[英]Eigen Matrix Vector Division
我正在尝试在Eigen中实现一个Normalizer。
它试图实现的功能如下:
Xnorm = (X - np.mean(X, axis=0))/(np.std(X, axis=0))
(等效numpy)
在主标准化步骤中,我有如下函数:
typedef Eigen::Matrix<float, Eigen::Dynamic, Eigen::Dynamic, Eigen::RowMajor>
matrix_eig;
typedef Eigen::Matrix<float, Eigen::Dynamic, Eigen::RowMajor> vector_eig;
matrix_eig Normalizer::Transform(const matrix_eig &X) {
// mean_ and std_ are vector_eig types
matrix_eig centered = X.rowwise() - mean_.transpose();
// Below line doesnt work since '/' is not allowed for matrices
return centered.rowwise()/std_;
}
我的问题是我究竟如何做像centered.rowwise().array()
?
问题是:
我究竟该怎样做像
centered.rowwise().array()
答案很简单:
centered.array().rowwise()
因此,您应该将该部门写为:
return centered.array().rowwise() / std_.array();
顺便说一下, vector_eig
的定义也有错误。 如果你想要一个行向量,那么它是:
typedef Eigen::Matrix<float, 1, Eigen::Dynamic> vector_eig;
或者干脆:
typedef Eigen::RowVectorXf vector_eig;
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.