TLDR

Question

我有：

VectorXd my_vector;
MatrixXd my_matrix;

和尺寸在下面的表达式中兼容。

我记得在Eigen doc中读到，总是更好地评估表达式而不是评估较小的chuncks然后重新组合结果，因为它为Eigen提供了更多的优化机会。

考虑到这一点，我会使用：

// (1)
int index;
(my_vector.transpose() * my_matrix.leftCols(n_cols+1)).maxCoeff(&index);

而不是：

// (2)
int index;
RowVectorXd temp = my_vector.transpose() * my_matrix.leftCols(n_cols+1);
temp.maxCoeff(&index);

然而（1）当n_cols = 1时崩溃，而使用（2）而不是（1）恰好在同一个地方似乎总是有效。（请注意，my_matrix有超过1列...）

问题：
为什么（1）在（2）没有时会崩溃如何防止（1）在保持单个表达式的同时崩溃？

错误来自Eigen的内部机制断言，在我看来，这是因为在（1）中maxCoeff似乎没有意识到它是在行向量上调用的不是一般矩阵 - 如果我错了，请纠正我。

Answer 1

作为解决方法，您可以使用.eval()。这实际上与（2）相同，只是没有额外的代码行：

(my_vector.transpose() * my_matrix.leftCols(n_cols + 1)).eval().maxCoeff(&index);

关于Eigen的内部工作原理，当你在案例（1）中调用maxCoeff时，被调用的对象是（如你所明确的那样）一个惰性求值结构（在这种情况下是GeneralProduct<Transpose<..>,Block<...> >）通过致电mat.coeff(0,0)来触发，其中mat是GeneralProduct。在内部，mat具有(n_cols + 1)列，而不是断言后的行所需的1（Matrix<Scalar,1,1> result = *this;）这是导致评估的原因，因此我们希望每次只评估一个元素。如果没有断言，尝试将*this分配给result会触发调整大小，导致程序崩溃。

使用临时对象时，该对象为Matrix<double,1,-1,1,1,-1>，因此coeff(i,j)只是对m_storage.data()[colId + rowId * m_storage.cols()]的简单调用。

所有这一切都成为Eigen 3.3中的一个没有实际意义的点，因为整个coeff(i,j)现在是return m_evaluator.coeff(row, col);

TLDR

升级到Eigen 3.3（alpha），问题就消失了。

Answer 2

要完成Avi的答案，首先要添加要有效评估的产品，无论如何都要将产品评估为临时产品，因此无论Eigen的版本如何，调用.eval()都非常好。

您正在观察的当前断言：

Assertion failed: (this->rows() == 1 && this->cols() == 1), function coeff, file ../eigen3.2/Eigen/src/Core/ProductBase.h, line 148

是为了确保产品表达式不是按系数方式评估的（内部产品除外）。可以在断言消息中添加此解释，以使其更加清晰。

然而，在你的情况下，你没有自己明确地调用coeff()或operator(i,j)，因此这是Eigen中的一个错误，更准确地说是Eigen::Visitor中应该评估嵌套产品的错误表达给你。这将在3.2.8中修复。

最后，如果您知道n_cols+1和my_vector都非常小，那么您可以使用惰性产品来避免这种情况：

my_vector.transpose().lazyProduct(my_matrix.leftCols(n_cols+1)).maxCoeff(&index);

此处记录的

编辑是fix。

Eigen中maxCoeff的奇怪错误

2 个答案:

TLDR