C++ 使用特征矩阵构建三维结构的最有效选项

我的代码需要一个3D矩阵/数组结构，现在我的矩阵和向量都依赖于Eigen

现在，我正在使用

new

创建一个3D结构：

MatrixXd* cube= new MatrixXd[60];
for (int i; i<60; i++) cube[i]=MatrixXd(60,60);

MatrixXd*cube=新的MatrixXd[60]；
对于（int i；i而言，另一种方法是创建一个非常大的内存块，并从中映射特征矩阵：

double* data = new double(60*60 * 60*60*60);

Map<MatrixXd> Mijk(data+60*(60*(60*k)+j)+i), 60, 60);

double*数据=新的双精度（60*60*60*60*60）；
地图Mijk（数据+60*（60*（60*k）+j）+i），60,60）；

在这个阶段，您可以像MatrixXd对象一样使用Mijk。但是，由于这不是MatrixXd类型，如果要将其传递给函数，函数必须：


采用
foo（地图垫）
成为模板函数：
template void foo（const MatrixBase&mat）
以
Ref
对象为例，该对象可以处理
Map
和
Matrix
对象，而无需模板函数和副本。（）
虽然不可用，但当被问及这个问题时，艾根已经提供了一个张量模块一段时间了。它仍然处于“不受支持”的阶段（意味着API可能会改变），但基本功能应该基本稳定。文档是分散的。
我使用的解决方案是形成一个fat矩阵，其中包含所有需要堆叠的矩阵

MatrixXd A(60*60,60);

然后使用

A0=A.block（0*60,0）；
...
A5=A.块（5*60,0）；
如果您真的需要3D矩阵，那么就没有办法使用嵌套循环。对于60x60x60矩阵，您保留了216000个值，因此它的速度总是相对较慢。你想解决什么问题？也许有一种不用3D矩阵的方法可以解决这个问题。我正在计算一个特定时间步长的NxN矩阵，我需要存储每个瞬间的数据，以便在最后进行加权平均。我的问题更多的是关于
new
的使用-更准确地说，如果没有任何其他类型的数组（可能在boost库中）可以用于堆叠多个MatrixXd。
MatrixXd A(60*60,60);

A0 = A.block<60,60>(0*60,0);
...
A5 = A.block<60,60>(5*60,0);