在机器学习中使用责任链模式

Question

我阅读了很多 C++ 和 Java 机器学习代码，其中每个隐藏层都在 for 循环中调用。为什么模式 责任链 从未使用过？它的缺点是什么？

-经典方法：

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

-具有责任链：

std::vector<Layer*> layers();
// ... init layers vector ...
layers[0]->nextLayer(layers[1]);
layers[1]->nextLayer(layers[2]);
layers[2]->nextLayer(layers[3]);
// and so on...
layers[0]->activation();

在图层中：

Layer::activation()
{
  // do something
  nextLayer->activation();
}

谢谢。

Answer 1

为什么要通过创建列表并调用它来使简单的代码复杂化 "chain of responsibility"？

std::vector<Layer> layers(10);
for(Layer& hidden : layers)
{
  // prepare for activation aka do something
  hidden.activation();
}

您不喜欢这种方法的什么地方？

Answer 2

for 循环的优点是每次调用 for 循环时 layers 集合可能不同。 'disadvantage' 是 for 循环保证在集合的每个项上调用成员函数。

责任链模式可以通过集合做成'iterate'，但是很难改变集合，必须更新所有项之间的链接。此外，由于这是递归，您可能会出现堆栈溢出！

然而，责任链在终止循环时确实很出色：任何成员都可以决定自己处理呼叫并 return 立即，或者只是转发到下一个项目。

Answer 3

第一个例子；每一层都完全独立于下一层。这意味着他们对其他层一无所知——它们可能存在也可能不存在；并且只需要专注于单一职责。

第二个；这些层现在不仅知道还有其他层，而且还知道它是一个链表。如果第 2 层和第 3 层彼此独立但仅依赖于第 1 层怎么办？代表它的能力丧失了。最终，控制层的项目不再有任何能力按照它想要的方式存储它们，导致它是一个糟糕的设计，因为它正在朝着一个上帝对象努力。

在机器学习中使用责任链模式

Using Chain of Responsibility pattern in machine learning

c++

design-patterns

machine-learning

software-design