C++模板元編程實戰(zhàn) 一個深度學習框架的初步實現(xiàn)
定 價：69 元
- 作者：李偉 著
- 出版時間：2018/11/1
- ISBN：9787115491701
- 出 版 社：人民郵電出版社
- 中圖法分類：TP312C++
- 頁碼：268
- 紙張：膠版紙
- 版次：1
- 開本：16開
《C++模板元編程實戰(zhàn)：一個深度學習框架的初步實現(xiàn)》以一個深度學習框架的初步實現(xiàn)為例，討論如何在一個相對較大的項目中深入應用元編程，為系統(tǒng)性能優(yōu)化提供更多的可能。
《C++模板元編程實戰(zhàn)：一個深度學習框架的初步實現(xiàn)》分為8章，前兩章討論了一些元編程與編譯期計算的基本技術，后面6章則討論了元編程在深度學習框架中的實際應用，涉及富類型與標簽體系、表達式模板、復雜元函數(shù)的編寫等多個主題，詳盡地展示了如何將面向對象與元編程相結合以構造復雜系統(tǒng)。
《C++模板元編程實戰(zhàn)：一個深度學習框架的初步實現(xiàn)》適合具有一定C++基礎的讀者閱讀。對主流深度學習框架的內(nèi)核有一定了解的讀者，也可以參考本書，對比使用元編程與編譯期計算所實現(xiàn)的深度學習框架與主流的（主要基于面向對象所構造的）深度學習框架之間的差異。
眾多知名技術專家聯(lián)袂推薦
C++元編程領域難得一見的精品著作
抽絲剝繭，深入解析C++元編程的技術本質與細節(jié)
道術并重，詳細闡述C++元編程在大型項目中的應用
早在20世紀90年代，C++模板元編程的方法就已經(jīng)出現(xiàn)了雛形，但由于使用該技術的門檻較高，因此一直沒有像面向對象那樣得到廣泛地應用。另一方面，大量實踐表明，適當?shù)厥褂迷摷夹g，可以更有效地組織代碼并提升性能。正因為如此，諸如C++ STL、BOOST等很多庫中都可以見到元編程與編譯期計算的身影。
本書將以一個深度學習框架MetaNN的實現(xiàn)為例，討論如何在一個相對較大的項目中深入應用元編程，為系統(tǒng)性能優(yōu)化提供更多的可能。
本書內(nèi)容：
元編程的基本技巧
異類詞典與policy模板
深度學習概述
運算與表達式模板
MetaNN中基本層的實現(xiàn)
MetaNN中復合層與循環(huán)層的實現(xiàn)
MetaNN中的求值與優(yōu)化
李偉，2011年畢業(yè)于清華大學，曾經(jīng)在百度自然語言處理部擔任深度學習機器翻譯系統(tǒng)線上預測部分的開發(fā)與維護，目前供職于微軟亞洲工程院。主要研究方向為C++，擁有10余年相關開發(fā)經(jīng)驗，對C++模板元編程與編譯期計算有著濃厚的興趣。喜歡嘗試新的技術，業(yè)余愛好是編程與閱讀。
第 一部分 元編程基礎技術
第 1章 基本技巧 3
1．1 元函數(shù)與type_traits 3
1．1．1 元函數(shù)介紹 3
1．1．2 類型元函數(shù) 4
1．1．3 各式各樣的元函數(shù) 6
1．1．4 type_traits 7
1．1．5 元函數(shù)與宏 7
1．1．6 本書中元函數(shù)的命名方式 8
1．2 模板型模板參數(shù)與容器模板 8
1．2．1 模板作為元函數(shù)的輸入 9
1．2．2 模板作為元函數(shù)的輸出 9
1．2．3 容器模板 10
1．3 順序、分支與循環(huán)代碼的編寫 12
1．3．1 順序執(zhí)行的代碼 12
1．3．2 分支執(zhí)行的代碼 13
1．3．3 循環(huán)執(zhí)行的代碼 19
1．3．4 小心：實例化爆炸與編譯崩潰 21
1．3．5 分支選擇與短路邏輯 23
1．4 奇特的遞歸模板式 24
1．5 小結 25
1．6 練習 26
第 2章 異類詞典與policy模板 28
2．1 具名參數(shù)簡介 28
2．2 異類詞典 30
2．2．1 模塊的使用方式 30
2．2．2 鍵的表示 32
2．2．3 異類詞典的實現(xiàn) 34
2．2．4 VarTypeDict的性能簡析 41
2．2．5 用std：：tuple作為緩存 41
2．3 policy模板 42
2．3．1 policy介紹 42
2．3．2 定義policy與policy對象（模板） 45
2．3．3 使用policy 47
2．3．4 背景知識：支配與虛繼承 49
2．3．5 policy對象與policy支配結構 50
2．3．6 policy選擇元函數(shù) 52
2．3．7 使用宏簡化policy對象的聲明 57
2．4 小結 58
2．5 練習 58
第二部分 深度學習框架
第3章 深度學習概述 63
3．1 深度學習簡介 63
3．1．1 從機器學習到深度學習 64
3．1．2 各式各樣的人工神經(jīng)網(wǎng)絡 65
3．1．3 深度學習系統(tǒng)的組織與訓練 68
3．2 本書所實現(xiàn)的框架：MetaNN 70
3．2．1 從矩陣計算工具到深度學習框架 70
3．2．2 MetaNN介紹 71
3．2．3 本書將要討論的內(nèi)容 72
3．2．4 本書不會涉及的主題 75
3．3 小結 75
第4章 類型體系與基本數(shù)據(jù)類型 76
4．1 類型體系 77
4．1．1 類型體系介紹 77
4．1．2 迭代器分類體系 78
4．1．3 將標簽作為模板參數(shù) 80
4．1．4 MetaNN的類型體系 81
4．1．5 與類型體系相關的元函數(shù) 82
4．2 設計理念 84
4．2．1 支持不同的計算設備與計算單元 84
4．2．2 存儲空間的分配與維護 85
4．2．3 淺拷貝與寫操作檢測 88
4．2．4 底層接口擴展 89
4．2．5 類型轉換與求值 91
4．2．6 數(shù)據(jù)接口規(guī)范 92
4．3 標量 92
4．3．1 類模板的聲明 93
4．3．2 基于CPU的特化版本 94
4．3．3 標量的主體類型 95
4．4 矩陣 96
4．4．1 Matrix類模板 96
4．4．2 特殊矩陣：平凡矩陣、全零矩陣與獨熱向量 101
4．4．3 引入新的矩陣類 104
4．5 列表 105
4．5．1 Batch模板 105
4．5．2 Array模板 108
4．5．3 重復與Duplicate模板 113
4．6 小結 116
4．7 練習 116
第5章 運算與表達式模板 119
5．1 表達式模板簡介 119
5．2 MetaNN運算模板的設計思想 122
5．2．1 Add模板的問題 122
5．2．2 運算模板的行為分析 122
5．3 運算分類 124
5．4 輔助模板 125
5．4．1 輔助類模板OperElementType_/OperDeviceType_ 125
5．4．2 輔助類模板OperXXX_ 126
5．4．3 輔助類模板OperCateCal 126
5．4．4 輔助類模板OperOrganizer 128
5．4．5 輔助類模板OperSeq 130
5．5 運算模板的框架 131
5．5．1 運算模板的類別標簽 131
5．5．2 UnaryOp的定義 132
5．6 運算實現(xiàn)示例 133
5．6．1 Sigmoid運算 133
5．6．2 Add運算 136
5．6．3 轉置運算 139
5．6．4 折疊運算 141
5．7 MetaNN已支持的運算列表 141
5．7．1 一元運算 141
5．7．2 二元運算 142
5．7．3 三元運算 144
5．8 運算的折衷與局限性 144
5．8．1 運算的折衷 144
5．8．2 運算的局限性 145
5．9 小結 146
5．10 練習 146
第6章 基本層 148
6．1 層的設計理念 148
6．1．1 層的介紹 148
6．1．2 層對象的構造 150
6．1．3 參數(shù)矩陣的初始化與加載 151
6．1．4 正向傳播 152
6．1．5 存儲中間結果 154
6．1．6 反向傳播 154
6．1．7 參數(shù)矩陣的更新 155
6．1．8 參數(shù)矩陣的獲取 155
6．1．9 層的中性檢測 156
6．2 層的輔助邏輯 156
6．2．1 初始化模塊 156
6．2．2 DynamicData類模板 161
6．2．3 層的常用policy對象 166
6．2．4 InjectPolicy元函數(shù) 168
6．2．5 通用I/O結構 168
6．2．6 通用操作函數(shù) 169
6．3 層的具體實現(xiàn) 170
6．3．1 AddLayer 170
6．3．2 ElementMulLayer 172
6．3．3 BiasLayer 176
6．4 MetaNN已實現(xiàn)的基本層 181
6．5 小結 183
6．6 練習 184
第7章 復合層與循環(huán)層 185
7．1 復合層的接口與設計理念 186
7．1．1 基本結構 186
7．1．2 結構描述語法 187
7．1．3 policy的繼承關系 188
7．1．4 policy的修正 189
7．1．5 復合層的構造函數(shù) 190
7．1．6 一個完整的復合層構造示例 190
7．2 policy繼承與修正邏輯的實現(xiàn) 191
7．2．1 policy繼承邏輯的實現(xiàn) 191
7．2．2 policy修正邏輯的實現(xiàn) 194
7．3 ComposeTopology的實現(xiàn) 195
7．3．1 功能介紹 195
7．3．2 拓撲排序算法介紹 195
7．3．3 ComposeTopology包含的主要步驟 196
7．3．4 結構描述子句與其劃分 196
7．3．5 結構合法性檢查 198
7．3．6 拓撲排序的實現(xiàn) 200
7．3．7 子層實例化元函數(shù) 203
7．4 ComposeKernel的實現(xiàn) 207
7．4．1 類模板的聲明 208
7．4．2 子層對象管理 208
7．4．3 參數(shù)獲取、梯度收集與中性檢測 211
7．4．4 參數(shù)初始化與加載 212
7．4．5 正向傳播 214
7．4．6 反向傳播 221
7．5 復合層實現(xiàn)示例 221
7．6 循環(huán)層 222
7．6．1 GruStep 222
7．6．2 構建RecurrentLayer類模板 224
7．6．3 RecurrentLayer的使用 230
7．7 小結 230
7．8 練習 230
第8章 求值與優(yōu)化 233
8．1 MetaNN的求值模型 234
8．1．1 運算的層次結構 234
8．1．2 求值子系統(tǒng)的模塊劃分 235
8．2 基本求值邏輯 242
8．2．1 主體類型的求值接口 242
8．2．2 非主體基本數(shù)據(jù)類型的求值 243
8．2．3 運算模板的求值 245
8．2．4 DyanmicData與求值 248
8．3 求值過程的優(yōu)化 249
8．3．1 避免重復計算 249
8．3．2 同類計算合并 250
8．3．3 多運算協(xié)同優(yōu)化 251
8．4 小結 258
8．5 練習 259
后記—方家休見笑，吾道本艱難 260
書單推薦
