMatrix<float>> recon = SerializedVectorToMappedSparseMatrix(serialized_vec);
Eigen::Map<Eigen::SparseMatrix<float>> recondouble = recon * 2;

错误：从'const type {aka const   Eigen :: SparseMatrix}”转换为非标量类型   要求“ Eigen :: Map>”
  Eigen :: Map> recondouble =（recon *   2）.eval（）;

但是，它可以按预期进行编译和工作：

Eigen::SparseMatrix<float> recondouble = recon * 2;

在我的网络情况下，我想对现有和传入的Map求和：

existing_matrix += incoming_matrix;

这会导致编译器错误：

错误：“ operator =”不匹配（操作数类型为 “ Eigen :: Map>”和“ const” Eigen :: CwiseBinaryOp， const Eigen :: Map>，const Eigen :: Map>>’）返回派生（）=派生（）+ other.derived（）;

所以我的问题是：如果要在对象之间执行操作，是否应该将Eigen :: Map对象转换为Eigen：Matrix？ this question似乎表示其他建议。

使用Eigen :: Map容器时我做错什么了吗？

Answer 1

Map对象是现有内存的包装，允许您将其视为实际上是一个Eigen对象，但有一些例外。具体来说，您无法更改内存，因此不允许调整大小，分配等。在您的示例中，

Eigen::Map<Eigen::SparseMatrix<float>> recondouble = recon * 2;

应更改为

Eigen::SparseMatrix<float> recondouble = recon * 2;

（如您在问题中所指出的），因为operator= /控制器需要为recondouble分配内存。稀疏operator+=经常需要重新分配内存，除非rhs元素是lhs元素的子集。我不知道映射的稀疏矩阵是否由于这个原因而不允许该操作（并且我现在没有时间研究它）。

P.S。文档中的示例仅讨论稠密矩阵，因此在operator+=中的重新分配是不相关的。

本征图稀疏对象的操作

1 个答案: