特征值：行主要稀疏矩阵的不同行式存储器保留

Question

Eigen库中是否有可能为逐行（每个行都不同）的行稀疏矩阵预留空间？

我正在尝试优化填充相当大的稀疏矩阵的内存消耗（〜70mio x 70mio和〜20亿个nnz是我可以达到的最大，但我想走得更远）。 为了弄清楚我的去向：

首先，我使用了推荐的setFromTriplets，这可能是填充矩阵最快的方法，但是在检查内存消耗时，我发现在使用此功能的那一刻，峰值大约是平均内存的两倍，这是有道理的，因为我-在某些时候-将元素存储在三元组的矩阵和向量中，直到向量超出范围。

使用insert（）明显改善了最大内存消耗。 但是，由于重新分配，我仍然达到顶峰。 然后，我还使用了reserve（），以便没有（或更少）重新分配。 它也会使峰值降低很多，但由于重新分配（如果valgrind是正确的），它并未完全消失。 由于我的大多数行的NNZ都低于最大值，因此我在存储中获得了很多空的已分配条目，这增加了平均内存消耗。 使用makeCompressed会再次降低平均值，但显然也会使峰值再次升高，因为调用它时必须进行更多的重新分配。

为什么现在我问上述问题是：我可以计算出每一行的NNZ并对其进行排序，以便我实际上应该能够完全优化此模型，它具有压缩矩阵，没有任何空分配，并且没有重新分配峰值每行保留不同数量的NNZ。

如果有人让我知道在Eigen中是否可行，如果不能，我将不胜感激：您知道有支持它的图书馆吗？

谢谢一群！

Answer 1

是的，有可能，而且您可能已经在文档中找到了该功能：

template<class SizesType> void SparseMatrix::reserve(const SizesType & reserveSizes);

注意SizesType可以是例如std::vector （或std::deque ）或Eigen::VectorXi 。

另外，如果您能够按顺序将元素插入矩阵，则还可以查看（内部）函数insertBack 。