C++ 从特征(SparseLU对象)序列化分解矩阵
我试图求解Ax=b,其中矩阵A的大小可以很大,接近1M x 1M,是稀疏对称的,但可能不是正定义的 问题是,使用in-eigen计算分解可能需要很长时间,最好存储sparseLU矩阵而不是原始矩阵,这样每当我们使用相同的矩阵a执行类似操作时,我们都可以通过不需要重新计算 快速搜索stackoverflow和google返回,搜索稀疏矩阵以序列化特征矩阵。但是,我不确定相同的代码是否可以应用于sparseLU对象 也许我应该重新表述我的问题: 如何将分解后的矩阵存储到文件中?C++ 从特征(SparseLU对象)序列化分解矩阵,c++,sparse-matrix,eigen,C++,Sparse Matrix,Eigen,我试图求解Ax=b,其中矩阵A的大小可以很大,接近1M x 1M,是稀疏对称的,但可能不是正定义的 问题是,使用in-eigen计算分解可能需要很长时间,最好存储sparseLU矩阵而不是原始矩阵,这样每当我们使用相同的矩阵a执行类似操作时,我们都可以通过不需要重新计算 快速搜索stackoverflow和google返回,搜索稀疏矩阵以序列化特征矩阵。但是,我不确定相同的代码是否可以应用于sparseLU对象 也许我应该重新表述我的问题: 如何将分解后的矩阵存储到文件中? 当前的方法都集中于存
当前的方法都集中于存储原始矩阵,但我想存储分解后的矩阵。有办法吗?谢谢。以下示例将帮助您实现自己的序列化 编辑更改示例以回答改写的问题
#include <Eigen/Dense>
#include <Eigen/Core>
#include <Eigen/Sparse>
#include <Eigen/SparseLU>
#include <iostream>
#include <fstream>
using namespace Eigen;
using namespace std;
typedef Triplet<int> Trip;
template <typename T, int whatever, typename IND>
void Serialize(SparseMatrix<T, whatever, IND>& m) {
std::vector<Trip> res;
int sz = m.nonZeros();
m.makeCompressed();
fstream writeFile;
writeFile.open("matrix", ios::binary | ios::out);
if(writeFile.is_open())
{
IND rows, cols, nnzs, outS, innS;
rows = m.rows() ;
cols = m.cols() ;
nnzs = m.nonZeros() ;
outS = m.outerSize();
innS = m.innerSize();
writeFile.write((const char *)&(rows), sizeof(IND));
writeFile.write((const char *)&(cols), sizeof(IND));
writeFile.write((const char *)&(nnzs), sizeof(IND));
writeFile.write((const char *)&(outS), sizeof(IND));
writeFile.write((const char *)&(innS), sizeof(IND));
writeFile.write((const char *)(m.valuePtr()), sizeof(T ) * m.nonZeros());
writeFile.write((const char *)(m.outerIndexPtr()), sizeof(IND) * m.outerSize());
writeFile.write((const char *)(m.innerIndexPtr()), sizeof(IND) * m.nonZeros());
writeFile.close();
}
}
template <typename T, int whatever, typename IND>
void Deserialize(SparseMatrix<T, whatever, IND>& m) {
fstream readFile;
readFile.open("matrix", ios::binary | ios::in);
if(readFile.is_open())
{
IND rows, cols, nnz, inSz, outSz;
readFile.read((char*)&rows , sizeof(IND));
readFile.read((char*)&cols , sizeof(IND));
readFile.read((char*)&nnz , sizeof(IND));
readFile.read((char*)&outSz, sizeof(IND));
readFile.read((char*)&inSz , sizeof(IND));
m.resize(rows, cols);
m.makeCompressed();
m.resizeNonZeros(nnz);
readFile.read((char*)(m.valuePtr()) , sizeof(T ) * nnz );
readFile.read((char*)(m.outerIndexPtr()), sizeof(IND) * outSz);
readFile.read((char*)(m.innerIndexPtr()), sizeof(IND) * nnz );
m.finalize();
readFile.close();
} // file is open
}
int main(int argc, char *argv[]){
int rows, cols;
rows = cols = 6;
SparseMatrix<double> A(rows,cols), B;
std::vector<Trip> trp, tmp;
trp.push_back(Trip(0, 0, rand()));
trp.push_back(Trip(1, 1, rand()));
trp.push_back(Trip(2, 2, rand()));
trp.push_back(Trip(3, 3, rand()));
trp.push_back(Trip(4, 4, rand()));
trp.push_back(Trip(5, 5, rand()));
trp.push_back(Trip(2, 4, rand()));
trp.push_back(Trip(3, 1, rand()));
A.setFromTriplets(trp.begin(), trp.end());
cout << A.nonZeros() << endl; // Prints 8
cout << A.size() << endl; // Prints 36
cout << A << endl; // Prints the matrix along with the sparse matrix stuff
Serialize(A);
Deserialize(B);
cout << B.nonZeros() << endl; // Prints 8
cout << B.size() << endl; // Prints 36
cout << B << endl; // Prints the reconstructed matrix along with the sparse matrix stuff
SparseLU<SparseMatrix<double>, COLAMDOrdering<int> > solver;
solver.isSymmetric(true);
solver.compute(A); // Works...
/*
...
*/
return 0;
}
#包括
#包括
#包括
#包括
#包括
#包括
使用名称空间特征;
使用名称空间std;
typedef三重态跳闸;
模板
无效序列化(SparseMatrix&m){
std::向量res;
int sz=m.非零();
m、 makeCompressed();
流写入文件;
open(“矩阵”,ios::binary | ios::out);
if(writeFile.is_open())
{
IND ROW、cols、NNZ、outS、innS;
行=m.行();
cols=m.cols();
nnzs=m.非零();
outS=m.outerSize();
innS=m.innerSize();
writeFile.write((const char*)&(rows),sizeof(IND));
writeFile.write((const char*)&(cols),sizeof(IND));
writeFile.write((const char*)&(nnzs),sizeof(IND));
writeFile.write((const char*)和(out),sizeof(IND));
writeFile.write((const char*)和(innS),sizeof(IND));
writeFile.write((const char*)(m.valuePtr()),sizeof(T)*m.nonZeros());
writeFile.write((const char*)(m.outerIndexPtr()),sizeof(IND)*m.outerSize());
writeFile.write((const char*)(m.innerIndexPtr()),sizeof(IND)*m.nonZeros());
writeFile.close();
}
}
模板
void反序列化(SparseMatrix&m){
fstream读取文件;
open(“矩阵”,ios::binary | ios::in);
if(readFile.is_open())
{
IND行、cols、nnz、inSz、outSz;
readFile.read((char*)&rows,sizeof(IND));
readFile.read((char*)&cols,sizeof(IND));
readFile.read((char*)&nnz,sizeof(IND));
readFile.read((char*)&outSz,sizeof(IND));
readFile.read((char*)&inSz,sizeof(IND));
m、 调整大小(行、列);
m、 makeCompressed();
m、 resizeNonZeros(nnz);
readFile.read((char*)(m.valuePtr()),sizeof(T)*nnz);
readFile.read((char*)(m.outerIndexPtr()),sizeof(IND)*outSz);
readFile.read((char*)(m.innerIndexPtr()),sizeof(IND)*nnz);
m、 定稿();
readFile.close();
}//文件已打开
}
int main(int argc,char*argv[]){
int行,cols;
行=cols=6;
SparseMatrix A(行,列),B;
std::载体trp,tmp;
trp.push_back(Trip(0,0,rand());
trp.push_back(Trip(1,1,rand());
trp.push_back(Trip(2,2,rand());
trp.push_back(Trip(3,3,rand());
trp.push_back(Trip(4,4,rand());
trp.推回(行程(5,5,rand());
trp.推回(行程(2,4,rand());
trp.push_back(Trip(3,1,rand());
A.setFromTriplets(trp.begin(),trp.end());
矩阵有多稀疏?有提到的选项。我不确定矩阵有多稀疏,因为这可能会随着输入的变化而变化。但是,这里的主要问题是,是否可以序列化分解的sparseLU对象。当尝试使用我在sparseLU对象上提供的链接提供的方法时,它们都不起作用。在nk我提供的,ggael展示了如果你想进行你自己的序列化,如何访问索引和矩阵的值。谢谢Avi,我想我现在明白你的意思了。再加上和,我认为有可能序列化sparseLU。现在的问题是以下错误:“类本征::sparseLU”没有member命名为'nonZeros',这很奇怪,因为我已经检查过nonZeros()肯定是一个成员函数,我不确定这出了什么问题。嗨,Avi,非常感谢你的帮助。我最近收到ggael的通知,我无法保存SparseLU对象,我将不得不“破解”sparseLU对象类,以便我执行序列化。非常感谢您的帮助!!@Sam我刚才才意识到您想保存sparseLU
对象,而不是SparseMatrix
。如果ggael说您必须自己保存/加载方法,那就去吧。谢谢,删除了注释!