C++ 使用Eigen:：Map<；特征：：矩阵xD>；作为本征：：矩阵XXD类型的函数参数

简言之，问题是如何通过考试

Eigen::Map<Eigen::MatrixXd>

反对

---

长话短说：

我有这个C++函数声明< /p>

void npMatrix(const Eigen::MatrixXd &data, Eigen::MatrixXd &result);

连同这项实施

void npMatrix(const Eigen::MatrixXd &data, Eigen::MatrixXd &result)
{
//Just do s.th. with arguments
std::cout << data << std::endl;

result(1,1) = -5;
std::cout << result << std::endl;
}

它获取指向数据的指针、数据数组的大小、指向结果的指针以及结果数组的大小。数据指针指向内存的常量补丁，因为在为结果保留的内存补丁是可写的情况下，数据不会被更改。功能的实现

void pyMatrix(const double *p_data, const int dimData[], double *p_result, const int dimResult[])
{
Eigen::Map<const Eigen::MatrixXd> dataMap(p_data, dimData[0], dimData[1]);
Eigen::Map<Eigen::MatrixXd> resultMap(p_result, dimResult[0], dimResult[1]);

resultMap(0,0) = 100;

npMatrix(dataMap, resultMap);
}

显示，结果映射实际上是可写的。在将dataMap传递到npMatrix（）时，我找不到一种方法以同样的方式传递resultMap，而npMatrix（）需要const-Eigen:：MatrixXd。我确信，问题来自这样一个事实，npMatrix的第一个参数是const，而第二个参数不是。我发现一个可能的解决方案是定义

Eigen::MatrixXd resultMatrix = resultMap;

并将此ResultMatrix传递给npMatrix（）。然而，我想，这会创建一个副本，从而终止了Eigen:：Map的良好内存映射。所以我的问题是

有没有办法将一个Eigen:Map传递给一个需要非常量Eigen:：MatrixXd的函数

作为旁注：我可以将npMatrix更改为期望一个Eigen:：Map，但是因为在实际项目中，函数已经存在并经过测试，所以我不想对它们进行调整

为了完成这个问题，下面是调用pyMatrix（）的python文件

---

将其作为指向数据的普通指针传递，并将其映射到那里。或者，使用

模板

等，如 不过，我个人的选择是第一个，因为最好不要让代码暴露您所使用的每个API的顽固性。此外，您不会失去与eigen的兼容性，也不会失去与您（或任何其他人）以后可能使用的任何其他类型的库的兼容性

我还发现了另一个技巧，可以在很多场合使用：

Eigen:：MatrixXd a；
//让我们假设一个数据指针，比如我们想要映射的double*数据
//现在我们知道了
新（&a）特征：：映射（数据、数据行、数据列）

这将满足您的要求，而不会浪费内存。我认为这是一个很酷的把戏，
a
会表现得像matrixXd一样，但我并不是每次都测试过它没有内存副本。但是，在分配之前，您可能需要将
a
调整到正确的大小。即使如此，编译器也不会在您请求
resize
操作时立即分配所有内存，因此也不会有大量无用的内存分配

小心！调整大小操作可能会重新分配特征矩阵使用的内存因此，如果您：：映射内存，但随后执行调整矩阵大小的操作，则可能会将其映射到内存中的其他位置

对于仍在努力解决将
Eigen:：Map
传递给具有签名的函数
Eigen:：Matrix
或反之亦然的问题的任何人，他们发现@Aperture Laboratories建议的
Eigen:：Matrix
到
Eigen:：Map
隐式投射技巧不起作用（在我的例子中，这给出了与尝试释放已释放内存相关的运行时错误，[与
valgrind
]一起运行时出现不匹配的删除/无效的删除错误]

我建议对函数签名使用
Eigen:：Ref
类，如@ggael给出的答案所示：

并写在文件中：
标题下：

如何编写通用但非模板化的函数

例如，对于问题中指定的函数，将签名更改为

void npMatrix(const Eigen::Ref<const Eigen::MatrixXd> & data, Eigen::Ref< Eigen::MatrixXd> result);

void npMatrix（const-Eigen:：Ref&data，Eigen:：Ref结果）；

意味着将
Eigen:：Map
或
Eigen:：MatrixXd
对象传递到函数将无缝工作（有关在函数签名中使用Eigen:：Ref的不同方法，请参阅@ggael的答案）

我很感激OP说他不想更改函数签名，但就互换使用
Eigen:：Map
s和
Eigen:：Matrix
而言，我发现这是最简单、最可靠的方法。
谢谢你的回答。我接受了它，因为我认为，总体而言，这是一个好的解决方案。正如我在问题中所说的，我认为o不想更改要调用的函数的接口。因此，我的解决方案是创建所需的映射。这会导致内存和cpu时间的浪费，但与程序的其余部分相比，这并不重要。谢谢！我考虑了更多，我想我找到了另一个答案，它将完全满足您的要求，并且不会更改f函数声明。我会更新我的答案！已经18个月了，但是有这么多有用的信息。这里
new（&a）
是放置版本，因此我相信从
Map
到
Matrix
对象的转换是隐含的（如果我错了，请纠正我）。我猜您所指的调整大小是指
a
不是数据的所有者，因此无法使用赋值
运算符=
为其分配另一个矩阵。我通过跟踪数据的所有权来实现这一点-最初
a
可能不拥有数据，但在赋值之前，当它不是所有者或e当前大小不正确。
<const Eigen::MatrixXd>

<Eigen::MatrixXd>

resultMap(0,0) = 100;

Eigen::MatrixXd resultMatrix = resultMap;

import ctypes as ct
import numpy as np
import matplotlib.pyplot as plt

# Load libfit and define input types
ct.cdll.LoadLibrary("/home/wmader/Methods/fdmb-refactor/build/pyinterface/libpyfit.so")
libfit = ct.CDLL("libpyfit.so")

libfit.pyMatrix.argtypes = [np.ctypeslib.ndpointer(dtype=np.float64, ndim=2),
                                                     np.ctypeslib.ndpointer(dtype=np.int32, ndim=1),
                                                     np.ctypeslib.ndpointer(dtype=np.float64, ndim=2, flags='WRITEABLE'),
                                                     np.ctypeslib.ndpointer(dtype=np.int32, ndim=1)
                                                     ]

data = np.array(np.random.randn(10, 2), dtype=np.float64, order='F')
result = np.zeros_like(data, dtype=np.float64, order='F')

libfit.pyMatrix(data, np.array(data.shape, dtype=np.int32),
                              result, np.array(result.shape, dtype=np.int32))

void npMatrix(const Eigen::Ref<const Eigen::MatrixXd> & data, Eigen::Ref< Eigen::MatrixXd> result);