使用 Eigen 的
rowwise
操作时,我不太清楚其语法...
我有一个特征矩阵,我想将每一行除以最后一行。所以如果我们从一个矩阵开始
r = [ 0, 1
2, 3
4, 5 ]
然后经过这个转变,我想要
r = [ 0, .2
.5, .6
1, 1 ]
操作最好就地进行,覆盖
r
。此外,我不会使用最后一行中的值,因此转换后最后一行是否实际上为 1 并不重要。
以下是我尝试过的一些无法编译的语法:
r.rowwise() = (r.array().rowwise() / r.bottomRows(1).array()).eval();
r.rowwise() = (r.rowwise().array() / r.bottomRows(1).array()).eval();
r.rowwise() /= r.bottomRows(1).array();
r = r.rowwise().cwiseQuotient(rrr);
这个普通的旧 for 循环版本可以工作
int last_row = r.rows() - 1;
for (int row = 0; row < last_row; ++row) {
r.row(row).array() /= r.row(last_row).array();
}
然而,无论我走到哪里,人们都提倡使用
rowwise
或 colwise
操作。我无法让它与该语法一起工作。我想要使用 rowwise
运算符执行的操作是否有一种简洁的形式?
要完成自答,如果不需要最后一行,可以使用 hnormalized:
result = r.colwise().hnormalized()
并且使用 Eigen trunk 你还可以写:
using namespace Eigen::placeholders::last;
r.array().rowwise() /= r.row(last).array();
当然,发帖后我终于找到了正确的语法...
int last_row = r.rows() - 1;
r.array().rowwise() /= r.row(last_row).array();
由于某种原因,在这里使用
bottomRows
会导致编译错误。也就是说,以下内容无法编译
r.array().rowwise() /= r.bottomRows(1).array();
如果您确实需要最后一行,这里有
r.colwise().hnormalized().colwise().homogeneous()
。
不过,我同意,使用就地方法来执行此操作似乎很有用。