C ++ ::如何捕获由void函数创建的矩阵

Question

我通常使用python进行编码，但是由于组合爆炸，我决定使用C ++解决问题。我的想法是将numpy数组保存在npy文件中，然后将C ++函数提供给该npy文件。由于我对C ++指针和引用的了解有限，因此我无法集中精力了解如何获取void函数的值。 void函数不会返回任何内容，因此我无法使用常规的赋值操作。如何将新的（＆mat_out）分配给我想要的变量，请说A。或者通过返回值的另一种方式（例如第二个注释函数），但是在这种方法中，我遇到类型不匹配的情况。我的主要问题是如何使其中一种方法起作用。但是从知识的角度来看，我还想知道如何利用在void函数中创建的新对象。

#include <iostream>
#include <Eigen/Dense>
#include "cnpy.h"
#include "opencv2/highgui.hpp"

using namespace std;
using namespace Eigen;
using namespace cv;

void cnpy2eigen(string data_fname, Eigen::MatrixXd& mat_out){
    cnpy::NpyArray npy_data = cnpy::npy_load(data_fname);
    // double* ptr = npy_data.data<double>();
    int data_row = npy_data.shape[0];
    int data_col = npy_data.shape[1];
    double* ptr = static_cast<double *>(malloc(data_row * data_col * sizeof(double)));
    memcpy(ptr, npy_data.data<double>(), data_row * data_col * sizeof(double));
    cv::Mat dmat = cv::Mat(cv::Size(data_col, data_row), CV_64F, ptr); // CV_64F is equivalent double
    new (&mat_out) Eigen::Map<Eigen::Matrix<double,Eigen::Dynamic,Eigen::Dynamic>>(reinterpret_cast<double *>(dmat.data), data_col, data_row);
}

/*
Eigen::Map<Eigen::Matrix<double, Eigen::Dynamic, Eigen::Dynamic> > * cnpy2eigen(string data_fname){
    cnpy::NpyArray npy_data = cnpy::npy_load(data_fname);
    // double* ptr = npy_data.data<double>();
    int data_row = npy_data.shape[0];
    int data_col = npy_data.shape[1];
    double* ptr = static_cast<double *>(malloc(data_row * data_col * sizeof(double)));
    memcpy(ptr, npy_data.data<double>(), data_row * data_col * sizeof(double));
    cv::Mat dmat = cv::Mat(cv::Size(data_col, data_row), CV_64F, ptr); // CV_64F is equivalent double
    return new (&mat_out) Eigen::Map<Eigen::Matrix<double,Eigen::Dynamic,Eigen::Dynamic>>(reinterpret_cast<double *>(dmat.data), data_col, data_row);
}
*/

int main()
{
   Eigen::MatrixXd& A = cnpy2eigen("/Users/osmanmamun/Play_Ground/C++_practice/bayesframe/X_data.npy", Eigen::MatrixXd& A);
   cout << "Here is the matrix A:\n" << A << endl;
}

免责声明：我从博客获得了cnpy2eigen函数。

Answer 1

#include <iostream>
#include <Eigen/Dense>          // minor remark: Often you just need <Eigen/Core> here
#include "cnpy.h"
#include "opencv2/highgui.hpp"  // Do you actually need OpenCV here?

using namespace std;
using namespace Eigen;
using namespace cv;

（几乎）永远不会将using namespace X;放在全局范围内！ [1]

void cnpy2eigen(string data_fname, Eigen::MatrixXd& mat_out){ // minor remark: Better pass `std::string` by const reference
    cnpy::NpyArray npy_data = cnpy::npy_load(data_fname);
    // double* ptr = npy_data.data<double>();
    int data_row = npy_data.shape[0];
    int data_col = npy_data.shape[1];

    double* ptr = static_cast<double *>(malloc(data_row * data_col * sizeof(double)));

您正在malloc中输入数据，但没有匹配的free。首先，标准的“低级” C ++将使用new和delete（不过最好使用std::vector）。但是实际上您可以使用Eigen的内存分配。

    memcpy(ptr, npy_data.data<double>(), data_row * data_col * sizeof(double));

[标准C ++将使用例如std::copy（不过，对于POD类型，这也会在内部转换为memcpy））。但是实际上没有必要在此处手动复制。

    cv::Mat dmat = cv::Mat(cv::Size(data_col, data_row), CV_64F, ptr); // CV_64F is equivalent double

您是否在任何地方使用dmat？如果不是，请将其删除。还请注意，OpenCV使用行主存储（我假设numpy使用列主存储？）

    new (&mat_out) Eigen::Map<Eigen::Matrix<double,Eigen::Dynamic,Eigen::Dynamic>>(reinterpret_cast<double *>(dmat.data), data_col, data_row);

这里您正在Eigen::Map的存储位置上重新放置Eigen::Matrix。这可能部分起作用，因为这两种类型意外地共享了它们的某些内存布局（但是Eigen::Map具有其他成员变量）。同样，Eigen::Matrix拥有其内存，而Eigen::Map不拥有，即，当Eigen::Matrix被破坏时，它将分配它不拥有的内存。通常，除非您知道自己在做什么，否则请避免放置新设备-尤其是对于不匹配的类型。 （实际上，您几乎不需要在用户代码中要求new）

}

这里是固定/清理后的版本：

void cnpy2eigen(std::string const& data_fname, Eigen::MatrixXd& mat_out){
    cnpy::NpyArray npy_data = cnpy::npy_load(data_fname);
    double* ptr = npy_data.data<double>();
    int data_row = npy_data.shape[0];
    int data_col = npy_data.shape[1];
    mat_out = Eigen::MatrixXd::Map(ptr, data_row, data_col); // assuming NumPy is column major
}

这样称呼：

int main()
{
   Eigen::MatrixXd A;
   cnpy2eigen("filename", A);
   std::cout << "Here is the matrix A:\n" << A << '\n';
}

并且如果您希望按值返回，这应该可以：

Eigen::MatrixXd cnpy2eigen(std::string const& data_fname){
    cnpy::NpyArray npy_data = cnpy::npy_load(data_fname);
    double* ptr = npy_data.data<double>();
    int data_row = npy_data.shape[0];
    int data_col = npy_data.shape[1];
    return Eigen::MatrixXd::Map(ptr, data_row, data_col); // assuming NumPy is column major
}

这样称呼：

int main()
{
   Eigen::MatrixXd A = cnpy2eigen("filename");
   std::cout << "Here is the matrix A:\n" << A << '\n';
}

[如果要避免复制，则需要保持npy_data对象处于活动状态并直接使用Eigen::Map（我认为没有办法将所有权从cnpy转移到Eigen）。