一个用于数组、矩阵、向量和经典线性代数操作的C++库

Question

你使用哪个库来处理 N 维数组？

我在工作中使用 Blitz++，但我很不喜欢它的某些方面。例如在使用 operator= 之前需要重新调整大小，对于一个 (0,0) 的矩阵，A(Range::all(), Range::all()) 的操作会抛出异常等等。此外，其线性代数运算需要使用 Clapack 库。

我曾经使用过并且很喜欢 Eigen。它提供了“全头文件”实现、C++ 语法糖以及我需要的所有线性代数运算（如矩阵乘法、系统解析、Cholesky 分解等）。

你使用的是什么库？

- fulmicoton

---

我感觉你在询问人们用于数学数组的库，而不是“C++数组”？如果是这样，你应该考虑在问题中更具体地表达 :) - larsmoa

为什么你想要针对数组进行“基本矩阵操作”？也许你的问题应该是关于矩阵类的。 - jalf

类似clapack这样的东西有什么问题吗？（或者为什么它太“笨重”了？）你要找什么并不是很清楚。 - jalf

为什么不考虑使用Eigen（http://eigen.tuxfamily.org）？它看起来速度快且文档完善。 - denis

这个库支持线性代数。请参见此处：https://gitlab.com/correaa/boost-multi/-/blob/master/include/multi/adaptors/blas/test/gemv.cpp#L62-65 - alfC

Answer 1

boost::array和boost::MultiArray也很不错。Boost中还有一个非常好的线性代数包叫做uBLAS。

- Andreas Brinck

---

如果您正在使用带有-std=c++0x的gcc，则使用或std::array。 - coelhudo

boost的多维数组速度很慢，请参见https://dev59.com/L3RB5IYBdhLWcg3w-8E9 - denis

Answer 2

我也在一些项目中使用armadillo。以下是它们网站上的介绍：

Armadillo是一个C++线性代数库（矩阵数学），旨在实现速度和易用性之间的良好平衡。支持整数、浮点数和复数，以及一些三角函数和统计函数的子集。通过与LAPACK和ATLAS库的可选集成，提供各种矩阵分解。

采用延迟评估方法（在编译时）将多个操作合并为一个，并减少（或消除）临时变量的需求。这是通过递归模板和模板元编程实现的。

如果已经决定使用C++作为首选语言（由于速度和/或集成能力），而不是像Matlab®或Octave这样的其他语言，则此库非常有用。它在开源和商业环境下都有用的许可证。

Armadillo主要由NICTA（澳大利亚）开发，来自世界各地的人贡献。

- Dirk Eddelbuettel

---

+1 看起来不错，"平衡很好"。 有人将其速度与 Blitz、Numpy 进行了比较吗？ 例如在 www.scipy.org/PerformancePython laplace.py 中？ - denis

+1 对于经验比较的需求。我们需要某种库来收集不同编译器、操作系统等的结果。 - Dirk Eddelbuettel

Answer 3

我们已成功地使用TNT数年了。然而，有足够的问题，我们现在正朝着内部开发的解决方案迈进。对我们来说最大的两个难点是：

• 数组即使只是进行读取访问，也不是线程安全的，因为它们使用了非线程安全的引用计数。
• 当你编写const正确的代码时，这些数组会导致各种各样的问题。

如果这些问题不是问题的话，那么它们对于许多常见的数组任务来说还是相当方便的。

- Adam Bowen