如何在Eigen中高效存储矩阵乘法结果以降低内存占用

问题根源 #

你当前的代码中，每次循环执行A.transpose() * B时，Eigen会创建一个临时矩阵存储乘法结果，之后再通过reshaped转成视图并赋值给C.row(i)。即使使用noalias()，也只是避免了赋值时的临时拷贝，但乘法本身产生的临时矩阵依然会占用额外内存，循环多次后内存占用会显著上升。

核心优化思路 #

让Eigen直接将矩阵乘法的结果写入C.row(i)的内存空间，完全跳过中间临时矩阵的创建。关键是让乘法表达式的输出维度与目标内存的维度匹配，或者通过转置目标来匹配乘法结果的维度。

具体实现方案 #

假设A.transpose() * B的计算结果是C_col×1的列向量（这也是你需要reshaped(1, C_col)转成行向量的原因），可以直接将C.row(i)转置为列向量作为乘法的输出目标：

for (int i = 0; i < C_row; ++i) {
  // 直接将乘法结果写入C.row(i)的内存，无临时矩阵
  C.row(i).transpose().noalias() = A.transpose() * B;
}

为什么这样有效？ #

• C.row(i).transpose()返回的是C.row(i)内存的列向量视图，没有额外内存开销。
• noalias()告诉Eigen不需要创建临时矩阵，可以直接将A.transpose() * B的计算结果写入目标内存。
• 彻底消除了原代码中乘法步骤产生的临时矩阵，内存占用会大幅降低。

其他补充优化 #

1. 确保内存连续访问：你的C是RowMajor布局的Map，C.row(i)本身是连续内存块，符合Eigen的高效计算要求，无需额外调整。
2. 编译优化：开启编译器的O2/O3优化选项，Eigen会进一步优化表达式模板的执行，减少不必要的内存操作。
3. 复用临时内存（备选）：如果因为维度匹配问题无法直接写入目标内存，可以预先分配一个临时向量循环复用，避免每次循环重新分配：

   Eigen::Matrix<float, -1, 1> temp(C_col);
   for (int i = 0; i < C_row; ++i) {
     temp.noalias() = A.transpose() * B;
     C.row(i) = temp.transpose();
   }
   

内容的提问来源于stack exchange，提问作者Lei Gao