C++ 的 NumPy 样式数组？ [关闭]

这里有几个可能适合您需求的免费软件。

GNU 科学库是用 C 编写的 GPL 软件。因此，它具有类似 C 的分配和编程方式（指针等）。使用 GSLwrap，您可以使用 C++ 编程方式，同时仍然使用 GSL。 GSL 有一个 BLAS 实现，但如果您想要更多性能，您可以使用 ATLAS 代替默认的 CBLAS。 boost/uBLAS 库是一个 BSL 库，用 C++ 编写并作为 boost 包分发。它是实现 BLAS 标准的 C++ 方式。 uBLAS 带有一些线性代数函数，并且有一个与 ATLAS 的实验绑定。 eigen 是一个用 C++ 编写的线性代数库，在 MPL2 许可证（从版本 3.1.1 开始）或 LGPL3/GPL2（旧版本）下分发。这是一种 C++ 编程方式，但比其他两种方式更集成（可用的算法和数据结构更多）。 Eigen 声称比上面的 BLAS 实现更快，但不遵循事实上的标准 BLAS API。 Eigen 似乎并没有在并行实现上投入太多精力。 Armadillo 是用于 C++ 的 LGPL3 库。它具有 LAPACK（numpy 使用的库）的绑定。它使用递归模板和模板元编程，这是一个好点（我不知道其他库是否也在这样做？）。 xtensor 是一个获得 BSD 许可的 C++ 库。它提供了一个与 NumPy 非常相似的 C++ API。有关备忘单，请参阅 https://xtensor.readthedocs.io/en/latest/numpy.html。

如果您只想获得数据结构和基本线性代数，这些替代方案非常好。根据您对风格、许可证或系统管理员挑战的喜好（安装 LAPACK 等大型库可能很困难），您可以选择最适合您需求的库。

---

试试 xtensor。 （见 NumPy to Xtensor Cheat Sheet）。

xtensor 是一个 C++ 库，用于使用多维数组表达式进行数值分析。

xtensor 提供

一个可扩展的表达系统，支持 numpy 风格的广播。

一个遵循 C++ 标准库习语的 API。

用于操作数组表达式并基于 xtensor 构建的工具。

例子

初始化一个二维数组并计算其中一行与一维数组的总和。

#include <iostream>
#include "xtensor/xarray.hpp"
#include "xtensor/xio.hpp"

xt::xarray<double> arr1
  {{1.0, 2.0, 3.0},
   {2.0, 5.0, 7.0},
   {2.0, 5.0, 7.0}};

xt::xarray<double> arr2
  {5.0, 6.0, 7.0};

xt::xarray<double> res = xt::view(arr1, 1) + arr2;

std::cout << res;

输出

{7, 11, 14}

初始化一维数组并就地重塑它。

#include <iostream>
#include "xtensor/xarray.hpp"
#include "xtensor/xio.hpp"

xt::xarray<int> arr
  {1, 2, 3, 4, 5, 6, 7, 8, 9};

arr.reshape({3, 3});

std::cout << arr;

输出

{{1, 2, 3},
 {4, 5, 6},
 {7, 8, 9}}

---

DyND 被设计成一个类似 NumPy 的 C++ 库。诸如广播、算术运算符和切片之类的东西都可以正常工作。另一方面，它仍然非常处于实验阶段，许多功能还没有实现。

这是使用 DyND 数组在 C++ 中的 de Casteljau 算法的简单实现：

#include <iostream>
#include <dynd/array.hpp>

using namespace dynd;

nd::array decasteljau(nd::array a, double t){
    size_t e = a.get_dim_size();
    for(size_t i=0; i < e-1; i++){
        a = (1.-t) * a(irange()<(e-i-1)) + t * a(0<irange());
    }
    return a;
}

int main(){
    nd::array a = {1., 2., 2., -1.};
    std::cout << decasteljau(a, .25) << std::endl;
}

不久前，我写了一个 blog post，其中包含更多示例以及 Fortran 90、C++ 中的 DyND 和 Python 中的 NumPy 的语法的并排比较。

免责声明：我是当前的 DyND 开发人员之一。

---

使用 LibTorch（C++ 的 PyTorch 前端）并开心。

---

这是一个老问题。还是想回答。想法可能会帮助很多人，尤其是 pydevs 用 C++ 编码。

如果您已经使用过 python numpy，那么 NumCpp 是一个不错的选择。它的语法极简，并且具有与 py numpy 类似的功能或方法。

自述文件中的 comparison 部分也非常非常酷。

NumCpp

nc::NdArray<int> arr = {{4, 2}, {9, 4}, {5, 6}};
arr.reshape(5, 3);
arr.astype<double>();

---

如果您想使用多维数组（如 numpy）进行图像处理或神经网络，您可以使用 OpenCV cv::Mat 以及大量的图像处理算法。如果您只想将它用于矩阵运算，您只需编译相应的 opencv 模块以减小大小并拥有微型 OpenCV 库。

cv::Mat（矩阵）是一个 n 维数组，可用于存储各种类型的数据，例如 RGB、HSV 或灰度图像、具有实值或复值的向量、其他矩阵等。

Mat 包含以下信息：width, height, type, channels, data, flags, datastart, dataend 等等。

它有几种矩阵操作方法。您可以在 CUDA 核心和 cv::cuda::GpuMat 上创建奖励。

考虑我想创建一个 10 行 20 列的矩阵，输入 CV_32FC3：

int R = 10, C = 20;
Mat m1; 
m1.create(R, C, CV_32FC3); //creates empty matrix

Mat m2(cv::Size(R, C), CV_32FC3); // creates a matrix with R rows, C columns with data type T where R and C are integers, 

Mat m3(R, C, CV_32FC3); // same as m2

奖金：

为矩阵运算编译 tiny and compact opencv 库。其中一种方法就像本文中提到的那样。

或者

使用以下 cmake 命令编译 opencv 源代码：

$ git clone https://github.com/opencv/opencv.git
$ cd opencv
$ git checkout <version you want to checkout>
$ mkdir build
$ cd build
$ cmake -D WITH_CUDA=OFF -D WITH_MATLAB=OFF -D BUILD_ANDROID_EXAMPLES=OFF -D BUILD_DOCS=OFF -D BUILD_PERF_TESTS=OFF -D BUILD_TESTS=OFF -DANDROID_STL=c++_shared -DBUILD_SHARED_LIBS=ON -D BUILD_opencv_objdetect=OFF -D BUILD_opencv_video=OFF -D BUILD_opencv_videoio=OFF -D BUILD_opencv_features2d=OFF -D BUILD_opencv_flann=OFF -D BUILD_opencv_highgui=OFF -D BUILD_opencv_ml=OFF -D BUILD_opencv_photo=OFF -D BUILD_opencv_python=OFF -D BUILD_opencv_shape=OFF -D BUILD_opencv_stitching=OFF -D BUILD_opencv_superres=OFF -D BUILD_opencv_ts=OFF -D BUILD_opencv_videostab=OFF -D BUILD_opencv_dnn=OFF -D BUILD_opencv_imgproc=OFF ..
$ make -j $nproc
$ sudo make install

试试这个例子：

 #include "opencv2/core.hpp"
 #include<iostream>

 int main()
 {
     std::cout << "OpenCV Version " << CV_VERSION << std::endl;

     int R = 2, C = 4;
     cv::Mat m1;
     m1.create(R, C, CV_32FC1); //creates empty matrix

     std::cout << "My Mat : \n" << m1 << std::endl;
 }

使用以下命令编译代码：

$ g++ -std=c++11 opencv_mat.cc -o opencv_mat `pkg-config --libs opencv` `pkg-config --cflags opencv`

运行可执行文件：

$ ./opencv_mat

OpenCV Version 3.4.2
My Mat :
[0, 0, 0, 0;
 0, 0, 0, 0]

---

Eigen 是一个很好的线性代数库。

http://eigen.tuxfamily.org/index.php?title=Main_Page

它很容易安装，因为它是一个只有头文件的库。它依赖于模板来生成优化好的代码。它自动向量化矩阵运算。

它还完全支持系数明智的操作，例如两个矩阵之间的“每元素乘法”。这是你需要的吗？

---

Blitz++ 支持具有任意数量轴的数组，而 Armadillo 最多支持三个（向量、矩阵和立方体）。 Eigen 仅支持向量和矩阵（不支持立方体）。缺点是 Blitz++ 除了基本的入口运算和张量收缩之外没有线性代数函数。开发似乎在很长一段时间前已经放缓，但也许这只是因为图书馆做了它所做的事情，不需要做太多的改变。

---

VIGRA 包含一个很好的 N 维数组实现：

http://ukoethe.github.io/vigra/doc/vigra/Tutorial.html

我广泛使用它，发现它非常简单有效。它也只是标题，因此很容易集成到您的开发环境中。就其 API 而言，这是我遇到的最接近使用 NumPy 的东西。

主要的缺点是它没有像其他人那样广泛使用，所以你不会在网上找到太多帮助。那个，而且它的名字很尴尬（尝试搜索它！）

---

xtensor 很好，但我最终自己用 c++20 编写了一个迷你库作为玩具项目，同时试图保持界面尽可能简单。这是：https://github.com/gbalduzz/NDArray

示例代码：

using namespace nd;
NDArray<int, 2> m(3, 3); // 3x3 matrix
m = 2; // assign 2 to all
m(-1, all) = 1; // assign 1 to the last row.

auto tile = m(range{1, end}, range{1, end}); // 2x2 tile
std::sort(tile.begin(), tile.end());

std::cout << m; // prints [[2, 2, 2], [2, 1, 1], [1, 2, 2]]

它还没有提供将多个操作折叠在一起的花哨的算术运算符，但是您可以将任意 lambda 广播到一组具有相同形状的张量，或者使用惰性求值的算术运算符。

让我知道你对接口的看法以及它与其他选项的比较，如果这有任何希望，你希望看到什么样的操作被实现。

免费许可，无依赖！

附录：我设法正确编译和运行 xtensor，结果是我的库在迭代视图时明显更快（2 到 3 倍）

---

Eigen 是线性代数（矩阵、向量……）的模板库。它只是标题并且可以免费使用（LGPL）。

---

GSL 很棒，它可以满足您的所有要求以及更多功能。虽然它是在 GPL 下获得许可的。

---

虽然 GLM 旨在与 OpenGL 和 GLSL 轻松结合，但它是一个功能齐全的仅适用于 C++ 的标头数学库，具有一组非常直观的接口。

它声明了向量和矩阵类型以及对它们的各种操作。

将两个矩阵相乘很简单，如 (M1 * M2)。减去两个向量 (V1- V2)。

访问向量或矩阵中包含的值同样简单。例如，在声明一个 vec3 向量之后，可以使用 vector.x 访问它的第一个元素。一探究竟。

---