Eigenを使ってみた。

最近、機械学習が流行っています。機械学習といっても単純なベクトル演算をしているだけなのですが、Eigenもこの機械学習のコア部分といいますか、ベクトル演算を行うライブラリの一つです。

Eigenのどこがすごいかというと、超高速なんていう他のサイトにも書いてあることは書きません。
個人的に感じるすごいところは、C++のテンプレートだけで実装されているので、ライブラリ自体を別途ビルドしなくても、includeファイルだけをもってくればつかえるところ。

しかもWindowsのMSVC、LinuxやMacOSXのclang、GCCなどありとあらゆるコンパイラーをサポートしているので、ほんとうにファイルをコピペするだけでサクッと自分のコードが書けて実行できます。

OpenCVとかのライブラリはぐちゃぐちゃでほんとひどいもんね。
やっぱGoogleすげー。

ほかのライブラリのビルドとかインストールっていつもすごくめんどくさくて、そのためにmakeなどのビルドツールがあるんですが、そんなの一切必要ありません。

Eigenのフォルダーをソースコードと同じところにおいて
gcc -I. hoge.cpp
とうつだけでコンパイルができます。
ビルドを行わなくても使えるって本当にすごいね。

やっぱり時代はコピペなんだね。
僕もこれからライブラリを作るときはテンプレートにしようっと

で、適当なサイトに落ちていた以下のコードをVisualStudioやCygwinコンパイルして実行してみました。なんか超簡単。

---------------------
#include <iostream>

// Eigenのコア機能とジオメトリ機能を使う
#include <Eigen/Core>
#include <Eigen/Geometry>


int main() {
  // 以下サンプルコードでは名前空間Eigenを省略
  using namespace Eigen;

  // 二次元ベクトルv1の定義。初期値は未定義
  Vector2f v1;

  // 初期値はコンストラクタで指定できる
  Vector2f v2(1.0f, 0.5f);
  Vector3f v3(0.0f, 1.0f, -1.0f);

  // 内容を表示
  std::cout << "v2\n" << v2 << std::endl;
  std::cout << "v3\n" << v3 << std::endl;

  // double型3x3行列の定義。初期値は未定義
  Matrix3d m;

  // 行列の初期値はコンストラクタで指定できないが
  // 値は以下のようにまとめて代入できる
  m << 1.0, 0.0, 0.0,
       0.0, 1.0, 0.0,
       0.0, 0.0, 1.0;

  std::cout << "m\n" << m << std::endl;
}