0
我在执行矩阵乘法时似乎遇到了精度损失,并且想知道如何防止这种情况。例如,假设壮举和β是适当的尺寸,犰狳:矩阵乘法损失的精度
Y = feat*beta.rows(0,N);
我一起工作的数字是相当小的值,多数数字是小于1E-3所以有可能是什么我想实现是不可能的。我还应该注意到这是一个调用C++函数的MATLAB函数,因此涉及到MEX编译器。当他们到达时,我确实检查了mex函数中的数字,他们是正确的,只有在上面的这一行后,我才得到令人难以置信的错误答案。
编辑:我决定这不会给程序的完整背景带来伤害。这是我到目前为止。我有一条线,精度的损失来自一个评论。
编辑2:下面是一些有关矩阵的例子。
Feat_2d是5x4608
0 0 0 0 0
0 0 0 0 0
0 0 0 0 4.8146
0 0 19.0266 0 0
0 0 0 0 0
Beta_2d是4609x4。我把最后一排的壮举*的乘法Beta_2d
-7.1486e-05 -1.6801e-04 1.0970e-05 3.7837e-04
-8.7524e-05 1.8275e-04 -6.7857e-04 2.6267e-04
-9.1812e-05 -6.5495e-05 -1.7687e-03 -3.2168e-04
0e+00 0e+00 0e+00 0e+00
-4.5089e-04 -5.6013e-05 1.4841e-04 2.4912e-04
Y =
6.8995e-310 0e+00 4.7430e-322 1.7802e-306
6.8995e-310 0e+00 4.9407e-322 1.4463e-307
0e+00 0e+00 0e+00 1.4463e-307
0e+00 0e+00 1.2352e-322 1.2016e-306
6.8996e-310 6.8996e-310 6.8995e-310 1.7802e-306
下面是从EDIT1
#include <mex.h>
#include <iostream>
#include <armadillo>
using namespace arma;
void predict_bbox_reg(double *beta, int beta_dim[2], double *t_inv, int tinv_dim[2], double mu, double *feat, int feat_dim[2], double *boxes, int box_dim[2]){
//convert pointers
//beta
arma::mat beta_2d = mat(beta_dim[0], beta_dim[1]);
for(int i = 0; i<beta_dim[0]; i++){
for(int j = 0; j<beta_dim[1]; j++){
beta_2d(i, j) = beta[i+beta_dim[0]*j];
}
}
//t_inv
arma::mat tinv_2d = mat(tinv_dim[0], tinv_dim[1]);
for(int i = 0; i<tinv_dim[0]; i++){
for(int j = 0; j<tinv_dim[1]; j++){
tinv_2d(i, j) = t_inv[i+tinv_dim[0]*j];
}
}
//feadoublet_2d
arma::mat feat_2d = mat(feat_dim[0], feat_dim[1]);
for(int i = 0; i<feat_dim[0]; i++){
for(int j = 0; j<feat_dim[1]; j++){
feat_2d(i, j) = feat[i+feat_dim[0]*j];
}
}
//boxes
arma::mat box_2d = mat(box_dim[0], box_dim[1]);
for(int i = 0; i<box_dim[0]; i++){
for(int j = 0; j<box_dim[1]; j++){
box_2d(i, j) = boxes[i+box_dim[0]*j];
}
}
arma::mat Y = mat(feat_dim[0], beta_dim[1]);
Y = feat_2d*beta_2d.rows(0,beta_dim[0]-2);// this is the precision loss
arma::mat y1 = beta_2d.row(beta_2d.n_rows-1);
Y.each_row() += y1.row(0);
//RETURNS SOMETHING
}
void mexFunction(int nlhs, mxArray *plhs[], int nrhs, const mxArray *prhs[]) {
int M = mxGetM(prhs[0]);
int N = mxGetN(prhs[0]);
int beta_dim[2] = {M,N};
double *beta = mxGetPr(prhs[0]);
M = mxGetM(prhs[1]);
N = mxGetN(prhs[1]);
int tinv_dim[2] = {M,N};
double *t_inv = mxGetPr(prhs[1]);
double mu = *mxGetPr(prhs[2]);
M = mxGetM(prhs[3]);
N = mxGetN(prhs[3]);
int feat_dim[2] = {M,N};
double *feat = mxGetPr(prhs[3]);
M = mxGetM(prhs[4]);
N = mxGetN(prhs[4]);
int box_dim[2] = {M,N};
double *ex_boxes = mxGetPr(prhs[4]);
predict_bbox_reg(beta, beta_dim, t_inv, tinv_dim,
mu, feat, feat_dim, ex_boxes, box_dim);
//RETURNS results to matlab
}
我们需要更多的信息。你能展示一些矩阵的最小例子吗?另外,你如何定义“精度损失”?你怎么知道你实际上失去了精确度?如果你做得很好,你无法将它与计算机的功能进行比较....也许你的比较矩阵不好,不是你自己的。 –
@AnderBiguri我做了一些显示某些矩阵的编辑,似乎有一个问题,其中Y导致基本为零操作。当我在matlab中进行操作时,结果不一样。 –