C++ 特征张量广播语法

我有以下numpy代码：

# q.shape == (fxs, ks)
# E.shape == (fxs, fxs)
C = q[:, np.newaxis, :] * E[:, :, np.newaxis] * q[np.newaxis, :, :]
# C.shape == (fxs, fxs, ks)

我正在Eigen中重新实现它

以下是我的想法：

Eigen::Tensor<T, 3> C =
          q.reshape(Eigen::array<int, 3> {fxs, 1,   ks}).broadcast(Eigen::array<int, 3> {1, fxs, 1})
        * E.reshape(Eigen::array<int, 3> {fxs, fxs, 1 }).broadcast(Eigen::array<int, 3> {1, 1, ks})
        * q.reshape(Eigen::array<int, 3> {1,   fxs, ks}).broadcast(Eigen::array<int, 3> {fxs, 1, 1});

Eigen:：张量C=
q、 重塑（特征：：数组{fxs，1，ks}）。广播（特征：：数组{1，fxs，1}）
*重塑（特征：：数组{fxs，fxs，1}）。广播（特征：：数组{1，1，ks}）
*重塑（本征：：数组{1，fxs，ks}）。广播（本征：：数组{fxs，1，1}）；

---

但这似乎相当冗长。这是正确的翻译吗？

< p>你可以试试xtSc+C++模板库，它支持动态和静态尺寸

xtensor有一个与numpy非常相似的API，包括矢量化、广播和通用函数。这里有一份numpy到xtensor的备忘单：

最后，你可以通过点击

顶部的绑定徽章来尝试在C++的Juyter笔记本中进行直播。 xtensor还为科学计算的主要语言（R、Julia、Python）提供了绑定