分布式并行计算笔记-MPI+openmp+Eigen
OpenMP则是单机多线程共享内存的并行编程API，它易于使用且与MPI相辅相成。OpenMP的特点如共享内存和显示并行性，适用于前后关联性不强的计算。混合使用MPI和OpenMP可以有效提升性能，但需考虑内存调用和通信开销。
) 多线程并行处理为了使程序的SIFT特征提取、KMeans聚类、统计词频等过程支持并行处理，在选择并行计算库的时候，有两种选择，一种是采用OpenMP，另一种是选择MPI。
培根怎么做?
荷兰豆撕掉豆荚上的筋，洗净备用。培根切成1厘米宽的条备用。锅中倒入油，爆香蒜末和干辣椒。培根倒入锅内，快速翻炒至油脂渗出。油脂的渗出可以让菜肴更美味。倒入荷兰豆快速翻炒，荷兰豆变成翠绿色以后，倒入蒸鱼豉油，翻炒均匀就可以出锅了。
培根的制作方法如下：带皮五花肉一大块，洗净，晾干。皮朝下，用快刀切约8毫米厚的大片，如果准备薰制，就不要将皮切断。调制腌料水。取一只碗，将适量的盐、料酒、花椒、大料、草果打扁，桂皮，陈皮，孜然，葱姜蒜末，鸡精，酱油等（调味料依个人口味增减）加入，调匀。
步骤1 食材：培根100克，土豆2个，蒜10瓣，小葱2根调味料：食用油8克，椒盐2克，鸡精2克 步骤2 土豆去皮，切块。步骤3 蒜对半切开。步骤4 小葱切葱花。步骤5 培根对半切开。
MATLAB使用mex调用C++及第三方库Eigen
1、在MATLAB R2022a环境下，如Windows 10/11，为了利用mex调用C++及第三方库Eigen，首先关键步骤是安装C++编译器，我选择的是Visual Studio 2022。安装成功后，可以通过在MATLAB中运行一个简单的C++程序来验证。如果能顺利运行且无报错，说明安装配置已生效。
2、配置Amesim时，选择Microsoft Visual C++2015至2019（64位）作为编译器，并确保Amesim版本支持到2019。在Matlab中，通过命令行输入`mex -setup`与`mex -setup C++`进行配置，以选择使用Microsoft Visual C++ 2019 (C)进行C语言编译。环境变量的设置对于联合仿真的顺畅运行至关重要。
矩阵分解—特征值分解与奇异值分解
在现代数学与工程领域，矩阵分解是一种不可或缺的工具，它如同一个多维度的解码器，揭示了矩阵的本质特性和潜在应用。其中，特征值分解（Eigenvalue Decomposition）和奇异值分解（Singular Value Decomposition， SVD）尤为引人注目。
在数据处理和数学分析中，矩阵分解是众多工具之一，其中包括LU分解、Cholesky分解、QR分解等。然而，本节将重点介绍两种常用的矩阵分解方式：特征值分解和奇异值分解。矩阵，作为数据表示和变换的载体，通过特征值分解，我们能够揭示其内在的旋转不变性，找到那些方向不变的向量。
SVD是对特征值分解的一种扩展，与特征值分解不同的是，SVD分解不要求被分解的矩阵为方阵。假设我们的矩阵A为[公式]的矩阵，那么定义矩阵A的SVD如下：[公式]其中，Σ为[公式]的矩阵，其对角线上元素为奇异值，其余元素均为0；U和V均为[公式]的酉矩阵，即满足[公式]。
就是我们可以将矩阵 A 特征分解。如果我们求出了矩阵 A 的 n 个特征值 ，以及矩阵这n个特征值所对应的特征向量 。那么矩阵A就可以用下式的特征分解表示：，其中 为特征向量组成的矩阵， 是特征值所组成的对角矩阵。特征值分解 的前提条件是A是方阵。
奇异值分解需要对奇异值从大到小的排序，而且全部是大于等于零。
特征值分解 特征值分解是一种将一个矩阵分解为特征向量和特征值的方法。具体步骤如下：首先，对给定的矩阵进行特征值求解，得到矩阵的特征值。接着，针对每个特征值，求解对应的特征向量。最后，将得到的特征向量按列排列成一个矩阵，即可得到特征向量矩阵。