学习日记【Eigen】：初遇Tensor

最新推荐文章于 2026-03-12 00:40:26 发布
原创 最新推荐文章于 2026-03-12 00:40:26 发布 · 641 阅读 · 0
文章探讨了Eigen库在处理二维和多维矩阵（Tensor）时的应用，指出了在深度学习场景下更倾向于使用tensorflow。同时，作者提到了在进行Tensor操作，尤其是计算平均值时可能遇到的问题，如数据过多可能导致int类型求和溢出，以及只有使用double类型时结果才与opencv一致的情况。代码示例展示了从OpenCV的Mat转换到Eigen的Tensor并计算平均值的过程。

1.Eigen普通支持Matrix为二维矩阵，三维矩阵，或者更高维的，叫Tensor

2.对于深度学习训练还是想使用tensorflow

3.多维的Tensor矩阵操作起来还是很不方便，至少现在不太清楚是怎么操作的

4.在处理Tensor.mean时，数据过多且tensor为int类型时，可能存在总和越界，求出来为负值情况，而且只有tensor数据类型为double时，与opencv结果保持一致

学习过程中的部分测试代码:

#include "color.h"
void main()
{
       std::string image_path = "test_im
标签
#c++ #opencv #图像处理
最低0.47元/天 解锁文章
C++ Eigen3库Tensor操作整理(持续更新)
P_Leung的技术博客
11-15 8966
项目引入 VS2019环境下 点击<项目> 管理NuGet程序包 搜索Eigen3，安装即可 在项目源代码添加头文件 #include <unsupported/Eigen/CXX11/Tensor> Tensor操作 concatenate #include <iostream> #include <unsupported/Eigen/CXX11/Tensor> int main() { Eigen::Tensor<float, 2&
Eigen中Tensor的使用技巧
luffytom的博客
04-11 6031
目录：使用Eigen的Tensor缘由Tensor的矩阵乘法操作Tensor的reshape操作Tensor的堆叠(stack)操作Tensor的find（where）操作 使用Eigen的Tensor缘由 之所以使用Eigen的Tensor，主要是因为Tensorflow中的一个C++项目中，需要对graph中得到的Tensor进行数据后处理。而tensorflow的C++API中用到了Eige...
Eigen::Tensor使用帮助
隔壁老李
02-02 815
用python实现了某些算法之后，想转成C++来获取更高的性能。但是python数组的操作太灵活了，尤其是3维、4维、5维等高维数组，以及它们的广播、数组坐标、切片等机制。还有numpy的pad、where等操作更是给C++转换带来了更多的麻烦。 查阅了相关的资料，发现Eigen库有Tensor结构，可以实现python的高维数组运算。但是Eigen::Tensor在网上的资料非常少，官网对其也描述甚少。甚至由于AI的流行，许多错误的信息也给我们带来很多困扰。 我想整理一个比较全
2.Eigen Tensor详解【一】
fengshengwei3的专栏
12-17 1万+
目录 一 不同类型Tensor的构造方式 二 访问Tensor元素 三 Tensor 布局 四Tensor 运算 五 Tensor 运算和C++ “auto” 关键字 六.控制何时执行表达式的真正计算 1.赋值给Tensor, TensorFixedSize, TensorMap 2.调用eval()函数 3.赋值给TensorRef 七 相关API说明 1.Tenso...
3.Eigen Tensor详解【二】
fengshengwei3的专栏
12-18 5968
目录 七 相关API说明 1.Tensor 属性的查询 2.初始化 1. setConstant(const Scalar& val) 2. setZero() 3. setValues({..initializer_list}) 4. setRandom() 3.访问tensor元素 1.Tensor、TensorFixedSize、TensorRef 提供了...
4.Eigen Tensor详解【三】
fengshengwei3的专栏
12-24 6681
目录 七 相关API说明 6.降维运算 7.扫描操作 8 .卷积操作 9.几何运算 （1） reshape(const Dimensions& new_dims) （2） shuffle(const Shuffle& shuffle) (3) stride(const Strides& strides) （4） slice(const StartIndi...
Qt+OpenCV联合开发（二十）--图像像素类型转换与归一化
hml111666的博客
02-04 2253
一、基本知识 大家知道，一张图像默认的存储格式是8位字节类型的，实际上在opencv中可以转换不同的数据类型，用convertTo()的API函数实现。另外一个维度上面你可以对数据的取值空间scale即0-255之间压到0-1取值范围之间，这个就用到归一化函数normalize()，简单点说就是进行归一化。 四种归一化的方法：（0-255归一化到0-1） MORM_MINMAX(最常用) MORM_INF MORM_L1 MORM_L2 二、函数原型 1、convertTo函数 作用：将数
opencv笔记17-图像像素类型转换与归一化
qq_48065235的博客
04-27 5064
图像像素类型转换与归一化 #include<iostream> #include<opencv2/opencv.hpp> using namespace std; using namespace cv; /* * opencv中提供了四种归一化方式： * -NORM_MINMAX：根据delta=max-min * -NORM_INF: 根据最大值 * -NORM_L1：依据单位向量为1 * -NORM_L2：依据和为1 * 最常用
华为昇腾 CANN算子：利用迭代器高效实现Tensor数据切割分块处理
baidu_41878122的博客
07-01 555
在CANN aicpu算子开发实现中，经常需要对n维Tensor进行切片（slice）、切块（dice）、转置（transpose）、交换指定维度数据（shuffle）等操作。上述操作实质上是按照指定规律依次进行数据读取，并将读取到的数据写入新的数据地址中。 本文以Diagonal算子为例，介绍并详细讲解如何利用迭代器对n维Tensor进行基于位置坐标的大批量数据读取工作。 ...
Eigen::Tensor使用，定义高维矩阵
u013241583的博客
10-29 8085
在实际项目中，需要存储大于等于三维的矩阵，而平常中我们使用Eigen::MatrixXd二维数据，这里我们使用Eigen::Tensor来定义 1.Using the Tensor module #include <unsupported/Eigen/CXX11/Tensor> 2.定义矩阵 2.一般矩阵 官方文档 // 定义一个2x3x4大小的矩阵 Eigen::Tensor<float, 3> a(2, 3, 4); // 初始化为0 a.setZero();
C++ Eigen3库Tensor高效操作指南：从基础到实战
最新发布
weixin_29009669的博客
03-12 209
本文详细介绍了C++ Eigen3库中Tensor模块的高效操作方法，涵盖从基础概念到实战应用。通过对比传统矩阵与多维张量的差异，深入解析了TensorMap、拼接、转置、重塑等核心操作，并提供了与NumPy的对比及性能优化技巧，帮助开发者在计算机视觉、深度学习推理等场景中高效处理多维数据。
从零开始编写深度学习库（五）Eigen Tensor学习笔记2.0
hjimce的专栏
05-26 4518
1、extract_image_patches函数的使用：假设Eigen::Tensor形状为(3,8,8,9),现在要对第二维、第三维根据size大小为(2,2),stride=(2,2)，那么如果tensor类型是rowmajor类型，那么经过extract_image_patches后的数据就是(3,4*4,2,2,9)的5维数组，如果tensor类型是colmajor类型，那么得到的数据就
如何让Eigen代码跑在GPU/线程池上1
knswd的博客
01-23 6204
前提 虽说Eigen是一个优秀的并行计算库，但是只跑在单线程环境下在牛鼻和你我写出来的代码也没啥区别。本文需要读者了解GPU并行计算的基础。 先看会源码 大伙先来看源码： 有句话说的好，源码之前了无秘密 /usr/local/include/unsupported/Eigen/CXX11 这个文件夹下的头文件将满足你的所有需求(嘿嘿，起飞咯) 先看一下Tensor头文件： #ifdef EIGEN_USE_THREADS #include "ThreadPool" #endif #ifdef EIGEN_
libtorch::Tensor与Eigen::Tensor互相转换
a1367666195的博客
08-04 1016
C++ libtorch::Tensor 与 Eigen::Tensor互相转化
Eigen库学习笔记（四）Eigen用于三维张量
juluwangriyue的博客
12-18 6269
Eigen库学习笔记（四）Eigen用于三维张量1、示例：2、3维张量3、固定大小矩阵TensorFixedSize4、常用函数API 平常中我们使用Eigen::MatrixXd二维矩阵。 Eigen的三维张量正处于开发中，在unsupported文件夹下，还没有放到正式代码中。 Eigen::Tensor来定义 IMPORTANT NOTE: The current developement version of Eigen (post-3.2) supports Tensors. This suppo
Eigen tensor
Blankit1的博客
05-17 1174
tensor的官网教程 https://eigen.tuxfamily.org/dox/unsupported/eigen_tensors.html 参考链接 https://blog.csdn.net/a2824256/article/details/121328952 slice操作 https://blog.csdn.net/qq_35007834/article/details/122627402 rowmajor or colmajor reshape #include ..
Eigen库学习笔记（十三）Eigen实现softmax
juluwangriyue的博客
02-22 980
Eigen库学习笔记（十三）Eigen实现softmax1、pytorch中的softmax2、Eigen实现softmax 1、pytorch中的softmax 示例： import torch import torch.nn as nn input = torch.Tensor([-1,-2,-3,-4]) m = nn.Softmax(dim=0) output = m(input) print(output) 输出： tensor([0.6439, 0.2369, 0.0871, 0.0321
Tensorflow的C++部署系列（九）：Eigen Tensor详解【一】
weixin_41068770的博客
06-08 2789
1.Eigen Tensor详解【一】 tensorflow 的C++ api 中采用了Eigen的Tensor ，因此本文仔细探究一下Eigen 库Tensor的始末。 Tensor(张量） 是多维数组，元素通常是标量，但也支持复杂的元素（如字符串） 见：https://eigen.tuxfamily.org/dox-devel/unsupported/eigen_tensors.html 一 不同类型Tensor的构造方式 #include "./eigen/unsupported/E..
从零开始编写深度学习库（四）Eigen::Tensor学习使用及代码重构
热门推荐
hjimce的专栏
05-12 1万+
一、矩阵大小可变构造函数：Class Tensor// Create a tensor of rank 3 of sizes 2, 3, 4. This tensor owns // memory to hold 24 floating point values (24 = 2 x 3 x 4). Tensor t_3d(2, 3, 4);//构建一个float类型，3维矩阵，每一维的长度分别为
Eigen入门 使用eigen库实现图像旋转变换
qq_39597358的博客
07-15 2728
#include "stdafx.h" #include <Eigen\dense> #include <iostream> #include <fstream> using namespace Eigen; using namespace std; #define MAT Matrix<double, Dynamic,Dynamic,RowMajor> #define VEC Matrix<double, 1, Dynamic, RowMajo.
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值