eigen库使用_eigen3

eigen库使用_eigen3Eigen库的安装1.VisualStudio2017安装eigen库1.1下载eigen库1.2配置1.3运行测试1.VisualStudio2017安装eigen库1.1下载eigen库eigen官网下载地址找到自己需要的版本下载,我下载的是3.3.9,箭头指向的zip。解压缩得到文件eigen-3.3.9,放到自己想放置的路径下(后面会引用此处的路径)。1.2配置在VS2017中新建一个空项目,取名为“eigen_demo”。输入以下测试

大家好,又见面了,我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。

Jetbrains全系列IDE稳定放心使用

1. Visual Studio 2017 安装 eigen 库

1.1 下载 eigen 库

eigen官网下载地址
在这里插入图片描述

找到自己需要的版本下载,我下载的是3.3.9,箭头指向的 zip。
解压缩得到文件eigen-3.3.9,放到自己想放置的路径下(后面会引用此处的路径)。

1.2 配置

在VS 2017中新建一个空项目,取名为“eigen_demo”。输入以下测试代码(官方测试代码):

#include <iostream>
#include <Eigen/Dense>
using namespace Eigen;
using namespace std;

int main()
{ 
   
#pragma region Addition and subtraction
	Matrix2d a;
	a << 1, 2,
		3, 4;
	MatrixXd b(2, 2);
	b << 2, 3,
		1, 4;
	std::cout << "a + b =\n" << a + b << std::endl;
	std::cout << "a - b =\n" << a - b << std::endl;
	std::cout << "Doing a += b;" << std::endl;
	a += b;
	std::cout << "Now a =\n" << a << std::endl;
	Vector3d v(1, 2, 3);
	Vector3d w(1, 0, 0);
	std::cout << "-v + w - v =\n" << -v + w - v << std::endl;
#pragma endregion

#pragma region Scalar multiplication and division
	// Matrix2d a; //duplicate definition
	a << 1, 2,
		3, 4;
	// Vector3d v(1, 2, 3); //duplicate definition
	std::cout << "a * 2.5 =\n" << a * 2.5 << std::endl;
	std::cout << "0.1 * v =\n" << 0.1 * v << std::endl;
	std::cout << "Doing v *= 2;" << std::endl;
	v *= 2;
	std::cout << "Now v =\n" << v << std::endl;
#pragma endregion

#pragma region Transposition and conjugation
	MatrixXcf a_matrix = MatrixXcf::Random(2, 2);
	cout << "Here is the matrix a_matrix\n" << a_matrix << endl;
	cout << "Here is the matrix a_matrix^T\n" << a_matrix.transpose() << endl;
	cout << "Here is the conjugate of a_matrix\n" << a_matrix.conjugate() << endl;
	cout << "Here is the matrix a_matrix^*\n" << a_matrix.adjoint() << endl;

	//This is the so-called aliasing issue
	Matrix2i a_matrix2;
	a_matrix2 << 1, 2, 3, 4;
	cout << "Here is the matrix a_matrix2:\n" << a_matrix2 << endl;
	// a_matrix2 = a_matrix2.transpose(); // !!! do NOT do this !!!
	cout << "and the result of the aliasing effect:\n" << a_matrix2 << endl;
#pragma endregion

#pragma region Matrix-matrix and matrix-vector multiplication
	Matrix2d mat;
	mat << 1, 2,
		3, 4;
	Vector2d u_1(-1, 1), v_1(2, 0);
	std::cout << "Here is mat*mat:\n" << mat * mat << std::endl;
	std::cout << "Here is mat*u_1:\n" << mat * u_1 << std::endl;
	std::cout << "Here is u_1^T*mat:\n" << u_1.transpose()*mat << std::endl;
	std::cout << "Here is u_1^T*v:\n" << u_1.transpose()*v_1 << std::endl;
	std::cout << "Here is u_1*v_1^T:\n" << u_1 * v_1.transpose() << std::endl;
	std::cout << "Let's multiply mat by itself" << std::endl;
	mat = mat * mat;
	std::cout << "Now mat is mat:\n" << mat << std::endl;
#pragma endregion 

#pragma region Dot product and cross product
	Vector3d v_2(1, 2, 3);
	Vector3d w_2(0, 1, 2);
	cout << "Dot product: " << v_2.dot(w_2) << endl;
	double dp = v_2.adjoint()*w_2; // automatic conversion of the inner product to a scalar
	cout << "Dot product via a matrix product: " << dp << endl;
	cout << "Cross product:\n" << v_2.cross(w_2) << endl;
#pragma endregion

#pragma region Basic arithmetic reduction operations
	Eigen::Matrix2d mat_3;
	mat_3 << 1, 2,
		3, 4;
	cout << "Here is mat_3.sum(): " << mat_3.sum() << endl;
	cout << "Here is mat_3.prod(): " << mat_3.prod() << endl;
	cout << "Here is mat_3.mean(): " << mat_3.mean() << endl;
	cout << "Here is mat_3.minCoeff(): " << mat_3.minCoeff() << endl;
	cout << "Here is mat_3.maxCoeff(): " << mat_3.maxCoeff() << endl;
	cout << "Here is mat_3.trace(): " << mat_3.trace() << endl;

	Matrix3f m = Matrix3f::Random();
	std::ptrdiff_t i, j;
	float minOfM = m.minCoeff(&i, &j);
	cout << "Here is the matrix m:\n" << m << endl;
	cout << "Its minimum coefficient (" << minOfM
		<< ") is at position (" << i << "," << j << ")\n\n";
	RowVector4i v_4 = RowVector4i::Random();
	int maxOfV = v_4.maxCoeff(&i);
	cout << "Here is the vector v_4: " << v_4 << endl;
	cout << "Its maximum coefficient (" << maxOfV
		<< ") is at position " << i << endl;
#pragma endregion

	/**************This is the end of example codes in Eigen3 online document. **********************/
	system("pause");
}

此时项目默认为“DEBUG”模式,活动平台为“x64″。
在这里插入图片描述
如果后面更改了模式或平台,均要重新执行全部以下步骤。

鼠标右击项目 -> 选择属性 -> C/C++ -> 常规 -> 附加包含目录,将解压后的库文件夹所在路径:“ \Eigen 库\eigen-3.3.9 ”添加进去,点击确定。
在这里插入图片描述

再次打开此页面,链接器 -> 常规 -> 附加库目录,将路径“\Eigen 库\eigen-3.3.9”再次添加,点击确定。
在这里插入图片描述

1.3 运行测试

运行程序,看到正确运行的输出,Eigen库链接成功!

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/180246.html原文链接:https://javaforall.cn

【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛

【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...

(0)


相关推荐

  • 1,什么是ant「建议收藏」

    1,什么是antant是构建工具2,什么是构建概念到处可查到,形象来说,你要把代码从某个地方拿来,编译,再拷贝到某个地方去等等操作,当然不仅与此,但是主要用来干这个3,ant的好处跨平台–因为ant是使用java实现的,所以它跨平台使用简单–与ant的兄弟make比起来语法清晰–同样是和make相比功能强大–ant能做的事情很多,可能你用了很久,你仍然…

  • c++入门教程–-5判断语句

    c++入门教程–-5判断语句

  • IDEA 2018 2020 2021 2022 各版本对Maven版本兼容问题汇总「建议收藏」

    IDEA 2018 2020 2021 2022 各版本对Maven版本兼容问题汇总「建议收藏」IDEA2022兼容maven3.8.1及之前的所用版本IDEA2021兼容maven3.8IDEA2018202020212022各版本对Maven版本兼容问题汇总Maven3.6.3版本兼容问题错误信息如下:1.IDEA2021兼容maven3.8.1及之前的所用版本2.IDEA2020兼容Maven3.6.3及之前所有版本3.IDEA2018兼容Maven3.6.1及之前所有版本IDEA2022兼容maven3.8.1及之前的所用版本

  • BP神经网络的Matlab实现——人工智能算法

    BP神经网络的Matlab实现——人工智能算法这几天在各大媒体上接触到了人工智能机器学习,觉得很有意思,于是开始入门最简单的机器算法——神经网络训练算法(NeuralNetworkTraining);以前一直觉得机器学习很高深,到处是超高等数学、线性代数、数理统计。入坑发现确实是这样!但是呢由项目实例驱动的学习比起为考试不挂科为目的的学习更为高效、实用!在遗传算法、神经网络算法的学习入门之后觉得数学只要用心看没问题的(即使是蒙特卡洛和马尔

  • sql语句的各种模糊查询语句

    sql语句的各种模糊查询语句一般模糊语句如下:SELECT字段FROM表WHERE某字段Like条件其中关于条件,SQL提供了四种匹配模式:1、%:表示任意0个或多个字符。可匹配任意类型和长度的字符,有些情况下若是中文,请使用两个百分号(%%)表示。比如SELECT*FROM[user]WHEREu_nameLIKE‘%三%’将会把u_name为“张三”,“张猫三”、“三脚猫”,“唐三藏”等等有“

  • matlab做kmo检验的代码,急求 KMO测度和Bartlett 的球形度检验的计算原公式[通俗易懂]

    matlab做kmo检验的代码,急求 KMO测度和Bartlett 的球形度检验的计算原公式[通俗易懂]1、关于KMO公式,您从如下matlab源程序代码中不难得出,我已经用Excel就计算出来了,跟SPSS的计算结果完全一致。iX=inv(X);%X是原始数据的相关系数矩阵R,而inv表示求X的逆矩阵iXS2=diag(diag((iX.^-1)));%将iX的对角线的元素取倒数,其余元素都变为0,得到矩阵S2AIS=S2*iX*S2;%anti-image…

发表回复

您的电子邮箱地址不会被公开。

关注全栈程序员社区公众号