Question

我目前正在开发一个包含机器学习高斯过程的项目。考虑到book中的示例和解释，我正在尝试为受过训练的GP对象的各种参数创建一个通用函数 - 因此，以下声明是最常用的一个（简单））培训功能。

def train[T, M <: MatrixInverter[T], S <: Kernel[T]](): GP_Spawn[T] = null

（我已经删除了参数列表和实现，就在你想知道的时候。） T描述了数字类型，例如它可能是Double或Int。 MatrixInverter[T]是强制执行calculateInverse功能的特征。 Kernel[T]是内核函数的相应特征。正如你们中的一些人可能已经知道的那样，当使用 Cholesky-Decomposition 作为矩阵变换器时，可以改变高斯过程中的训练（以某种方式简化） - 因此，我考虑专门提到的功能以上。由于@specialized标记的文档，它应该是这样的：

def train[T, @specialized(CholeskyDecomposition[T]) M <: MatrixInverter[T], S <: Kernel[T]](): GP_Spawn[T]

很明显，所有参数都或多或少取决于T，因为它们需要使用依赖于的某些变量（类型T，Vector[T]，Matrix[T]）它。如果我尝试编译上面提到的代码，scala-compiler（2.9.2）会抱怨

错误：未找到：值CholeskyDecomposition

我不确定这意味着什么，因为导入import algorithms.{CholeskyDecomposition, MatrixInverter}是正确的。此外，我很想知道CholeskyDecomposition的导入被标记为未使用的导入语句。 CholeskyDecomposition有一个伴侣，其中包含一些与算法本身相关的常量，但我不认为这个方面是导致此错误的原因。

任何可能导致此错误的想法？而且，如何解决它没有削减通用方法？

修改

在阅读完答案后正在考虑对我的代码进行一些重新排序时，我最终在运行时使用了类型匹配的解决方案。

val testMat = new Matrix[T](3, 3)
val testInv = fac(testMat)    
testInv match {
    case chol : CholeskyDecomposition[T] => println("Found Cholesky!")
    case _ => println("Found something different.")
}

它现在有效:)感谢所有人！

Answer 1

你只能使用基本类型专门化一个通用参数：Int，Double等。所以你可以专注T而不是Foo[T]，即使{{1}是一个原始的。

Answer 2

如果您有一个专门用于C类的课程T，那么

class D[@specialized T, C[T]](c: C[T]) { ... }

将使用T - C的专门版本。

无论如何，这就是你所需要的。对象的专业化是没有意义的;通用代码同样适用，因为无论如何非原始代码都是一个对象。

Answer 3

根据API，它说：

Type T can be specialized on a subset of the primitive types by
specifying a list of primitive types to specialize at:

所以它基本上只适用于原始类型。

泛型泛型参数与另一个简单泛型参数的专门化

3 个答案: