C++ 模板元編程實戰 : 一個深度學習框架的初步實現

李偉，2011年畢業於清華大學，曾經在百度自然語言處理部擔任深度學習機器翻譯系統線上預測部分的開發與維護，目前供職于微軟亞洲工程院。主要研究方向為C++，擁有10餘年相關開發經驗，對C++範本元程式設計與編譯期計算有著濃厚的興趣。喜歡嘗試新的技術，業餘愛好是程式設計與閱讀。

第 一部分 元程式設計基礎技術 
第 1章 基本技巧 3
1.1 元函數與type_traits 3
1.1.1 元函數介紹 3
1.1.2 類型元函數 4
1.1.3 各式各樣的元函數 6
1.1.4 type_traits 7
1.1.5 元函數與巨集 7
1.1.6 本書中元函數的命名方式 8
1.2 範本型範本參數與容器範本 8
1.2.1 範本作為元函數的輸入 9
1.2.2 範本作為元函數的輸出 9
1.2.3 容器範本 10
1.3 順序、分支與迴圈代碼的編寫 12
1.3.1 循序執行的代碼 12
1.3.2 分支執行的代碼 13
1.3.3 迴圈執行的代碼 19
1.3.4 小心：產生實體爆炸與編譯崩潰 21
1.3.5 分支選擇與短路邏輯 23
1.4 奇特的遞迴範本式 24
1.5 小結 25
1.6 練習 26
第 2章 異類詞典與policy範本 28
2.1 具名參數簡介 28
2.2 異類詞典 30
2.2.1 模組的使用方式 30
2.2.2 鍵的表示 32
2.2.3 異類詞典的實現 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範本 42
2.3.1 policy介紹 42
2.3.2 定義policy與policy物件（範本） 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物件與policy支配結構 50
2.3.6 policy選擇元函數 52
2.3.7 使用巨集簡化policy物件的聲明 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網路 65
3.1.3 深度學習系統的組織與訓練 68
3.2 本書所實現的框架：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 類型體系與基底資料型別 76
4.1 類型體系 77
4.1.1 類型體系介紹 77
4.1.2 反覆運算器分類體系 78
4.1.3 將標籤作為範本參數 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 82
4.2 設計理念 84
4.2.1 支援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 底層介面擴展 89
4.2.5 類型轉換與求值 91
4.2.6 資料介面規範 92
4.3 標量 92
4.3.1 類範本的聲明 93
4.3.2 基於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類範本 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範本 105
4.5.2 Array範本 108
4.5.3 重複與Duplicate範本 113
4.6 小結 116
4.7 練習 116
第5章 運算與運算式範本 119
5.1 運算式範本簡介 119
5.2 MetaNN運算範本的設計思想 122
5.2.1 Add範本的問題 122
5.2.2 運算範本的行為分析 122
5.3 運算分類 124
5.4 輔助範本 125
5.4.1 輔助類範本OperElementType_/OperDeviceType_ 125
5.4.2 輔助類範本OperXXX_ 126
5.4.3 輔助類範本OperCateCal 126
5.4.4 輔助類範本OperOrganizer 128
5.4.5 輔助類範本OperSeq 130
5.5 運算範本的框架 131
5.5.1 運算範本的類別標籤 131
5.5.2 UnaryOp的定義 132
5.6 運算實現示例 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 層物件的構造 150
6.1.3 參數矩陣的初始化與載入 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 參數矩陣的更新 155
6.1.8 參數矩陣的獲取 155
6.1.9 層的中性檢測 156
6.2 層的輔助邏輯 156
6.2.1 初始化模組 156
6.2.2 DynamicData類範本 161
6.2.3 層的常用policy對象 166
6.2.4 InjectPolicy元函數 168
6.2.5 通用I/O結構 168
6.2.6 通用操作函數 169
6.3 層的具體實現 170
6.3.1 AddLayer 170
6.3.2 ElementMulLayer 172
6.3.3 BiasLayer 176
6.4 MetaNN已實現的基本層 181
6.5 小結 183
6.6 練習 184
第7章 複合層與迴圈層 185
7.1 複合層的介面與設計理念 186
7.1.1 基本結構 186
7.1.2 結構描述語法 187
7.1.3 policy的繼承關係 188
7.1.4 policy的修正 189
7.1.5 複合層的構造函數 190
7.1.6 一個完整的複合層構造示例 190
7.2 policy繼承與修正邏輯的實現 191
7.2.1 policy繼承邏輯的實現 191
7.2.2 policy修正邏輯的實現 194
7.3 ComposeTopology的實現 195
7.3.1 功能介紹 195
7.3.2 拓撲排序演算法介紹 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 200
7.3.7 子層產生實體元函數 203
7.4 ComposeKernel的實現 207
7.4.1 類範本的聲明 208
7.4.2 子層物件管理 208
7.4.3 參數獲取、梯度收集與中性檢測 211
7.4.4 參數初始化與載入 212
7.4.5 正向傳播 214
7.4.6 反向傳播 221
7.5 複合層實現示例 221
7.6 迴圈層 222
7.6.1 GruStep 222
7.6.2 構建RecurrentLayer類範本 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 求值子系統的模組劃分 235
8.2 基本求值邏輯 242
8.2.1 主體類型的求值介面 242
8.2.2 非主體基底資料型別的求值 243
8.2.3 運算範本的求值 245
8.2.4 DyanmicData與求值 248
8.3 求值過程的優化 249
8.3.1 避免重複計算 249
8.3.2 同類計算合併 250
8.3.3 多運算協同優化 251
8.4 小結 258
8.5 練習 259
後記—方家休見笑，吾道本艱難 260