Question

对机器学习有点好奇，我已经开始阅读一些与该主题相关的入门教程。因此，几天前我发现了一个非常简单的神经网络示例，使用带有numpy库的Python实现，为了实践目的，我决定使用C ++实现相同的算法，尽可能减少外部库。 / p>

然后，我首先编写了一个能够处理矩阵定义/声明和相关数学运算的简单类，如加法，乘法等。我雄辩地将该类命名为Matrix。
这是它的头文件：

template <typename T>
class Matrix {
public:
  Matrix(int numRows, int numColumns);
  ~Matrix();
  int getRows();
  int getColumns();
  T readValue(int row, int column);
  void writeValue(int row, int column, T value);
  Matrix<T> operator+(Matrix<T> other);
  Matrix<T> operator-(Matrix<T> other);
  Matrix<T> operator*(T scalar);
  Matrix<T> operator*(Matrix<T> other);
  Matrix<T> entrywiseProduct(Matrix<T> other);
  Matrix<T> transpose();
  void print();
private:
  const int rows;
  const int columns;
  T** matrix;
};

如您所见，为了分配正确的内存大小，我决定让类构造函数需要两个不同的参数，即行数和列数。

无论如何，在这个简要解释的类的定义之后，我开始编写网络实现的主类。特别是，这个更抽象的类将主要使用Matrix类进行大多数操作。这是标题：

#include "Matrix.h"

template <typename T>
class Neuron {
public:
  Neuron(int matrixRows, int matrixColumns);
  ~Neuron();
  Matrix<T> estimate(Matrix<T> inputMatrix);
  void train(Matrix<T> inputMatrix, Matrix<T> outputMatrix, int iterations);
private:
  Matrix<T> weights;
};

尽管它不够优雅，但这个类构造函数还需要两个与矩阵相关的输入参数：这是因为它们将用于在类中正确实例化加权系数存储的矩阵。

这就是问题：在Neuron类初始化之后，应该明确地实例化所提到的矩阵。据我所知，这种操作需要使用一个指针，该指针将被new函数引用 - 在这种情况下 - 用于动态实例化Matrix类。但是，另一方面，我已经决定使用矩阵的操作总是返回一个新矩阵，而不是指向矩阵的指针，正如您在第一个类头中看到的那样。

所以，我将问你：是否有可能在Neuron构造函数中定义一个矩阵并将其用作类变量，如前一个头文件中所定义的那样？通过这种方式，我可以在对weights命名矩阵进行操作时覆盖相同的变量如果是，我该怎么做？

Answer 1

是;像应该初始化任何其他类成员一样初始化矩阵：在构造函数的member initialisation list中。

Neuron::Neuron(int matrixRows, int matrixColumns)
   : weights(matrixRows, matrixColumns)
{}

执行此操作时：

T::T()
{
   member = firstValue;
}

这不是初始化，而是分配。如果成员的类型没有默认构造函数，那么当你说这是不够的时，你是正确的，因为如果你不自己初始化一个成员，编译器会尝试为你初始化它，并且它不能提供它没有的参数知道关于。如果由于某种原因无法正确初始化您的成员（例如，需要首先收集信息），则智能指针/动态分配是一种常见的解决方法。

顺便说一句，T**建议你创建一个指针数组。 Don't do that;它非常低效且过于复杂。只需创建一个宽度为×高度T的数组，并相应地映射索引（i = y×width + x; x = i％width; y = i / width）。

类

1 个答案: