C 矩陣運算庫推薦

矩陣運算再很多數學演算法中經常用到，不懂矩陣，就不算真正理解現代數學。大量現代高階演算法都需要用到矩陣運算，根據之前的工作，順便做了個調查，做一些相關的推薦吧。

許可證：mpl 2.0

目前使用比較廣的c++矩陣運算庫之一，是在c++下使用matlab方式操作矩陣很好的選擇，許多matlab的矩陣操作函式都可以找到對應，這對習慣了matlab的人來說實在是非常方便，另外如果要將matlab下做研究的**改寫成c++，使用armadillo也會很方便，這裡有乙個簡易的matlab到armadillo的語法轉換。下面列了一些armadillo的特性：

總體來講很好用的矩陣庫，速度上因為可以使用openblas等庫進行加速，因此還是不錯的。網上可以找到乙個叫 nghia ho的人寫的關於和eigen及opencv的速度比較做參考，速度略優。不過也由於依賴lapack等庫完成矩陣分解計算，在windows上執行可能會比較痛苦。

許可證：主要為mpl 2.0，部分有來自第三方的**為lgpl

非常強大的矩陣運算庫，我一直在用，大家用了都說好。使用類似matlab的方式操作矩陣，可以在這裡檢視官方的與maltab的對應關係，個人感覺單純講和matlab的對應的話，可能不如armadillo對應的好，但功能絕對強大。eigen包含了絕大部分你能用到的矩陣演算法，同時提供許多第三方的介面。eigen乙個重要特點是沒有什麼依賴的庫，本身僅有許多標頭檔案組成，因此非常輕量而易於跨平台。你要做的就是把用到的標頭檔案和你的**放在一起就可以了。eigen的一些特性：

總體來講，如果經常做一些比較複雜的矩陣計算的話，或者想要跨平台的話，非常值得一用。

許可證：目前是bsd

opencv在計算機視覺領域名氣實在是太大了，而且最近幾年庫里的演算法開始**式的增長，最近貌似計畫推出opencv 3了（參見這裡）。有人開始抱怨opencv現在內容太雜了，不過這樣的好處就是從是研究開發的話，乙個庫就可以得到大部分計算機視覺的流行演算法，省去了很多麻煩。

opencv自帶的矩陣計算功能算不上是專業的矩陣計算庫，但是如果你用c++寫機器學習、計算機視覺的程式，一定會經常用到。opencv的矩陣計算功能還算比較完善，雖然速度略差勁，但用在大多數的開發和研究領域也是足夠了。特別是opencv 2.2之後提供了類matlab的矩陣c++介面，使得直接使用opencv進行矩陣計算變得簡單易用。列兩個比較值得一提的特點：

**：許可證：mit

作者karl rupp來自維也納大學，開發了一套vienna*系列的開源軟體，其中還包括viennamath（symbolic math符號計算）、viennafem（有限元）等等。viennacl在後台支援opencl、openmp和cuda，可以方便地使用各種型號的cpu或gpu進行平行計算。

安裝使用有非常詳細的官方文件。

**：petsc在網上可一找到很多英文資料，使用也比較廣泛。不過在學校實驗室的一般的科學計算可能接觸的還比較少。推薦乙個youtube（可能要翻牆）的五集petsc簡單入門《prace video tutorial – petsc tutorial》。

在stackexchange上有乙個帖子《recommendations for a usable, fast c++ matrix library?》裡面蒐羅了許多矩陣運算庫。另外inria有人寫了乙個文件《linear algebra libraries》，對常見的矩陣運算庫進行了總結。除了上面提到的幾個庫之外，下面還有一些比較常用或堅持更新的矩陣庫：

C 矩陣運算庫推薦

C 矩陣運算庫推薦

C 矩陣運算庫推薦

C 矩陣庫推薦

相關推薦