Tensorflow的Eigen编程

1. Eigen is a C++ template library for linear algebra: matrices, vectors, numerical solvers, and related algorithms. http://eigen.tuxfamily.org/  

• 支持整数、浮点数、复数，使用模板编程，可以为特殊的数据结构提供矩阵操作。比如在用ceres-solver进行做优化问题（比如bundle adjustment）的时候，有时候需要用模板编程写一个目标函数，ceres可以将模板自动替换为内部的一个可以自动求微分的特殊的double类型。而如果要在这个模板函数中进行矩阵计算，使用Eigen就会非常方便。
• 支持逐元素、分块、和整体的矩阵操作。
• 内含大量矩阵分解算法包括LU，LDLt，QR、SVD等等。
• 支持使用Intel MKL加速
• 部分功能支持多线程
• 稀疏矩阵支持良好，到今年新出的Eigen3.2，已经自带了SparseLU、SparseQR、共轭梯度（ConjugateGradient solver）、bi conjugate gradient stabilized solver等解稀疏矩阵的功能。同时提供SPQR、UmfPack等外部稀疏矩阵库的接口。
• 支持常用几何运算，包括旋转矩阵、四元数、矩阵变换、AngleAxis（欧拉角与Rodrigues变换）等等。
• 更新活跃，用户众多（Google、WilliowGarage也在用），使用Eigen的比较著名的开源项目有ROS（机器人操作系统）、PCL（点云处理库）、Google Ceres（优化算法）。OpenCV自带到Eigen的接口。

2. 常用的矩阵计算工具有blas, cublas(caffe)、atlas、openblas(mxnet)、eigen，还有lapack、mkl(intel)、Armadillo（matlab）

3. Eigen库包含 Eigen模块和unsupported模块，其中Eigen模块为official module，unsupported模块为开源贡献者开发的，没有official support。

4.Eigen自带的稀疏矩阵分解功能包括LDLt、LLt分解（即Cholesky分解，这个功能是LGPL许可，不是Eigen的MPL许可）、LU分解、QR分解（这个是3.2版本之后正式Release的）、共轭梯度解矩阵等。另外还提供了到第三方稀疏矩阵库的C++接口，包括著名的SuiteSparse系列（这个系列非常强大，有机会要好好研究一下）的SparseQR、UmfPack等。

C++矩阵运算库比较大，全部学习内容很多，就了解了解。

学习链接：

http://eigen.tuxfamily.org/dox/GettingStarted.html

https://eigen.tuxfamily.org/dox/

http://eigen.tuxfamily.org/index.php?title=Benchmark

https://my.oschina.net/cvnote/blog/166980

http://blog.csdn.net/houjixin/article/details/8490941

http://blog.csdn.net/houjixin/article/details/8492841

http://blog.csdn.net/houjixin/article/details/8494582