我的代码中有一种（某种）性能问题，它源于所选择的架构。
我将以立方体的形式使用多维张量（基本上具有更多维度的矩阵）来存储我的数据。 由于在编译时不知道维度，我不能使用Boost的MultidimensionalArray（IIRC），但必须使用我自己的解决方案。
现在，我自己保存每个维度。我有一个维度张量（比如说3），它包含很多维度为2的张量（在std :: vector中），每个都有一个std :: vector，其张量为1，每个都有一个std： ：（数值）数据的向量。我为张量使用了一个抽象的基类，因此其中的所有内容都是指向抽象类的指针，同时是（秘密地）多维或一维的。
我通过给张量的std :: index列表提取单个数值数据点，得到第一个元素，搜索相应张量并将列表的其余部分传递给a中的张量（类型）递归调用。
我现在必须对该数据进行多维快速傅里叶变换。我使用Threadpool和Job-Objects，它可以在一个维度上从Tensor复制数据，进行FFT并将数据写回。
我已经有逻辑来实现ThreadPool并将维度组织成FFT，但是有一个问题：
我的数据结构是缓存 - 非最友好的野兽，人们可以想到......虽然沿着第一个维度进行数据复制（在单个1D-Tensor中使用它的数据）是合理的快速，但在其他方向，我需要从各处复制我的数据。
由于没有竞争条件（我确保每个并发FFT都在不同的数据点上），我想，我不会使用Mutex-Guard让所有人同时复制。然而，这大大减慢了整个过程（“我现在复制我的数据！” - “不，我现在复制我的数据！” - “但现在轮到我了！”......）
使用互斥锁保护副本进程不会提高速度。具有1024个元素的向量的FFT更快，然后复制过程获得这些元素，导致几乎所有的线程都在等待，而一个是复制。
长话短说： 是否有任何类型的多维数据结构，不需要在编译时设置维度，这允许我沿所有轴快速遍历？我现在搜索了一会儿，除了Boost MultiArray之外什么也没发现。矢量化也不起作用，因为索引增长太快而无法保持常规的int类型。
我无法想到如何在这里展示代码示例，因为大多数代码都相当简单，但如果需要，我可以将其提供。
答案 0 :(得分：1)
Eigen具有多维张量支持（名义上不受支持，但由DeepMind人员编写，因此“稍微”支持？），而FFTW具有1d至3d FFT。使用带有一组一维到三维FFT的外部库会将大部分艰苦工作外包出去。
编辑：实际上，FFTW支持线程n维FFT