我正在用C++编写一个前馈神经网络的反向传播实现，并使用Armadillo库。目前，我使用Armadillo库中matrix类的load方法来加载训练数据。我有两个问题：

1) 对于存储已经格式化好的（CSV格式）、适合内存（<2GB）的数值数据，使用这种方法是否合理？当然，有更好的方法来做这件事，如果这不是一个好做法，我很想知道。我的一部分感觉这不是一个好的选择，因为可能有更适合数据的结构/框架（比如我应该访问某个SQL数据库之类的东西）。而我的另一部分感觉数值数据本质上就是矩阵，所以这应该很好。

2) 在我的实现中，我需要从数据集中无放回地抽样，我看到两种方法：要么我可以打乱数据集的行，要么打乱一个索引数据集的数组。Armadillo库中的matrix类有一个shuffle方法，我怀疑被打乱的是地址而不是行本身。这不就像打乱一个索引数组一样有效吗？

回答：

1) 是的，这样做是可以的，我也会这样做，但请注意Armadillo矩阵是列主序的，因此你可能需要转置你加载的CSV。如果你的数据足够大，无法装入主内存，你可以考虑编写一个自定义的CSV解析器，以流的方式查看数据（即一次一个点），从而减少你的RAM占用，或者你甚至可以使用mmap()将一个充满打包双精度数的文件映射为你的矩阵，让内核决定何时需要交换进来什么数据。

2) 因为所有矩阵数据都是连续存储的（即double*而不是double**），shuffle()将移动矩阵中的元素。在这种情况下，我通常会创建一个索引向量并对其进行打乱：

uvec indices = linspace<uvec>(0, n, n);shuffle(indices);// 现在遍历每个打乱的点...for (uword i = 0; i < n; ++i){  // 使用data.col(indices[i])访问点并执行任何操作}

（以上代码未经测试，但应该可以工作或很容易改编成可用的代码。）

顺便说一下，mlpack (http://www.mlpack.org/)确实有一个尚未稳定的神经网络基础设施，它使用Armadillo，可能值得你花时间查看；下面的链接直接指向相关源代码，但在Github和mlpack网站上浏览应该能找到更好的文档。

https://github.com/mlpack/mlpack/tree/master/src/mlpack/methods/ann