COO-SpMV 的 Eigen::Map<Sparse>答案

【问题标题】：Eigen::Map<Sparse> for COO-SpMVCOO-SpMV 的 Eigen::Map<Sparse>
【发布时间】：2020-03-24 18:36:57
【问题描述】：

简而言之，这是我的问题：在 Tux Eigen (C++) 中为（未排序的）coo 矩阵生成映射的正确代码是什么？

以下代码成功为压缩行存储 (crs/csr) 格式的稀疏矩阵生成映射 A_map，该矩阵存储在 crs_structure A1 中。（我使用metis 表示法。m=rows，n=cols，nnz=#nonzeros。）

Eigen::Map<Eigen::SparseMatrix< double,Eigen::RowMajor,myInt>> A_map(A1.m,A1.n,A1.nnz,A1.adj,A1.adjncy,A1.values,NULL );

我使用以下代码尝试为坐标存储 (coo) 格式的稀疏矩阵生成地图 A_map，该矩阵存储在 coo_structure A2 中。 ptrI,ptrJ,ptrV 是 int64*,int64*,double*，给出 ptrV 中值的行坐标。

Eigen::Map<Eigen::SparseMatrix< double,Eigen::RowMajor,myInt>> A_map(A2.m,A2.n,A2.nnz,A2.ptrI,A2.ptrJ,A2.ptrV,innerNonZerosPtr);

我需要地图，因为我想将 Eigen 的稀疏矩阵向量积 (matvec) 与我的进行基准测试。

一般来说，A 的所有索引都没有排序。否则，可以从 $\cO(nnz)$ 中的 coo 格式创建 csr 格式，从而绕过该问题。

这不是一个选项，因为对索引进行排序比计算 matvec 消耗更多的时间。

旁注：我不明白“innerNonZerosPtr”是什么意思；我未能在 Eigen 文档中找到它的实际解释。可能，了解它在我的场景中的意图和有目的的使用可以解决我的问题。

干杯，非常感谢您的帮助。

【问题讨论】：

【解决方案1】：

这里有一个例子sparseTutorial

对于行主要情况，innerNnz 向量存储每行的非零元素的数量。如果矩阵是压缩形式，则不需要 innerNnz。

【讨论】：