先自我介绍一下,小编浙江大学毕业,去过华为、字节跳动等大厂,目前阿里P7
深知大多数程序员,想要提升技能,往往是自己摸索成长,但自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!
因此收集整理了一份《2024年最新Golang全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友。
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,涵盖了95%以上Go语言开发知识点,真正体系化!
由于文件比较多,这里只是将部分目录截图出来,全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频,并且后续会持续更新
如果你需要这些资料,可以添加V获取:vip1024b (备注go)
正文
这篇博客总结一下C/C++中的矩阵运算库。
一、C++矩阵运算库 - eigen
Eigen是使用C++封装好的的一个矩阵运算库,可以很方便地实现各类矩阵运算,而且不用安装,只需要简单配置即可。
1.下载及安装
1.1Linux安装及配置
sudo apt-get install libeigen3-dev
Eigen只包含头文件,因此它不需要实现编译(只需要使用#include),指定好Eigen的头文件路径,编译项目即可。
Eigen头文件的默认安装位置是:“/usr/include/eigen3”.
1.2Windows配置
下载地址:http://eigen.tuxfamily.org/index.php?title=Main_Page#Download
下载文件解压后,文件目录如下:
- 只需要将eigen-3.4.0的路径加入到头文件查找路径。
- 使用时包含头文件即可,比如 #include <Eigen\Dense>
2.测试使用
本博客在Windows下使用DevC++和Clion两款C/C++来测试一下。
为了应对不同的需求,Eigen库被分为多个功能模块,每个模块都有自己相对应的头文件,以供调用。 其中,Dense模块整合了绝大部分的模块,而Eigen模块更是整合了所有模块(也就是整个Eigen库)。
2.1DevC++
添加头文件路径
测试代码
#include
#include <Eigen\Dense>
using namespace std;
using namespace Eigen;
int main()
{
Matrix2d a;
a << 1, 2,
3, 4;
MatrixXd b(2, 2);
b << 2, 3,
1, 4;
cout << “a + b =\n” << a + b << endl;
cout << “a - b =\n” << a - b << endl;
cout << “Doing a += b;” << endl;
a += b;
cout << “Now a =\n” << a << endl;
cout << "a^T= " << a.transpose() << endl;
cout << "a*b= " << a*b << endl;
Vector3d v(1, 2, 3);
Vector3d w(1, 0, 0);
cout << “-v + w - v =\n” << -v + w - v << endl;
cout << v << endl;
cout << v.transpose() << endl;
system(“pause”);
}
运行结果如下
2.2Clion
clion中添加头文件可以在CMakeLists.txt中添加,也可以在项目目录中添加。
- (推荐)编辑项目目录下的 CMakeLists.txt,添加一行
include_directories(“/path/to/headers”) #换成头文件所在目录
- 将对应的头文件或文件夹复制到项目根目录,然后在源文件中使用 #include “文件名” 包含
这里我们使用第一种方法,更改之后,CMakeLists.txt文件内容如下:
cmake_minimum_required(VERSION 3.19)
project(untitled1)
set(CMAKE_CXX_STANDARD 14)
include_directories(“D:\eigen-3.4.0”)
add_executable(untitled1 main.cpp)
测试代码依旧是上面的代码
#include
#include <Eigen\Dense>
using namespace std;
using namespace Eigen;
int main()
{
Matrix2d a;
a << 1, 2,
3, 4;
MatrixXd b(2, 2);
b << 2, 3,
1, 4;
cout << “a + b =\n” << a + b << endl;
cout << “a - b =\n” << a - b << endl;
cout << “Doing a += b;” << endl;
a += b;
cout << “Now a =\n” << a << endl;
cout << "a^T= " << a.transpose() << endl;
cout << "ab= " << ab << endl;
Vector3d v(1, 2, 3);
Vector3d w(1, 0, 0);
cout << “-v + w - v =\n” << -v + w - v << endl;
cout << v << endl;
cout << v.transpose() << endl;
system(“pause”);
}
运行结果如下
3.深入学习
本博客只是对矩阵运算库的简介、汇总、环境配置,因此不会讲太详细的使用。主要是本人太菜了,讲不来。不过为了内容的完整型,我会给几个好的比较完整的eigen学习教程。
二、C++矩阵运算库 - Armadillo
Armadillo是一个开源高性能C++线性代数库,提供了和Matlab中常用命令接近的函数接口,可以方便地将Matlab/Octave开发的算法移植到C++中。特别地,我们可以先在Matlab环境中编程进行算法原型验证,待算法充分验证通过之后再利用Armadillo移植到C++中编译为独立的可执行程序。虽然Matlab也支持利用mcc直接将m文件编译生成动态链接库文件或者可执行程序,但是这些代码的运行需要Matlab运行环境(MCR)的支持;而通过Armadillo进行移植则可以完全脱离Matlab环境。
1.下载及安装
1.1Linux安装
执行命令:
sudo apt-get install libopenblas-dev
sudo apt-get install liblapack-dev
sudo apt-get install libarpack2-dev
sudo apt-get install libsuperlu-dev
下载Armadillo包,链接:https://sourceforge.net/projects/arma/files/armadillo-9.600.6.tar.xz/download
在Armadillo的安装目录打开终端执行:
cmake .
make
1.2Windows配置
因为Armadillo需要C++11的支持,而DEVC++好久没更新编译器了,支持不好,因此我们换用visual studio2019来测试。
下载Armadillo包,链接:https://sourceforge.net/projects/arma/files/armadillo-9.600.6.tar.xz/download
下载解压后需要配置头文件和库文件的路径。
可以参考这篇文章:基于vs2017的armadillo配置教程(超详细!)
2.测试使用
测试代码如下:
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
需要这份系统化的资料的朋友,可以添加V获取:vip1024b (备注Go)
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
(超详细!)]( )
2.测试使用
测试代码如下:
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
需要这份系统化的资料的朋友,可以添加V获取:vip1024b (备注Go)
[外链图片转存中…(img-EY8x99TL-1713433113777)]
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!