我有一个函数,其主要瓶颈是在最大奇异值的空间中找到一个(ny)奇异向量对,以及奇异值本身。这样做了很多次。这是我所知道的结构:
- 微小的。4x4 是最常见的情况,但任何小于 100x100 的情况都是可能的
- 密集而复杂
- 正方形
- 以宽度的平方根为界的最大奇异值
现在我们正在使用Eigen::JacobiSVD
. 有人会推荐更快的东西吗?函数的最终迭代需要很高的精度,但我们可能能够在开始迭代中以较低的精度逃脱。
我有一个函数,其主要瓶颈是在最大奇异值的空间中找到一个(ny)奇异向量对,以及奇异值本身。这样做了很多次。这是我所知道的结构:
现在我们正在使用Eigen::JacobiSVD
. 有人会推荐更快的东西吗?函数的最终迭代需要很高的精度,但我们可能能够在开始迭代中以较低的精度逃脱。
根据文档,Eigen::BDCSVD 在大小 n >= 16 的情况下优于 Eigen::JacobiSVD,尽管测试是有保证且足够简单的。界面完全一样。