在机器学习中使用责任链模式

我在阅读大量的C++和Java机器学习代码时发现,每个隐藏层都是在一个for循环中被调用。为什么从未使用过责任链模式?它的缺点是什么?

-经典方法:

std::vector<Layer> layers(10);for(Layer& hidden : layers)  hidden.activation();

-使用责任链模式:

std::vector<Layer*> layers();// ... 初始化层向量 ...layers[0]->nextLayer(layers[1]);layers[1]->nextLayer(layers[2]);layers[2]->nextLayer(layers[3]);// 依此类推...layers[0]->activation();

在Layer类中:

Layer::activation(){  // 做一些事情  nextLayer->activation();}

谢谢你。


回答:

for循环的优势在于,每次调用for循环时,layers集合可以不同。它的’缺点’是,for循环保证会调用集合中每个项目的成员函数。

责任链模式可以被设计为’遍历’集合,但改变集合并更新项目之间的所有链接是困难的。此外,由于这是递归,你可能会遇到堆栈溢出!

然而,责任链模式在终止循环方面表现出色:任何成员都可以决定自己处理调用并立即返回,或者只是转发到下一个项目。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注