GAMES101 作业0

0 0 0

已于 2024-09-17 15:22:39 修改

阅读量572

点赞数 4

分类专栏： GAMES101 现代计算机图形学入门文章标签：机器学习算法人工智能

于 2024-09-17 15:16:47 首次发布

本文链接：https://blog.csdn.net/2301_79799657/article/details/142314076

版权

GAMES101 现代计算机图形学入门专栏收录该内容

2 篇文章 0 订阅

订阅专栏

跟着官方教程使用了虚拟机，Eigen: Matrix and vector arithmetic ，使用 cmake 进行编译

GAMES101 现代计算机图形学入门官方教程作业0发布公告 – 计算机图形学与混合现实在线平台 (games-cn.org)

虚拟机安装

超级详细的 VirtualBox 虚拟机安装及入门教程-CSDN博客

代码框架

#include<cmath>
#include<eigen3/Eigen/Core>
#include<eigen3/Eigen/Dense>
#include<iostream>

int main(){

    // Basic Example of cpp
    std::cout << "Example of cpp \n";
    float a = 1.0, b = 2.0;
    std::cout << a << std::endl;
    std::cout << a/b << std::endl;
    std::cout << std::sqrt(b) << std::endl;
    std::cout << std::acos(-1) << std::endl;
    std::cout << std::sin(30.0/180.0*acos(-1)) << std::endl;

    // Example of vector
    std::cout << "Example of vector \n";
    // vector definition
    Eigen::Vector3f v(1.0f,2.0f,3.0f);
    Eigen::Vector3f w(1.0f,0.0f,0.0f);
    // vector output
    std::cout << "Example of output \n";
    std::cout << v << std::endl;
    // vector add
    std::cout << "Example of add \n";
    std::cout << v + w << std::endl;
    // vector scalar multiply
    std::cout << "Example of scalar multiply \n";
    std::cout << v * 3.0f << std::endl;
    std::cout << 2.0f * v << std::endl;

    // Example of matrix
    std::cout << "Example of matrix \n";
    // matrix definition
    Eigen::Matrix3f i,j;
    i << 1.0, 2.0, 3.0, 4.0, 5.0, 6.0, 7.0, 8.0, 9.0;
    j << 2.0, 3.0, 1.0, 4.0, 6.0, 5.0, 9.0, 7.0, 8.0;
    // matrix output
    std::cout << "Example of output \n";
    std::cout << i << std::endl;
    // matrix add i + j
    // matrix scalar multiply i * 2.0
    // matrix multiply i * j
    // matrix multiply vector i * v

    return 0;
}

头文件

在 Eigen 库中，#include<eigen3/Eigen/Core> 和 #include<eigen3/Eigen/Dense> 都用于引入库的不同部分，但它们所包含的内容和用途有所不同。

#include<eigen3/Eigen/Core>：
- 这个指令引入了 Eigen 库的核心模块，它包括了进行线性代数计算所必需的基本组件。
- 核心模块定义了矩阵和向量的类（例如 Eigen::Matrix 和 Eigen::Vector），以及一些基本的线性代数运算，如加法、减法、标量乘法、转置等。
- 它还包含了 Eigen 的大部分数据类型和基础功能，但并不包括对特定矩阵分解或更高级运算的支持。
- Eigen/Core 是 Eigen 库中其他模块的基石，通常作为其他模块的依赖。
#include<eigen3/Eigen/Dense>：
- 这个指令引入了 Eigen 库中处理密集矩阵和数组的模块。
- Eigen/Dense 模块依赖于 Eigen/Core，因此它包含了核心模块的所有功能，并且还扩展了对密集矩阵和向量的支持，包括更复杂的线性代数运算，如矩阵乘法、求逆、分解（LU、Cholesky、QR、SVD 等）。
- 这个模块提供了对动态大小和固定大小矩阵的支持，以及对各种数学运算和函数的广泛覆盖。
- Eigen/Dense 是进行大多数线性代数计算时最常用的模块，特别是当你需要进行矩阵分解或其他高级操作时。

总结来说，Eigen/Core 提供了 Eigen 的基础功能，而 Eigen/Dense 在此基础上增加了对密集矩阵和向量操作的全面支持。在大多数情况下，如果你需要进行矩阵运算，你可能会直接包含 Eigen/Dense，因为它已经包含了 Eigen/Core 的所有内容。如果你的项目只需要使用 Eigen 的一小部分功能，或者你想要减小编译时的依赖和大小，你可以选择只包含 Eigen/Core。

使用 cmake 进行编译

CMake 是一个跨平台的自动化构建系统，它使用配置文件（CMakeLists.txt）来生成标准的构建文件，如 Unix 的 Makefile 或 Windows 的 Visual Studio 工程文件。以下是使用 CMake 进行编译的一般步骤：

编写 CMakeLists.txt 文件：这是 CMake 项目的配置文件，它定义了项目的构建规则和目标。
创建构建目录：为了保持源代码目录的干净，通常会创建一个单独的构建目录。
运行 CMake：在构建目录中运行 CMake 来生成构建系统。
编译项目：使用生成的构建系统来编译项目。

下面是这些步骤的详细说明：

步骤 1: 编写 CMakeLists.txt 文件

在你的项目根目录中创建一个 CMakeLists.txt 文件，这个文件包含了构建项目的指令。例如：

cmake

cmake_minimum_required(VERSION 3.10)
project(MyProject)

# 设置 C++ 标准
set(CMAKE_CXX_STANDARD 11)

# 添加可执行文件
add_executable(MyProject main.cpp)

步骤 2: 创建构建目录

在你的项目根目录下创建一个构建目录，通常命名为 build：

bash

mkdir build
cd build

步骤 3: 运行 CMake

在构建目录中运行 CMake，指定源代码目录：

bash

cmake ..

这个命令会根据 CMakeLists.txt 文件生成适合你系统的构建文件。如果你使用的是 Unix 系统，它会生成 Makefile；如果你使用的是 Windows，它会生成 Visual Studio 解决方案文件。

步骤 4: 编译项目

使用生成的构建系统来编译项目：

对于 Unix 系统：

bash
```
make
```
这将使用 make 工具来编译项目。
对于 Windows 系统：

如果你生成的是 Visual Studio 解决方案文件，你可以打开 .sln 文件并使用 Visual Studio 来编译项目。或者，如果你使用的是 Ninja 或其他生成器，你可以使用相应的命令来编译项目。

其他

"Bash" 是 "Bourne Again SHell" 的缩写，它是一种广泛使用的 Unix shell 和命令语言。Bash 是 GNU 操作系统的一部分，用于与操作系统交互，控制程序执行，以及自动化任务。它是由 Brian Fox 为 GNU 项目编写的，作为对传统 Bourne shell（sh）的改进。

Bash 具有以下特点：