大家好，欢迎来到IT知识分享网。
更多互联网精彩资讯、工作效率提升关注【飞鱼在浪屿】（日更新）
Eigen 是许多线性代数项目的常见组件，尤其是在人工智能领域，但用户在选择它之前应该意识到一个很大的缺点。在非常长的向量/大型矩阵计算，Eigen的表现性能非常棒。
Eigen大量使用 C++ 中的表达式模板，将复杂的操作序列折叠成流线型和最少的计算。
https://eigen.tuxfamily.org/index.php?title=Main_Page
Eigen库在 Tensorflow 中被大量使用。Eigen 类似于 xtensor（https://github.com/xtensor-stack/xtensor），但 1) Eigen 更加成熟，并在模拟/研究环境中用于生产； 2) Eigen 不仅具有对数组的基本运算，而且还具有全套线性代数运算BLAS 库，包括完整的测试套件。xtensor 与Python 和其他开箱即用语言的更好集成。由于受到 numpy 的启发，也存在一些性能限制，特别是在内存管理方面。
但是Eigen也有一些缺点：
1）使用 Eigen 的软件调试版本比发布版本慢 1000 倍到 10000 倍，这严重地使各种调试工作流程复杂化。例如，通过 valgrind 运行测试套件也成为一场噩梦。
2）当在编译时知道大小时，它对于小东西不太理想。如果和SIMD 内在函数比较，那么在某些情况下，Eigen 的实现可能会超过 2-4 倍。此外，某些东西的 RAM 布局（如稀疏矩阵）、太多的抽象层和太多的模板元编程。
3）一些工程师尝试（并且失败）创建/链接 Eigen 的发布版本与程序其余部分的调试版本，以尝试得到大部分速度，同时仍然具有相当的可调试性，但这由于激进的内联和大量使用模板，这真的很难。
免责声明：本站所有文章内容,图片，视频等均是来源于用户投稿和互联网及文摘转载整编而成，不代表本站观点，不承担相关法律责任。其著作权各归其原作者或其出版社所有。如发现本站有涉嫌抄袭侵权/违法违规的内容,侵犯到您的权益，请在线联系站长,一经查实,本站将立刻删除。 本文来自网络,若有侵权，请联系删除，如若转载，请注明出处：https://yundeesoft.com/164442.html
