如何一次性访问boost circular buffer全部元素并写入指定shape的张量

解决方案 #

你需要根据是否可以修改缓冲区的类型定义，选择对应的实现方案：

方案1：可修改缓冲区定义（支持真正的一次性写入）

因为你存储的每个元素长度固定为30，建议将元素类型从std::vector<float>替换为std::array<float, 30>，替换后boost::circular_buffer内的所有浮点数据会连续存储，可直接通过内存映射实现一次性写入张量，以下以常用的PyTorch C++ API（LibTorch）为例：

#include <boost/circular_buffer.hpp>
#include <array>
#include <torch/torch.h>

// 修改后的缓冲区定义
boost::circular_buffer<std::array<float, 30>> poses {20};

// 写入张量逻辑
if (poses.full()) { // 确认缓冲区已填满20个元素
    torch::Tensor tensor = torch::from_blob(
        poses.array_one().first, // 取环形缓冲区连续存储段的首地址
        {1, 20, 30},
        torch::kFloat32
    ).clone(); // 若不需要脱离缓冲区生命周期持有张量数据，可删除clone()减少一次拷贝
}

如果使用其他张量库（如TensorFlow C++、Eigen Tensor），逻辑完全一致：直接把环形缓冲区的连续内存地址映射到张量结构即可。

方案2：不可修改缓冲区定义

如果必须保留std::vector<float>作为元素类型，由于每个std::vector的底层数据存储在独立的堆内存上，无法直接一次性批量拷贝所有数据，可通过以下最高效的批量拷贝实现：

#include <boost/circular_buffer.hpp>
#include <vector>
#include <algorithm>
#include <torch/torch.h>

boost::circular_buffer<std::vector<float>> poses {20};

// 初始化目标张量
torch::Tensor tensor = torch::empty({1, 20, 30}, torch::kFloat32);
float* tensor_data = tensor.data_ptr<float>();

// 批量拷贝每个vector的数据到张量对应偏移位置
for (size_t i = 0; i < poses.size(); ++i) {
    std::copy(poses[i].begin(), poses[i].end(), tensor_data + i * 30);
}

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