趣味案例教C/C++编程，激发学习兴趣，适合初学者自学。
电子书
编辑推荐
元编程在深度学习框架中的实践与性能优化。
内容简介
《C++模板元编程实战：一个深度学习框架的初步实现》以一个深度学习框架的初步实现为例，讨论如何在一个相对较大的项目中深入应用元编程，为系统性能优化提供更多的可能。
《C++模板元编程实战：一个深度学习框架的初步实现》分为8章，前两章讨论了一些元编程与编译期计算的基本技术，后面6章则讨论了元编程在深度学习框架中的实际应用，涉及富类型与标签体系、表达式模板、复杂元函数的编写等多个主题，详尽地展示了如何将面向对象与元编程相结合以构造复杂系统。
《C++模板元编程实战：一个深度学习框架的初步实现》适合具有一定C++基础的读者阅读。对主流深度学习框架的内核有一定了解的读者，也可以参考本书，对比使用元编程与编译期计算所实现的深度学习框架与主流的（主要基于面向对象所构造的）深度学习框架之间的差异。
章节目录
- 版权信息
- 版权
- 内容提要
- 推荐序1
- 推荐序2
- 推荐序3
- 作者简介
- 致谢
- 前言
- 资源与支持
- 第一部分 元编程基础技术
- 第1章 基本技巧
- 1.1 元函数与type_traits
- 1.1.1 元函数介绍
- 1.1.2 类型元函数
- 1.1.3 各式各样的元函数
- 1.1.4 type_traits
- 1.1.5 元函数与宏
- 1.1.6 本书中元函数的命名方式
- 1.2 模板型模板参数与容器模板
- 1.2.1 模板作为元函数的输入
- 1.2.2 模板作为元函数的输出
- 1.2.3 容器模板
- 1.3 顺序、分支与循环代码的编写
- 1.3.1 顺序执行的代码
- 1.3.2 分支执行的代码
- 1.3.3 循环执行的代码
- 1.3.4 小心：实例化爆炸与编译崩溃
- 1.3.5 分支选择与短路逻辑
- 1.4 奇特的递归模板式
- 1.5 小结
- 1.6 练习
- 第2章 异类词典与policy模板
- 2.1 具名参数简介
- 2.2 异类词典
- 2.2.1 模块的使用方式
- 2.2.2 键的表示
- 2.2.3 异类词典的实现
- 2.2.4 VarTypeDict的性能简析
- 2.2.5 用std::tuple作为缓存
- 2.3 policy模板
- 2.3.1 policy介绍
- 2.3.2 定义policy与policy对象（模板）
- 2.3.3 使用policy
- 2.3.4 背景知识：支配与虚继承
- 2.3.5 policy对象与policy支配结构
- 2.3.6 policy选择元函数
- 2.3.7 使用宏简化policy对象的声明
- 2.4 小结
- 2.5 练习
- 第3章 深度学习概述
- 3.1 深度学习简介
- 3.1.1 从机器学习到深度学习
- 3.1.2 各式各样的人工神经网络
- 3.1.3 深度学习系统的组织与训练
- 3.2 本书所实现的框架：MetaNN
- 3.2.1 从矩阵计算工具到深度学习框架
- 3.2.2 MetaNN介绍
- 3.2.3 本书将要讨论的内容
- 3.2.4 本书不会涉及的主题
- 3.3 小结
- 第4章 类型体系与基本数据类型
- 4.1 类型体系
- 4.1.1 类型体系介绍
- 4.1.2 迭代器分类体系
- 4.1.3 将标签作为模板参数
- 4.1.4 MetaNN的类型体系
- 4.1.5 与类型体系相关的元函数
- 4.2 设计理念
- 4.2.1 支持不同的计算设备与计算单元
- 4.2.2 存储空间的分配与维护
- 4.2.3 浅拷贝与写操作检测
- 4.2.4 底层接口扩展
- 4.2.5 类型转换与求值
- 4.2.6 数据接口规范
- 4.3 标量
- 4.3.1 类模板的声明
- 4.3.2 基于CPU的特化版本
- 4.3.3 标量的主体类型
- 4.4 矩阵
- 4.4.1 Matrix类模板
- 4.4.2 特殊矩阵：平凡矩阵、全零矩阵与独热向量
- 4.4.3 引入新的矩阵类
- 4.5 列表
- 4.5.1 Batch模板
- 4.5.2 Array模板
- 4.5.3 重复与Duplicate模板
- 4.6 小结
- 4.7 练习
- 第5章 运算与表达式模板
- 5.1 表达式模板简介
- 5.2 MetaNN运算模板的设计思想
- 5.2.1 Add模板的问题
- 5.2.2 运算模板的行为分析
- 5.3 运算分类
- 5.4 辅助模板
- 5.4.1 辅助类模板OperElementType_/OperDeviceType_
- 5.4.2 辅助类模板OperXXX_
- 5.4.3 辅助类模板OperCateCal
- 5.4.4 辅助类模板OperOrganizer
- 5.4.5 辅助类模板OperSeq
- 5.5 运算模板的框架
- 5.5.1 运算模板的类别标签
- 5.5.2 UnaryOp的定义
- 5.6 运算实现示例
- 5.6.1 Sigmoid运算
- 5.6.2 Add运算
- 5.6.3 转置运算
- 5.6.4 折叠运算
- 5.7 MetaNN已支持的运算列表
- 5.7.1 一元运算
- 5.7.2 二元运算
- 5.7.3 三元运算
- 5.8 运算的折衷与局限性
- 5.8.1 运算的折衷
- 5.8.2 运算的局限性
- 5.9 小结
- 5.10 练习
- 第6章 基本层
- 6.1 层的设计理念
- 6.1.1 层的介绍
- 6.1.2 层对象的构造
- 6.1.3 参数矩阵的初始化与加载
- 6.1.4 正向传播
- 6.1.5 存储中间结果
- 6.1.6 反向传播
- 6.1.7 参数矩阵的更新
- 6.1.8 参数矩阵的获取
- 6.1.9 层的中性检测
- 6.2 层的辅助逻辑
- 6.2.1 初始化模块
- 6.2.2 DynamicData类模板
- 6.2.3 层的常用policy对象
- 6.2.4 InjectPolicy元函数
- 6.2.5 通用I/O结构
- 6.2.6 通用操作函数
- 6.3 层的具体实现
- 6.3.1 AddLayer
- 6.3.2 ElementMulLayer
- 6.3.3 BiasLayer
- 6.4 MetaNN已实现的基本层
- 6.5 小结
- 6.6 练习
- 第7章 复合层与循环层
- 7.1 复合层的接口与设计理念
- 7.1.1 基本结构
- 7.1.2 结构描述语法
- 7.1.3 policy的继承关系
- 7.1.4 policy的修正
- 7.1.5 复合层的构造函数
- 7.1.6 一个完整的复合层构造示例
- 7.2 policy继承与修正逻辑的实现
- 7.2.1 policy继承逻辑的实现
- 7.2.2 policy修正逻辑的实现
- 7.3 ComposeTopology的实现
- 7.3.1 功能介绍
- 7.3.2 拓扑排序算法介绍
- 7.3.3 ComposeTopology包含的主要步骤
- 7.3.4 结构描述子句与其划分
- 7.3.5 结构合法性检查
- 7.3.6 拓扑排序的实现
- 7.3.7 子层实例化元函数
- 7.4 ComposeKernel的实现
- 7.4.1 类模板的声明
- 7.4.2 子层对象管理
- 7.4.3 参数获取、梯度收集与中性检测
- 7.4.4 参数初始化与加载
- 7.4.5 正向传播
- 7.4.6 反向传播
- 7.5 复合层实现示例
- 7.6 循环层
- 7.6.1 GruStep
- 7.6.2 构建RecurrentLayer类模板
- 7.6.3 RecurrentLayer的使用
- 7.7 小结
- 7.8 练习
- 第8章 求值与优化
- 8.1 MetaNN的求值模型
- 8.1.1 运算的层次结构
- 8.1.2 求值子系统的模块划分
- 8.2 基本求值逻辑
- 8.2.1 主体类型的求值接口
- 8.2.2 非主体基本数据类型的求值
- 8.2.3 运算模板的求值
- 8.2.4 DyanmicData与求值
- 8.3 求值过程的优化
- 8.3.1 避免重复计算
- 8.3.2 同类计算合并
- 8.3.3 多运算协同优化
- 8.4 小结
- 8.5 练习
- 后记——方家休见笑，吾道本艰难
展开全部
C++模板元编程实战：一个深度学习框架的初步实现是2018年由人民邮电出版社出版,作者李伟。
版权说明：本电子书已获得正版授权，由出版社通过知传链发行。
得书感谢您对《C++模板元编程实战：一个深度学习框架的初步实现》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
电子书
趣味案例教C/C++编程，激发学习兴趣，适合初学者自学。
电子书
·利用故事情境引发学生思考，既独具匠心又妙趣横生。·利用流程图厘清思路，激发学生的学习兴趣，培养计算思维。·通过探究与实践，让学生在解决问题的过程中体会到编程的乐趣和魅力。·通过不同的练习，思考解决问题的不同方法。·附赠案例素材、源文件、视频微课，手机扫码轻松观看教学视频，具体方式详见本书前言部分。
电子书
信息学奥赛金牌教练精心之作，算法竞赛宝典。
电子书
家长老师指南：教孩子学编程，掌握C语言基础。
电子书
本书通过5个章节详细地介绍了Go的语言细节和底层实现细节，贯穿于语言层面和源码层面，让读者可以对Go语言的实现有更加深刻的理解。
电子书
1.PyTorch核心开发者教你使用PyTorch创建神经网络和深度学习系统的实用指南。2.详细讲解整个深度学习管道的关键实践，包括PyTorch张量API、用Python加载数据、监控训练以及对结果进行可视化。3.PyTorch核心知识+真实、完整的案例项目，快速提升读者动手能力：a.全面掌握PyTorch相关的API的使用方法以及系统掌握深度学习的理论和方法；b.快速从零开始构建一个真实示例：肿瘤图像分类器；c.轻松学会使用PyTorch实现各种神经网络模型来解决具体的深度学习问题；d.章尾附有“练习题”，巩固提升所学知识；更有配套的代码文件可下载并动手实现。4.PyTorch联合创作者SoumithChintala作序推荐！5.书中所有代码都是基于Python3.6及以上的版本编写的，提供源代码下载。