Ce qui est une bonne bibliothèque C++ pour les opérations matricielles

BLAS est, de facto, la norme Fortran pour tous d'algèbre linéaire de base de l'exploitation (essentiellement des multiplications de matrices et de vecteurs). Il existe de nombreuses implémentations disponibles. Par exemple:

• ATLAS est gratuit et soi-disant auto-optimisation. Vous avez besoin de le compiler vous-même.
• Goto BLAS est maintenu par Kazushige Goto à la TACC. Il est très bon à faire le dernier spectacle peu en dehors des processeurs modernes. C'est seulement pour l'usage scolaire.
• Intel MKL permet l'optimisation BLAS pour les processeurs Intel. Il n'est pas gratuit, même pour l'usage scolaire.

Ensuite, vous souhaiterez peut-être utiliser un wrapper C++, par exemple boost::ublas.

Si vous programmez sur des systèmes distribués, il y a PBLAS et ScaLAPACK qui permettent l'utilisation de la transmission de message pour distribué les opérations d'algèbre linéaire. Sur une machine multicœur, généralement mises en œuvre de BLAS (au moins Intel MKL) utiliser des threads pour assez grand matrices.

Si vous voulez plus avancés des routines d'algèbre linéaire (vecteurs propres, systèmes linéaires, moins carré, ...), puis il y a les autres, de facto, norme Fortran LAPACK. À ma connaissance, il n'y a rien pour l'intégrer élégamment avec le C++, autres que l'appel de la nue-routines Fortran. Vous devez écrire des wrappers pour masquer le Fortran appels et de fournir un type de son-la vérification de la mise en œuvre.

OriginalL'auteur

J'ai eu une bonne expérience avec de Boost uBLAS. C'est une bonne option si vous utilisez déjà des coup de pouce.

OriginalL'auteur

il ne peut pas la course avec les bibliothèques scientifiques, mais avec visual c++, il est à portée de main

#include <windows.h>
#include <gdiplus.h>
#pragma comment (lib,"Gdiplus.lib")
using namespace Gdiplus;

int main()
{
    ULONG_PTR gpToken = 0;
    GdiplusStartup(&gpToken, &GdiplusStartupInput(), NULL);
    //lib inited

    Matrix A;
    A.Translate(10,20);

    Matrix B;
    B.Rotate(35.0);

    A.Multiply(&B);
    if (A.IsInvertible())
        A.Invert();
    if (!A.IsIdentity())
        A.RotateAt(120.0, PointF(10,10));

    //getting values
    REAL elements[6];
    A.GetElements(elements);

    //lib stopped
    GdiplusShutdown(gpToken);
    return 0;
}

donc, avec cela, vous pouvez facilement prendre la multiplication de matrice obstacle (sur Windows)

GdiPlus De La Matrice De La Documentation

OriginalL'auteur

Il y a une option pour mettre en œuvre vous-même, peut-être en utilisant std::valarray parce que peut être parallélisé en utilisant OpenMP: gcc a certainement une telle version, MSVC++ n'est probablement trop.

Sinon, les astuces suivantes: l'un des matrices doit être transposée. Ensuite, vous avez:

AB[i,j] = Sum(k) A[i,k] B^t [j,k]

où vous êtes à la numérisation de la mémoire contiguë. Si vous avez 8 cœurs, vous pouvez assez facilement diviser la série de [i,j] indices en 8, et de donner à chaque cœur de 1/8 du total des emplois. Pour le rendre encore plus rapide, vous pouvez utiliser le vecteur instructions de multiplication, la plupart des compilateurs fournir une fonction spéciale pour cela. Le résultat ne sera pas aussi rapide qu'une écoute de la bibliothèque, mais il devrait être OK.

Si vous êtes en train de faire plus de calculs tels que le polynôme d'évaluation, un enfilage de l'évaluateur qui a aussi le support des threads (gak, deux types de threads) va faire du bon boulot, même si il ne le fera pas à faible niveau de réglage. Si vous voulez vraiment faire des trucs rapide, vous devez utiliser correctement à l'écoute de la bibliothèque comme Atlas, mais alors, vous n'auriez probablement pas être en cours d'exécution de Windows si vous avez été sérieux au sujet de la CPS.

OriginalL'auteur