我有兴趣使用Eigen来求解稀疏矩阵方程。迭代求解器需要许多“划痕”向量，这些向量在每次迭代期间用中间值更新。据我了解，当使用迭代求解器（如共轭梯度法）时，这些向量通常在开始迭代之前分配一次，然后在每次迭代时重复使用以避免频繁的重新分配。据我所知，通过查看ConjugateGradient类，Eigen会在每次迭代时重新分配内存。熟悉Eigen的人能否告诉我，我的理解是否正确？似乎有可能在分配过程中有一些聪明的内存节省方案，结果是每次都没有实际重新分配内存，但我挖了下来，找不到这样的东西。或者，如果Eigen确实在每次通过循环时重新分配内存，那么与实际计算所需的时间相比，它是否是一个非实质性的负担？
答案 0 :(得分：0)
你在哪里看到重新分配？正如您在源代码code中看到的那样，四个辅助向量residual，p，z和tmp被声明并在{{{{}}之外分配1}}循环，即迭代发生之前。此外，回想一下，Eigen是一个表达式模板库，所以行代码为：
while注意创建任何临时的。总之，不，Eigen的CG实现不会在迭代中执行任何（重新）分配。