Eigen张量如何避免临时对象内存分配？noalias方法失效求解

问题根源 #

Eigen的张量模块与矩阵模块的表达式优化机制不同，矩阵模块的noalias()方法并不适用于张量类型；而链式张量运算（如Tensor1 * Tensor2 * 1i）会创建临时张量存储中间结果，触发堆内存分配，进而导致性能下降、内存占用过高。

解决方案 #

使用张量表达式的evalTo()方法，直接将整个运算的结果计算到目标张量中，完全避免临时对象的创建：

1. 修改运算逻辑
   将原赋值语句替换为evalTo()调用，直接在Product的内存空间中计算表达式结果：

void TensorProduct(Eigen::Tensor<std::complex<double>, 3>& Tensor1, Eigen::Tensor<double, 3>& Tensor2, Eigen::Tensor<std::complex<double>, 3>& Product){
    // 直接将运算结果写入Product，无临时对象分配
    (Tensor1 * Tensor2 * std::complex<double>(0, 1)).evalTo(Product);
}

2. 优化参数传递
   原函数中Tensor2按值传递会创建副本，改为引用传递进一步减少内存开销：

// 将Tensor2的参数改为非const引用（若无需修改可改为const引用）
void TensorProduct(Eigen::Tensor<std::complex<double>, 3>& Tensor1, Eigen::Tensor<double, 3>& Tensor2, Eigen::Tensor<std::complex<double>, 3>& Product){
    (Tensor1 * Tensor2 * std::complex<double>(0, 1)).evalTo(Product);
}

验证效果 #

修改后重新运行代码，Eigen::internal::set_is_malloc_allowed(false)不会再触发断言错误，说明无临时对象的堆内存分配，代码的运行效率和内存占用将得到明显优化。

内容的提问来源于stack exchange，提问作者Mathew77