如何解决基于cereal序列化Eigen张量的编译错误？

问题背景 #

参考现有Eigen矩阵的cereal序列化实现，尝试编写Eigen张量的序列化代码，但编译时提示找不到有效的序列化方法。

原实现代码 #

namespace cereal
{
    template <class Archive, class Derived> inline
    typename std::enable_if<traits::is_output_serializable<BinaryData<typename Derived::Scalar>, Archive>::value, void>::type
    save(Archive & ar, Eigen::PlainObjectBase<Derived> const & m){
        const auto& d = m.dimensions();
        const int dims = d.size;
        for(int i=0;i<dims;i++)
        {
            ar(d[i]);
        }
        ar(binary_data(m.data(),m.size()*sizeof(typename Derived::Scalar)));
    }

    template <class Archive, class Derived> inline
    typename std::enable_if<traits::is_input_serializable<BinaryData<typename Derived::Scalar>, Archive>::value, void>::type
    load(Archive & ar, Eigen::PlainObjectBase<Derived> const & m){
        const auto& d = m.dimensions();
        const int dims = d.size;
        for(int i=0;i<dims;i++)
        {
            ar(d[i]);
        }
        ar(binary_data(m.data(),static_cast<std::size_t>(m.size()*sizeof(typename Derived::Scalar))));
    }
}

测试代码 #

Eigen::Tensor<double, 3> tensor3dmaus = {4, 3, 2};
tensor3dmaus.setValues( {{{1, 2}, {3, 4}, {5, 6}},
                     {{7, 8}, {9, 10}, {11, 12}},
                     {{13, 14}, {15, 16}, {17, 18}},
                     {{19, 20}, {21, 22}, {23, 24}}} );

{
    std::ofstream out("eigen.cereal", std::ios::binary);
    cereal::BinaryOutputArchive archive_o(out);
    archive_o(tensor3dmaus);
}

std::cout << "test:" << std::endl << tensor3dmaus << std::endl;

Eigen::Tensor<double,3> test_loaded;

{
    std::ifstream in("eigen.cereal", std::ios::binary);
    cereal::BinaryInputArchive archive_i(in);
    archive_i(test_loaded);
}

std::cout << "test loaded:" << std::endl << test_loaded << std::endl;

编译错误信息 #

Types must either have a serialize function, load/save pair, or 

load_minimal/save_minimal pair (you may not mix these). 
 Serialize functions generally have the following signature: 

 template<class Archive> 
   void serialize(Archive & ar) 
   { 
     ar( member1, member2, member3 ); 
   } 

修正思路及代码 #

核心错误点 #

1. load函数参数为const引用：加载需要修改张量内容与维度，const限制导致无法写入，cereal无法识别为有效load函数。
2. 加载时未调整张量维度：原代码直接使用目标张量的初始维度，与保存的张量维度不匹配，会导致数据读写错误。
3. 缺少显式的cereal特化声明：cereal需要明确知道该类型使用load/save对，而非默认的serialize函数。

修正后的序列化代码 #

namespace cereal
{
    // 保存Eigen张量：兼容固定/动态维度
    template <class Archive, class Derived>
    inline typename std::enable_if<traits::is_output_serializable<BinaryData<typename Derived::Scalar>, Archive>::value, void>::type
    save(Archive& ar, const Eigen::PlainObjectBase<Derived>& m)
    {
        const auto& dims = m.dimensions();
        const std::size_t num_dims = dims.size();
        // 先保存维度数量，提升通用性
        ar(num_dims);
        // 保存各维度大小
        for (std::size_t i = 0; i < num_dims; ++i)
        {
            ar(dims[i]);
        }
        // 二进制保存张量数据
        ar(binary_data(m.data(), m.size() * sizeof(typename Derived::Scalar)));
    }

    // 加载Eigen张量：去掉const，支持修改张量
    template <class Archive, class Derived>
    inline typename std::enable_if<traits::is_input_serializable<BinaryData<typename Derived::Scalar>, Archive>::value, void>::type
    load(Archive& ar, Eigen::PlainObjectBase<Derived>& m)
    {
        std::size_t num_dims;
        ar(num_dims);
        // 读取各维度大小
        std::vector<Eigen::Index> dims(num_dims);
        for (std::size_t i = 0; i < num_dims; ++i)
        {
            ar(dims[i]);
        }
        // 调整张量到目标维度
        m.resize(dims);
        // 加载二进制数据
        ar(binary_data(m.data(), m.size() * sizeof(typename Derived::Scalar)));
    }

    // 显式声明cereal使用load/save模式，解决编译报错
    template <class Derived>
    struct specialization<Eigen::PlainObjectBase<Derived>, cereal::specialization::member_load_save> {};
}

测试代码注意事项 #

• 确保目标张量test_loaded声明为Eigen::Tensor<double,3>（补充Eigen命名空间），加载时resize会自动调整其维度与保存的张量一致。

内容的提问来源于stack exchange，提问作者KeynesCoeFen