我正在尝试重新创建以下 Python numpy 代码：
num_rows, num_cols = data.shape
N = 4
data = data.reshape(N, num_rows/N, num_cols)
在 C++ 中使用犰狳矩阵和立方体？怎样才能最有效地做到这一点。我不认为直接支持从 2d 矩阵移动到 3d 立方体的调整大小/重塑操作？
【问题讨论】：
标签： python c++ numpy armadillo
构造这种立方体的最快方法是使用advanced constructors 之一。这些允许您直接从内存的任意部分创建新对象，即使不复制任何数据。这在本质上最接近 NumPy 进行重塑的方式，其中返回原始数据的视图，而不是副本。
你会像这样使用构造函数：
// Assuming a is an arma::mat.
int N = 4;
arma::cube c(a.memptr(), N, a.n_rows / N, a.n_cols, false);
这直接从a获取内存，无需复制，将其用作c的数据。
当然，这很快，但很危险。只要c 存在，您就有责任保证指向的内存是有效的。这意味着c 的生命周期必须严格嵌套在a 的生命周期中。这很难确保，尤其是当a 和c 都在堆上创建时。
您还可以允许c 复制 a 的数据，方法是省略最后一个参数或将其设置为true。这比无复制构造函数花费更多时间，但可能比从 a 的数据分配每个切片要少，因为此构造函数对基础数据执行单个批量 memcpy。
所有这些都取决于@ewcz 的回答提出的行与列的主要观点。确保您知道在重塑时会得到什么，尤其是在您使用高级构造函数时。
【讨论】：
data.reshape(N, num_rows/N, num_cols) 本质上是通过将data 的行划分为N 组来创建N 切片.由于犰狳以列为主的方式存储数据，这样的切片在内存中不会是连续的，需要做一些“重新洗牌”。构造函数方法适用于data.reshape(N, num_rows, num_cols/N) 之类的东西，即将矩阵拆分为“列”空间...
由于犰狳使用数据的列主要排序（与依赖行主要排序的 numpy 相比），只需将矩阵放入具有 1 个切片的立方体中并对其进行整形将产生不同的结果（下面的矩阵 B）。另一种方法可能是手动构造切片：
#include <iostream>
#include <armadillo>
int main(){
const arma::uword N = 2;
const arma::uword num_rows = 4;
const arma::uword num_cols = 3;
arma::mat A(num_rows, num_cols, arma::fill::randu);
std::cout << A;
arma::cube B(num_rows, num_cols, 1);
B.slice(0) = A;
B.reshape(num_rows/N, num_cols, N);
std::cout << B;
arma::cube C(num_rows/N, num_cols, N);
for(arma::uword i = 0; i < N; ++i){
C.slice(i) = A.rows(i*N, (i+1)*N-1);
}
std::cout << C;
return 0;
}
【讨论】：