Question

我在执行矩阵乘法时似乎经历了精度损失，并且想知道如何防止这种情况。例如，假设专长和beta都是合适的大小，

Y = feat*beta.rows(0,N);

我正在使用的数字值相当小，大多数数字都小于1e-3，因此有可能我想要达到的目标是不可能的。我还应该注意，这是一个调用C ++函数的MATLAB函数，因此涉及MEX编译器。我确实检查了mex函数中的数字，当它们到达并且它们是正确的时，只有在上面的行之后才能得到令人难以置信的错误答案。

编辑：我认为提供该计划的完整背景并不会有什么坏处。这是我到目前为止所拥有的。我有一条线，精度的损失标有评论。

EDIT2：以下是一些有关矩阵的例子 Feat_2d是5x4608

     0         0         0         0         0
     0         0         0         0         0
     0         0         0         0    4.8146
     0         0   19.0266         0         0
     0         0         0         0         0

Beta_2d是4609x4。我删除了壮举* Beta_2d

的最后一行

 -7.1486e-05  -1.6801e-04   1.0970e-05   3.7837e-04
 -8.7524e-05   1.8275e-04  -6.7857e-04   2.6267e-04
 -9.1812e-05  -6.5495e-05  -1.7687e-03  -3.2168e-04
  0e+00        0e+00        0e+00        0e+00
 -4.5089e-04  -5.6013e-05   1.4841e-04   2.4912e-04

Y =

6.8995e-310        0e+00  4.7430e-322  1.7802e-306
6.8995e-310        0e+00  4.9407e-322  1.4463e-307
0e+00        0e+00        0e+00  1.4463e-307
0e+00        0e+00  1.2352e-322  1.2016e-306
6.8996e-310  6.8996e-310  6.8995e-310  1.7802e-306

以下是EDIT1的代码

#include <mex.h>
#include <iostream>
#include <armadillo>

using namespace arma;

void predict_bbox_reg(double *beta, int beta_dim[2], double *t_inv, int tinv_dim[2], double mu, double *feat, int feat_dim[2], double *boxes, int box_dim[2]){


    //convert pointers 
    //beta
    arma::mat beta_2d = mat(beta_dim[0], beta_dim[1]);
    for(int i = 0; i<beta_dim[0]; i++){
        for(int j = 0; j<beta_dim[1]; j++){
            beta_2d(i, j) = beta[i+beta_dim[0]*j];
        }
    }

    //t_inv
    arma::mat tinv_2d = mat(tinv_dim[0], tinv_dim[1]);
    for(int i = 0; i<tinv_dim[0]; i++){
        for(int j = 0; j<tinv_dim[1]; j++){
            tinv_2d(i, j) = t_inv[i+tinv_dim[0]*j];
        }
    }
    //feadoublet_2d
    arma::mat feat_2d = mat(feat_dim[0], feat_dim[1]);
    for(int i = 0; i<feat_dim[0]; i++){
        for(int j = 0; j<feat_dim[1]; j++){
            feat_2d(i, j) = feat[i+feat_dim[0]*j];
        }
    }

    //boxes
    arma::mat box_2d = mat(box_dim[0], box_dim[1]);
    for(int i = 0; i<box_dim[0]; i++){
        for(int j = 0; j<box_dim[1]; j++){
            box_2d(i, j) = boxes[i+box_dim[0]*j];
        }
    }


    arma::mat Y = mat(feat_dim[0], beta_dim[1]);

    Y = feat_2d*beta_2d.rows(0,beta_dim[0]-2);// this is the precision loss

    arma::mat y1 = beta_2d.row(beta_2d.n_rows-1);
    Y.each_row() += y1.row(0);

    //RETURNS SOMETHING


}        

void mexFunction(int nlhs, mxArray *plhs[], int nrhs, const mxArray *prhs[]) {

    int M = mxGetM(prhs[0]);
    int N = mxGetN(prhs[0]);

    int beta_dim[2] = {M,N}; 
    double *beta = mxGetPr(prhs[0]);


    M = mxGetM(prhs[1]);
    N = mxGetN(prhs[1]);
    int tinv_dim[2] = {M,N};
    double *t_inv = mxGetPr(prhs[1]);


    double mu = *mxGetPr(prhs[2]);    

    M = mxGetM(prhs[3]);
    N = mxGetN(prhs[3]);

    int feat_dim[2] = {M,N};
    double *feat = mxGetPr(prhs[3]);

    M = mxGetM(prhs[4]);
    N = mxGetN(prhs[4]);

    int box_dim[2] = {M,N};
    double *ex_boxes = mxGetPr(prhs[4]);

    predict_bbox_reg(beta, beta_dim, t_inv, tinv_dim,
            mu, feat, feat_dim, ex_boxes, box_dim);

    //RETURNS results to matlab
}

Answer 1

我在代码中看不到任何直接错误，但我怀疑Armadillo是否存在精确问题。我怀疑它可能是你指向mat转换的指针。我会使用Armadillo在.../mex_interface/armaMex.hpp文件中提供的功能。

矩阵乘法的简单示例（mult_test.cpp）：

#include <armadillo>
#include "armaMex.hpp"

void mexFunction(int nlhs, mxArray *plhs[], int nrhs, const mxArray *prhs[])
{     
    // Convert to Armadillo
    mat x1 = conv_to<mat>::from(armaGetPr(prhs[0],true));
    mat x2 = conv_to<mat>::from(armaGetPr(prhs[1],true));
    mat y(x1.n_rows,x2.n_cols);

    // Do your stuff here:
    y = x1*x2;

    // Convert back to Matlab
    plhs[0] = armaCreateMxMatrix(y.n_rows, y.n_cols, mxDOUBLE_CLASS, mxREAL); 
    armaSetPr(plhs[0], conv_to<mat>::from(y));
    return;
}

和.m文件是

X1 = [1 2 3 ; 4 5 6];
X2 = 1e-7*rand(3,2);

Y = mult_test(X1,X2);

disp('Matlab:')
disp(X1*X2)
disp('Armadillo:')
disp(Y)

给出输出

Matlab:
1.0e-06 *

0.240798243020273   0.410716970485213
0.559953800808707   0.974915983937571

Armadillo:
1.0e-06 *

0.240798243020273   0.410716970485213
0.559953800808707   0.974915983937571

犰狳：矩阵乘法精度损失

1 个答案: