Eigen中如何用Map类型将非连续行浅拷贝至emb_look_up？

直接使用Eigen::Map无法实现非连续行的浅拷贝，因为Map要求映射的内存区域是连续的，而row_idx指定的非连续行在global_matrix中的内存地址是分散的，无法通过单个Map对象统一映射。

替代方案：使用Eigen的IndexedView（零拷贝视图） #

从Eigen 3.4版本开始，引入了IndexedView特性，可以直接创建原矩阵非连续行/列的视图，完全不需要拷贝数据（相当于“浅引用”），同时支持后续的矩阵运算。

修改后的代码如下：

#include <Eigen/Dense>
#include <vector>

void func(Eigen::MatrixXf& global_matrix, Eigen::MatrixXf* hidden_vec, std::vector<int>& row_idx) {
  // 创建非连续行的视图，仅引用原矩阵数据，无拷贝
  auto emb_look_up = global_matrix(row_idx, Eigen::all);
  
  // 直接使用视图完成矩阵乘法，noalias()避免不必要的临时矩阵
  hidden_vec->noalias() = Eigen::Matrix<float, 1, 32>::Ones() * emb_look_up;
}

关键说明 #

• global_matrix(row_idx, Eigen::all)会生成一个IndexedView对象，它只是对原矩阵中指定行的引用，不会分配新内存或拷贝数据，完全符合“浅拷贝”的需求。
• 后续的矩阵乘法可以直接使用这个视图，Eigen的表达式模板会自动优化计算流程，效率比先深拷贝再运算更高。
• 如果使用的是Eigen 3.4之前的版本，建议升级到最新版本来使用IndexedView；若无法升级，可以考虑将row_idx转换为Eigen::VectorXi，并通过循环结合Eigen::Ref来逐个引用行，但这种方式在矩阵运算时无法直接作为整体参与，灵活性和效率不如IndexedView。

内容的提问来源于stack exchange，提问作者chabg qiu