C++；：：如何捕获由void函数创建的矩阵 我通常用Python编码，但由于组合爆炸，我决定用C++来解决问题。我的想法是将NUMPY数组保存在NPY文件中，然后我将输入NPY文件的C++函数。由于我对C++指针和引用的理解有限，我无法总结如何获取空虚函数的值。void函数没有返回任何内容，所以我不能使用通常的赋值操作。如何将新的（&mat_out）赋值给我想要的变量，比如A。或者通过返回值（如第二个注释函数）的另一种方式，但是在这种方法中，我遇到了类型不匹配的问题。我的主要问题是如何使这两种方法中的任何一种都起作用。但从知识的角度来看，我也想知道如何利用在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; } #包括 #包括 #包括“cnpy.h” #包括“opencv2/highgui.hpp” 使用名称空间std； 使用名称空间特征； 使用名称空间cv； void cnpy2eigen（字符串数据名称，Eigen:：MatrixXd和mat_out）{ cnpy:：NpyArray npy_数据=cnpy:：npy_负载（数据名称）； //double*ptr=npy_data.data（）； int data_row=npy_data.shape[0]； int data_col=npy_data.shape[1]； double*ptr=静态（malloc（数据行*数据列*大小（双））； memcpy（ptr，npy_data.data（），data_row*data_col*sizeof（double））； cv:：Mat dmat=cv:：Mat（cv:：Size（data_col，data_row），cv_64F，ptr）；//cv_64F等于双精度 新建（&mat_out）特征：：映射（重新解释转换（dmat.data）、数据列、数据行）； } /* Eigen:：Map*cnpy2eigen（字符串数据名称）{ cnpy:：NpyArray npy_数据=cnpy:：npy_负载（数据名称）； //double*ptr=npy_data.data（）； int data_row=npy_data.shape[0]； int data_col=npy_data.shape[1]； double*ptr=静态（malloc（数据行*数据列*大小（双））； memcpy（ptr，npy_data.data（），data_row*data_col*sizeof（double））； cv:：Mat dmat=cv:：Mat（cv:：Size（data_col，data_row），cv_64F，ptr）；//cv_64F等于双精度 返回新的（&mat_out）特征：：映射（重新解释转换（dmat.data）、数据列、数据行）； } */ int main（） { 艾根：：MatrixXd&A=cnpy2eigen（“/Users/osmanmamun/Play\u Ground/C++\practice/bayesframe/X\u data.npy”，艾根：：MatrixXd&A）； 你发布的代码有太多问题了 #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; >你是 Malc -ing数据，这里没有匹配的免费< /C>。首先，标准的“低级”C++将使用新< /C>和 Dele> （更好地使用 STD:：vector < /代码>）。但是实际上你可以使用本征的内存分配。 memcpy(ptr, npy_data.data<double>(), data_row * data_col * sizeof(double));

您是否在任何地方使用

dmat

？如果没有，请将其删除。还要注意，OpenCV使用行主存储（我假设numpy使用列主存储？）

以下是一个已修复/已清理的版本：

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
}

void cnpy2eigen（std:：string const&data\u fname，Eigen:：MatrixXd&mat\u out）{
cnpy:：NpyArray npy_数据=cnpy:：npy_负载（数据名称）；
double*ptr=npy_data.data（）；
int data_row=npy_data.shape[0]；
int data_col=npy_data.shape[1]；
mat_out=Eigen:：MatrixXd:：Map（ptr，data_row，data_col）；//假设NumPy是主列
}

可以这样称呼：

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

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

intmain（）
{
本征：：矩阵xD A；
cnpy2eigen（“文件名”，A）；
std:：cout
new（&mat_out）Eigen:：Map（…）；
应该是
mat_out=Eigen:：Map（…）；
和
Eigen:：Map*cnpy2eigen（string data_fname）{…return new（&mat_out）Eigen:：Map（…）}
应该是
Eigen Map-cnpy2eigen（string data_fname）{…return Eigen Eigen：：Map（…）}
对于您的个人记录，
new code>（&mat_out）你不需要使用什么东西，直到你对C++非常熟悉，甚至是你几乎从来没有用过的东西。写博客的人要么解决了一个非常有趣的问题，要么试图变得过于聪明，可能会在自己能力之上编码。谢谢你的详细回答。我的未来C++代码的外购是NEVE。污染全局命名空间。
这里是A（0，0）：4.43772e-06.矩阵m的大小为836x32
。似乎大小与np数组相同，但元素已关闭。第一个元素为0.41135383。我认为它没有加载数据，只是显示了驻留在分配空间中的值。如何修复它？你能`std:：cout它是打印为（0，0）的相同值吗.所以问题出在cnpy:：npy_load（）函数中，可能它实际上是
float
数据？（我不知道
cnpy
如何工作，也不知道它将如何处理。）
}

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
}

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

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
}

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